UTF-8のBOMの罠


先日、PHPでテキストファイルに記録されたテキストデータ(ファイル名群)を読み込み、得られたデータに則ってファイルを書き込みする処理を書いていたのですが、UTF-8のBOM付テキストにしてやられました。

まず、BOMとは何かですが、文字コードがUTF-8の場合に識別のため、ファイルの先頭に3バイト(0xEF 0xBB 0xBF)が追加されることを指します。

Windowsのメモ帳などでテキストファイルを編集すると必ずこのBOMデータが必ず付加されるそうです。

このBOMデータの存在に気づかずファイル名の読み込み→ファイル作成を行ったところ、見た目は普通のファイル名のファイルなのですが、Linux上で見ると同じファイル名が2つ。。。

<例>
# ll
test.txt ←実はファイル名頭にBOMがある
test.txt ←こっちはまともなファイル名

しかも、たちが悪いのが片方のファイルはファイル名が特定できないため、アクセス不可能というもの。。。 私の場合は、samba経由でファイルを削除しました。

インターネットで調べると意外と多くの方がBOMデータで同様のミスをしていることが判明しました。調べた限りだとPHP特有の問題っぽい感じ。

で、PHPでのBOMデータ削除の方法ですが、以下の方法で削除が可能です。

$fileName = "開くファイル名"; // 開くファイル名
$pointer = fopen($fileName, "r"); // ファイルを開く
$value = fgets($pointer);
$value = rtrim($value); // 改行コード除去
if($value == NULL)
{
break;
}
// BOMを取り除く処理
if($value[0] == chr(0xef) &amp;&amp; $value[1] == chr(0xbb) &amp;&amp; $value[2] == chr(0xbf))
{ // UTF-8 BOMを取り除く
$value = substr($value, 3);
}

私はこれに気づくまで半日無駄にかかってしまいました。この記事が皆さんの半日分の調査を節約することができれば幸いです。


Mask_Siva

北の試される大地に生息しているSEです。
楽しみながらプログラムを作ったり、ゲームで遊んだりしています。

コメントをお待ちしております

HTMLタグは利用できません

Advertising



新品/中古ゲーム販売 通販ショップの駿河屋

Twitter

仮面被り過ぎ@コンプレックス大佐
@Mask_Siva

  • #ヒーラーは二度死ぬ 最初の試練に到達 艦これの片手間で遊べるかなとやってみたけど、専念しないと無理そうw #1日1トロフィー #PS4 #ゲーム https://t.co/JiDMtowBZQ
    about 19時間 ago
  • とりあえず、釧路の件は警察にも協力してもらう体制を構築しました。 安心はまだまだできないけど、母も少しは落ち着いてくれた。
    about 21時間 ago
  • 訳あって寝られなかったので、E-4甲ラスダン消化。 烈風拳+戦艦3構成にシフトしたところ、1発クリアでした! #艦これ https://t.co/WqMW7jr6m8
    about 2日 ago

BGM

機動戦士ガンダムUC オリジナルサウンドトラック

2 UNICORN -澤野弘之

↓の再生ボタンで再生できます

色々な楽曲を試聴したいなら
>>>こちら<<<

Nico Nico Community

Calendar

2017年8月
« 7月  
 12345
6789101112
13141516171819
20212223242526
2728293031 

Archive

↓↓Please support me!↓↓

ブログランキング・にほんブログ村へ