读取文本文件时如何去除字节顺序标记(BOM)？Rust xml-rs读XML报错处理

xml-rs库默认不会自动跳过文件开头的BOM（字节顺序标记），UTF-8编码的XML如果带了开头的0xEF 0xBB 0xBF序列，会被xml-rs识别为根元素外的非法普通字符，因此抛出Unexpected characters outside the root element错误。

xml-rs作者提到的bom_remover属于早期社区实验库，目前已经下架不再维护，不需要专门查找这个包，完全可以用现有流行库或者手写简单逻辑实现BOM移除。

方案1：使用encoding_rs_io库处理（最稳定通用） #

这是Rust官方维护的编码处理相关库，支持自动识别并跳过各类编码的BOM，兼容性最好。
首先在Cargo.toml添加依赖：

[dependencies]
encoding_rs_io = "0.1"
xml-rs = "0.8"

代码示例：

use std::fs::File;
use std::io::Read;
use encoding_rs_io::DecodeReaderBytes;
use xml::reader::{EventReader, XmlEvent};

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let file = File::open("your_file.xml")?;
    // 自动识别并移除BOM，默认按UTF-8解码，也可指定其他编码
    let mut decoder = DecodeReaderBytes::new(file);
    let mut content = String::new();
    decoder.read_to_string(&mut content)?;
    
    let parser = EventReader::from_str(&content);
    for event in parser {
        match event? {
            XmlEvent::StartElement { name, .. } => println!("匹配到元素：{}", name),
            _ => {}
        }
    }
    Ok(())
}

方案2：手动实现BOM检查移除（无额外依赖） #

如果不想新增依赖，UTF-8的BOM只有固定3字节，可手动判断跳过：

use std::fs::File;
use std::io::Read;
use xml::reader::EventReader;

fn main() -> Result<(), Box<dyn std::error::Error>> {
    let mut file = File::open("your_file.xml")?;
    let mut bytes = Vec::new();
    file.read_to_end(&mut bytes)?;
    
    // 检查是否存在UTF-8 BOM，存在则跳过前3字节
    let content = if bytes.starts_with(&[0xEF, 0xBB, 0xBF]) {
        String::from_utf8(bytes[3..].to_vec())?
    } else {
        String::from_utf8(bytes)?
    };
    
    let parser = EventReader::from_str(&content);
    // 后续解析逻辑不变
    Ok(())
}

如果需要支持UTF-16编码的BOM，可对应增加判断规则：

• UTF-16 LE BOM：0xFF 0xFE
• UTF-16 BE BOM：0xFE 0xFF

方案3：预处理原文件移除BOM #

如果不需要保留原文件的BOM，也可手动用编辑器移除：

• VS Code：右下角点击编码显示栏，选择「通过编码重新打开」-> 选UTF-8，再点击编码栏选择「通过编码保存」-> 选UTF-8（不带BOM）即可
• Notepad++：顶部编码菜单选择「转为UTF-8编码」（不要选择带BOM的对应选项）

内容的提问来源于stack exchange，提问作者Otto