Java中令人头疼的非法字符65289：Unicode BOM及解决方案141

在Java开发过程中，我们经常会遇到各种各样的编码问题，其中一个比较棘手的问题就是“非法字符65279”错误。这个错误通常伴随着文件开头出现一个不可见的字符，其Unicode编码为65279，它实际上是字节顺序标记 (Byte Order Mark, BOM)。BOM通常用于标识Unicode文本文件的编码方式，例如UTF-8、UTF-16等。然而，在某些情况下，BOM的存在会引起Java程序抛出异常，导致程序运行失败。本文将深入探讨这个恼人的问题，分析其原因，并提供多种有效的解决方案。

一、 65289字符的本质：BOM

Unicode字符集有多种编码方式，例如UTF-8、UTF-16、UTF-32等。为了能够正确解析Unicode文本，有些文本编辑器会在文件开头添加一个BOM。BOM是一个特殊的Unicode字符，它并不代表任何可见的字符，其Unicode编码为FEFF（UTF-16）或EF BB BF（UTF-8）。当使用某些文本编辑器（例如Notepad++）保存UTF-8编码的文件时，默认情况下会添加BOM。然而，Java的某些库或解析器并不支持BOM，导致读取包含BOM的文件时出现“非法字符65279”的错误。需要注意的是，65289这个数字本身并不是一个标准的Unicode字符的码点，它可能是由于错误的编码识别或文本编辑器的操作造成的。在UTF-8编码下，BOM对应的十六进制码为EF BB BF，而一些工具或环境可能会将其错误地解读为65279。

二、错误原因分析

出现“非法字符65279”错误的主要原因如下：
使用带BOM的UTF-8文件：这是最常见的原因。许多文本编辑器在保存UTF-8文件时会默认添加BOM，而Java程序在读取这些文件时可能会将其视为非法字符。
编码不一致：文件的实际编码与程序读取文件的编码不一致，例如文件为UTF-8编码，但程序却使用GBK编码读取，就会导致乱码甚至错误。
XML解析器：某些XML解析器对BOM非常敏感，即使是UTF-8文件中的BOM也可能导致解析失败。
配置文件：如果配置文件（例如properties文件）包含BOM，可能会导致程序加载配置文件失败。

三、解决方案

针对“非法字符65279”错误，我们可以采取以下几种解决方案：

1. 使用合适的文本编辑器保存文件：选择支持无BOM的UTF-8编码的文本编辑器，例如Sublime Text, VS Code, 或者在Notepad++中选择“编码”->“以UTF-8编码方式保存(不带BOM)”来保存文件。

2. 在程序中去除BOM：如果无法控制文件的生成方式，可以在Java程序中读取文件时去除BOM。以下提供两种常用的方法：
方法一：使用InputStreamReader和skip()方法：

InputStreamReader reader = new InputStreamReader(new FileInputStream(filePath), "UTF-8");
if (() == 0xFEFF) { // Skip BOM if present
("BOM detected and skipped.");
} else {
(); //reset the stream pointer back to the begining
}
// ... further processing of the reader ...

方法二：使用Apache Commons IO库： Apache Commons IO提供了一个更加便捷的方法来处理BOM。

import ;
import ;
import ;
String content = (new File(filePath), StandardCharsets.UTF_8);
// ... further processing of content ...