java 中识别 utf-8 bom 的标准做法是读取文件开头的三个字节，判断其是否等于 0xef 0xbb 0xbf。若匹配则跳过这三个字节继续处理正文；若不匹配则按普通 utf-8 流处理。推荐使用 bufferedreader 配合自定义的 inputstreamreader 或手动检测前缀来实现。
如何检测输入流的前三个字节是否为 BOM
通过 InputStream.mark() 和 read() 方法可以安全地检查流起始位置。具体实现时，创建一个包装类，在初始化时尝试读取三个字节并比对 BOM 值，如果匹配则记录已消费状态，后续读取时自动跳过。
import java.io.*;
public class BOMInputStream extends FilterInputStream {
private boolean bomConsumed = false;
private byte[] bomBytes = new byte[3];
private int bytesRead = 0;
public BOMInputStream(InputStream in) throws IOException {
super(in);
// 尝试读取 BOM
int count = 0;
while (count < 3) {
int b = in.read();
if (b == -1) break;
bomBytes[count++] = (byte) b;
}
// 检查是否为 UTF-8 BOM: EF BB BF
if (count == 3 &&
bomBytes[0] == (byte)0xEF &&
bomBytes[1] == (byte)0xBB &&
bomBytes[2] == (byte)0xBF) {
bomConsumed = true;
} else {
// 如果不是 BOM，需要把读到的字节推回去
// 由于 InputStream 通常不支持 mark/reset 回退所有字节，
// 这里我们使用 PushbackInputStream 或者缓存未消费的字节
// 为简化，假设父流支持 mark(3) 且 reset()，或者我们在构造函数外处理
// 更稳健的做法是使用 PushbackInputStream
}
}
// 注意：上述简单实现有缺陷，因为 read() 后无法直接 pushback 到 FilterInputStream
// 下面提供一个基于 PushbackInputStream 的正确实现片段逻辑
}
实际开发中，建议使用 PushbackInputStream 来包裹原始输入流。在构造时读取三个字节，如果是 BOM 则丢弃（不 pushback），否则将这三个字节 pushback 回流中，确保后续读取器能正常读到文件头。
立即学习“Java免费学习笔记（深入）”；
import java.io.*;
public class SafeBOMReader {
public static BufferedReader createReader(InputStream is, String charset) throws IOException {
PushbackInputStream pbis = new PushbackInputStream(is, 3);
byte[] bom = new byte[3];
int n = pbis.read(bom, 0, 3);
boolean hasBom = false;
if (n == 3) {
if (bom[0] == (byte)0xEF && bom[1] == (byte)0xBB && bom[2] == (byte)0xBF) {
hasBom = true;
} else {
pbis.unread(bom, 0, n);
}
} else if (n > 0) {
pbis.unread(bom, 0, n);
}
return new BufferedReader(new InputStreamReader(pbis, charset));
}
}
调用 SafeBOMReader.createReader(inputStream, "UTF-8") 即可得到一个自动处理 BOM 的 BufferedReader。如果文件包含 BOM，它会被静默跳过；如果不包含，文件内容从第一行开始被正确读取。
为什么有些库会自动处理 BOM 而有些不会
不同 Java IO 库对 BOM 的处理策略不同。例如 java.nio.file.Files.newBufferedReader() 在某些 JDK 版本中会尝试检测 BOM 并调整解码器，但行为可能不一致。而传统的 FileReader 默认使用平台编码，完全忽略 UTF-8 BOM。第三方库如 Apache Commons IO 提供了 BOMInputStream 类专门用于此目的。
// 使用 Apache Commons IO (需引入依赖)
import org.apache.commons.io.input.BOMInputStream;
import java.io.FileInputStream;
import java.io.BufferedReader;
import java.io.InputStreamReader;
public class CommonsIOExample {
public static void main(String[] args) throws Exception {
try (BOMInputStream bomIn = new BOMInputStream(
new FileInputStream("test.txt"),
BOM.UTF8)) {
try (BufferedReader reader = new BufferedReader(
new InputStreamReader(bomIn, "UTF-8"))) {
String line = reader.readLine();
System.out.println(line); // 第一行内容，不含 BOM 字符
}
}
}
}
Apache Commons IO 的 BOMInputStream 内部实现了类似的逻辑，但封装更好，支持多种 BOM 类型（如 UTF-16 BE/LE）。对于新项目，优先推荐此类成熟库，避免重复造轮子导致边界情况处理错误。
当文件中存在非标准 BOM 或混合编码时会发生什么
如果文件开头不是标准的 EF BB BF，而是其他字节序列，BOMInputStream 或自定义检测逻辑会将其视为普通数据。此时，如果后续解码器仍按 UTF-8 解析，这些字节会被当作有效字符输出，可能导致首行出现乱码。例如，若文件以 FF FE 开头（UTF-16 LE BOM），UTF-8 解码器会将其解释为两个非法或多字节字符，造成显示异常。因此，识别 BOM 的前提是明确预期编码，并在检测失败时采取适当策略，如抛出异常或切换解码器。
