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

  • 今日観てきた #ガルパン 最終章第1作は、音と戦車のグラフィックが洗練されていました。特にグラフィックかな。 ただ、キャラクターのトゥーンレンダリング箇所が増えたせいかちょっと違和感も多かったな。 ストーリーについては、序盤は無理やり感があるけど、終盤には納得する内容でしたね。
    about 17時間 ago
  • 宣言したし買うけどさ、高くない? なんだかんだ言って買うんだろうけどさ、、、 #スパロボ #スパロボX https://t.co/RqgAk50FPo
    about 18時間 ago
  • 知り合いから中毒性のある動画が回ってきたw ハートマン軍曹のガンダム士官学校 https://t.co/7VP8kEIC8B #sm19349867 #ニコニコ動画
    about 18時間 ago

BGM

蒼穹 - EP
1 蒼穹 -angela

↓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12月
« 11月  
 12
3456789
10111213141516
17181920212223
24252627282930
31 

Archive

↓↓Please support me!↓↓

ブログランキング・にほんブログ村へ