Java读取XML文件字节数组输出差异原因及XML首三字符是什么？

问题1：XML文件内部的前三个字符是什么？ #

你看到的￯ : -17 ﾻ : -69 ﾿ : -65这三个字节，其实是UTF-8的字节顺序标记（BOM），对应的十六进制是EF BB BF。这三个字节并不是XML内容本身的一部分，是部分编辑器保存UTF-8文件时自动添加的标识，用来告诉阅读器文件采用UTF-8编码。而真正XML内容的第一个字符是后面的<（ASCII码60）。

问题2：为何使用Java读取文件字节数组时会出现输出差异？ #

这个差异的核心原因就是原文件带有UTF-8 BOM，复制后的文件没有了：

• 原文件exampleData.xml保存时带有UTF-8 BOM，你的代码是直接读取文件的字节数组，所以会把开头的三个BOM字节（-17、-69、-65）也读出来并转换成字符，就出现了那些奇怪的符号输出。
• 当你把内容复制到exampleDataCopy.xml时，大概率是你的文本编辑器或复制操作自动去掉了UTF-8 BOM（很多编辑器默认保存UTF-8文件时不会添加BOM，复制内容时也会忽略BOM），所以读取这个复制后的文件时，字节数组开头直接就是XML的内容<，自然看不到那三个奇怪的字节输出了。

额外提一句：Java标准字符流（比如Reader）不会自动识别UTF-8 BOM，用字节流读取时就会把BOM当作普通字节处理。如果想避免这种情况，可以在读取时先检查开头是否是BOM字节，然后跳过它们。

内容的提问来源于stack exchange，提问作者datascient