A assinatura EF BB BF
O BOM UTF-8 é a sequência hexadecimal EF BB BF colocada no início de um texto para identificá-lo como UTF-8. Esses três bytes codificam o caractere Unicode U+FEFF quando usado como assinatura. A sigla BOM significa Byte Order Mark, ou marca de ordem de bytes.
O UTF-8 já tem uma ordem de bytes definida e pode ser usado sem essa assinatura. Sua presença altera o início do arquivo, mesmo quando o editor mostra apenas o texto que vem depois dela.
Um arquivo que contém a letra A
Estas duas sequências representam a letra A em UTF-8. A segunda inclui o BOM:
41EF BB BF 41O byte 41 corresponde à letra nos dois casos. Na segunda sequência, o programa precisa reconhecer e consumir a assinatura para chegar ao conteúdo. Um leitor que espera a letra já no primeiro byte encontrará EF e poderá recusar o arquivo.
Você pode conferir essa diferença num visualizador hexadecimal. Ela explica por que dois arquivos com o mesmo texto aparente podem ser tratados de maneira diferente pelo programa que os recebe.
A exigência depende do formato
Para JSON transmitido por rede, a RFC 8259 determina que o emissor não acrescente BOM. O parser pode ignorá-lo por compatibilidade, mas a especificação não exige essa tolerância. Por isso, a aceitação num programa não comprova que a mesma mensagem será aceita por outro.
Remover a assinatura preserva a codificação UTF-8 do restante do arquivo. Essa alteração, porém, não recupera caracteres que já tenham sido corrompidos por uma conversão incorreta.
Dúvidas frequentes
Perguntas frequentes sobre BOM UTF-8
- O UTF-8 precisa de BOM para indicar a ordem dos bytes?
- Não. O UTF-8 tem uma ordem de bytes definida. O BOM funciona como assinatura da codificação, sem selecionar uma ordem diferente.
- A ausência de um símbolo visível comprova que o arquivo não tem BOM?
- Não. Você pode conferir os bytes iniciais do arquivo, porque a assinatura pode não aparecer como um símbolo no editor.
- Um emissor de JSON pode acrescentar BOM a uma mensagem de rede?
- A seção 8.1 da RFC 8259 proíbe essa inclusão. Um parser pode ignorar a marca recebida por compatibilidade, mas essa tolerância não é obrigatória.
Para continuar
Recursos relacionados
Documentação
Unicode: codificações e BOM
Documenta os bytes do BOM em cada codificação e explica por que ele é opcional no UTF-8.
Abrir recursoAplicação na formação
Developer Workspace
A codificação dos arquivos influencia a leitura de configurações pelas ferramentas do ambiente de desenvolvimento.
Conhecer a formação
Fontes consultadas
Referências deste verbete
Este verbete ajudou você?
Obrigado pela resposta. Ela fica salva apenas neste navegador.