Reparei que as vezes o dreamweaver coloca assinatura unicode (BOM)
em algumas páginas php's, tenho que retirar a maioria das vezes para que não apareça um espaçamento na página de exibição e não sei bem para que serve assinatura unicode (BOM)
vocês poderiam me explicar?
-
2@DBX8 mas acredito que as resposta daquela pergunta podem responder essa pergunta.– Silvio AndorinhaCommented 21/05/2014 às 14:53
-
ANSI é com um I só; ASCII é com dois I. ;-)– Sony SantosCommented 23/07/2020 às 9:53
5 Respostas
O marcador BOM é um indicar de ordem dos bytes em um arquivo de texto, para cada par de 2 bytes, no caso de unicode-16 e para o grupo de 4 bytes no unicode-32.
Esse marcador vem exclusivamente no início do arquivo.
BOM significa "Byte Order Mark", que em português seria algo como "Marca de ordenação de bytes".
EDIT
Também existe BOM para unicode-8, mas o seu uso não é recomendado, uma vez, que só existe uma ordenação possível para caracteres compostos por um único byte.
EDIT Print da wikipedia, mostrando os marcadores (já que não é possível montar tabelas aqui no SO)
-
3Byte Order Mark, marca de ordem de bytes, e não Binary Order Mark.– marcusCommented 21/05/2014 às 14:51
-
3Lá vai...: youtube.com/watch?v=Sv8XehRa-cg (sorry, não resisti).– Largato ♦Commented 23/03/2015 às 15:09
-
@Bacco HUahuhua! Boa... ou seja, a fêmea do BOM. (só pra entrar no espírito da coisa =) Commented 23/03/2015 às 15:26
-
O BOM (byte order mark, marca de ordem de bytes) foi criado para solucionar um problema do UTF-16 (e também do UTF-32, embora este formato seja pouco usado para salvar arquivos).
Como cada caracter em UTF-16 é composto por 2 bytes (ou em casos mais raros por um par de unidades de 2 bytes cada), existe a possibilidade de ordená-los de maneiras diferentes: byte 1, byte 2; ou byte 2, byte 1 (sobre a ordem dos bits, ninguém discute, pelo menos...). Então arquiteturas little-endian preferirão usar UTF-16LE (LE = little endian), que tem a ordem “byte 2, byte 1” que é a mais natural para o processador. E arquiteturas big-endian preferirão usar UTF-16BE.
Para diferenciar os dois tipos de UTF-16, usa-se o BOM no começo do arquivo, que é um caracter que não pode ser confundido com seu “inverso”, portanto ao lê-lo será possível descobrir qual é a ordem dos bytes do resto do arquivo.
Já o UTF-8 foi elaborado de maneira diferente, onde a ordem dos bytes não depende da arquitetura do computador. Por isso, muitos consideram desnecessário usar BOM em arquivos UTF-8.
O BOM, que em UTF-16 ocupa 2 bytes, ao ser codificado em UTF-8 toma a forma de 3 bytes. Por isso alguns programas, apesar da não-recomendação de usar BOM em UTF-8 acabaram por adotá-lo mesmo assim, pois quando abrirem um arquivo e encontrarem aqueles 3 bytes especiais, saberão que provavelmente se trata de um arquivo UTF-8 (porque é muito raro um texto começar com 
, que é como aparece o BOM se for lido como a codificação cp1252).
Agora, se você deve ou não usar BOM nos seus arquivos, o debate fica um pouco filosófico, porque existem prós e contras...
BOM
significa Byte Order Mark.
No nosso mundo as pessoas não conseguem se entender sobre várias coisas, inclusive se os bits de menor valor de um byte devem ser alinhados à esquerda ou a direita. Acredite, há discussões acaloradas e cheias de agressões pessoais sobre qual forma é melhor.
Com certos encodings acontece algo parecido. Alguns caracteres são representados por mais de um byte. Em UTF-32, por exemplo, são utilizados quatro bytes por caractere. Existem pessoas que preferem que os bytes com valores menores sejam alinhados a esquerda ou a direita em cada caractere.
Como não é possível adotar uma ou outra forma como a universal, às vezes a gente precisa informar a um parser a ordem em que os bytes devem ser lidos. A gente faz isso utilizando o BOM
. Se você não informar o BOM
, o parser tem que literalmente adivinhar a forma de leitura. Por isso que, sem ele, às vezes os textos ficam "quebrados".
É comum o BOM
de um texto ser indicado pelo pré-âmbulo, que são os três primeiros bytes de um texto. O parser os utiliza para determinar qual é o encoding utilizado.
Como notado pelo DBX8 na resposta dele, isso deveria ser irrelevante para o UTF-8, que utiliza apenas um byte por caractere. A única vantagem de se informar o BOM
do UTF-8 é que isso ajuda o parser a reconhecer o encoding utilizado.
-
3Correção: ordem dos bytes, não dos bits. E no UTF-8 não existe esse problema, cada unidade tem apenas 1 byte, com a possibilidade de "extensões" serem colocadas depois, mas com uma ordem bem definida. O BOM no UTF-8 acaba servindo mais para indicar que o arquivo é UTF-8 do que realmente para indicar a ordem (seu propósito original).– marcusCommented 21/05/2014 às 15:06
UTF-8 em conjunto com BOM
(Byte order mark) é codificado com os bytes EF BB BF
no início do arquivo. Não há diferença, pelo menos não oficial entre UTF-8 e UTF-8 com BOM. Enquanto há utilização, de acordo com o Padrão Unicode
, o Byte order mark para arquivos UTF-8 não é recomendado.
Na seção 3.10 Unicode Encoding Schemes, item D95
diz, em tradução livre:
O seu uso no início de um fluxo de dados UTF-8 não é necessário nem recomendado pelo Unicode Standard, mas a sua presença não afeta a conformidade com o esquema de codificação UTF-8.
-
1A ordem dos bytes não é variável em UTF-8. Mas claro, pode haver o problema de descobrir que o texto está em UTF-8 para começo de conversa...– marcusCommented 21/05/2014 às 14:50
-
Você pode corrigir esse problema como demonstrado abaixo:
- http://www.melhorweb.com.br/artigo/5-Problemas-de-espacamento-e-acentuacao-no-Dreamweaver.htm
- http://forum.imasters.com.br/topic/511360-desativar-assinatura-unicode-bom/
O que é o BOM?
A marca de ordem de byte (BOM) é um caractere Unicode usado para denotar a extremidade (ordem de bytes) de um arquivo de texto ou fluxo de dados, com código é U+FEFF. Seu uso é opcional e, se usado, deve aparecer no começo do fluxo de texto.
Além do seu uso tradicional, esse caractere também pode indicar em qual das diferentes representações Unicode o texto está codificado.1 Tendo em vista que o Unicode pode ser codificado tanto em 16 quanto 32 bits, o leitor de texto Unicode deve saber em que formato o texto sendo lido está codificado.
-
1"esse caractere também pode indicar em qual das diferentes representações Unicode o texto está codificado" Acho que não... se ele encontrar um
FF FE 00 00
como ele poderia diferenciar entre um UTF-32 e um UTF-16 onde o primeiro caractere é nulo? Commented 23/03/2015 às 4:06 -
1@mgibsonbr, tens razão acerca desta ambiguidades. Na maioria dos casos o BOM é suficiente para determinar o sistema de codificação usado, e a generalidade das ferramentas interepreta o FEFF0000 como utf-32 (o que dá uma enorme dor de cabeça para os utf-16 começados por nulo -- casos rarissimos mas que já me aconteceu) (Detesto BOMs :)– JJoaoCommented 23/03/2015 às 13:48