XML文件开头的BOM（Byte Order Mark，字节序标记）是一段出现在文件最前面的特殊字节序列，用来标识文本文件的编码方式和字节顺序。在UTF-8编码中，BOM表现为三个字节：EF BB BF。虽然Windows记事本等工具喜欢在保存UTF-8文件时自动添加这个标记，但XML标准本身并不要求使用BOM，而且不少XML解析器在遇到开头的BOM时会将其视为普通字符，从而导致解析异常，比如报出“非法字符”或“根元素前存在内容”的错误。
一、BOM在XML中为何会成为问题
从编码原理上看，BOM最初是为UTF-16和UTF-32设计的，用来区分大端序和小端序。UTF-8由于字节顺序固定，其实并不需要BOM，但微软系编辑器为了标记“这是UTF-8文件”而保留了写BOM的习惯。当一个XML文件以EF BB BF开头时，严格的XML解析器（如早期版本的PHP XMLReader、某些Java DOM实现）会把这三个字节当作文档内容的一部分，而不是元数据。
这种处理方式会带来实际麻烦。例如，服务端用PHP的simplexml_load_file读取带有BOM的XML时，可能返回false并提示“Start tag expected”。前端用浏览器内置DOMParser解析时，也可能因为开头字符不在允许范围内而解析失败。因此，在跨平台数据交换场景下，去除XML开头的BOM往往是必要的前置步骤。
二、如何手动去除XML文件的BOM
最简单的方式是使用不支持BOM的编辑器重新保存文件。比如用VS Code打开XML，点击右下角编码按钮，选择“以编码保存”，再选“UTF-8”（不带BOM的纯净UTF-8）即可。Notepad++用户则可通过“编码”菜单将“以UTF-8-BOM格式编码”转为“以UTF-8无BOM格式编码”后保存。
如果文件较多，手动处理效率太低。此时可以借助命令行工具。在Linux或macOS下，使用sed命令即可批量剥离BOM：
# 去除单个文件开头的BOM（EF BB BF） sed -i '1s/^xEFxBBxBF//' file.xml # 批量处理当前目录所有xml文件 for f in *.xml; do sed -i '1s/^xEFxBBxBF//' "$f" done
上述脚本只替换第一行的开头三个字节，不会影响文件其他内容。不过需要注意，sed的字节表达在不同平台可能略有差异，FreeBSD的sed参数要调整为-i ''。
三、用代码自动检测并去除BOM
在程序运行中动态处理XML时，更可靠的做法是在读取内容后判断并剔除BOM。下面以PHP为例，展示如何安全地读取并清理XML字符串：
<?php
function remove_xml_bom($content) {
// BOM在UTF-8下为三字节：EF BB BF
$bom = pack('CCC', 0xEF, 0xBB, 0xBF);
if (substr($content, 0, 3) === $bom) {
$content = substr($content, 3);
}
return $content;
}
$xmlRaw = file_get_contents('data.xml');
$xmlClean = remove_xml_bom($xmlRaw);
$xml = simplexml_load_string($xmlClean);
if ($xml === false) {
echo 'XML解析失败，请检查格式';
} else {
echo '根节点名称：' . $xml->getName();
}
?>
这段代码先用pack构造BOM字节串，再通过substr比对开头。若匹配就截掉前三个字节，随后用simplexml_load_string解析纯净内容。相比直接操作文件，这种方式对内存流、接口返回内容同样适用。
在Python中也可以用类似逻辑处理。使用lstrip配合特定编码检测，或直接判断前三个字节：
def remove_bom_from_xml(raw_bytes):
if raw_bytes[:3] == b'xefxbbxbf':
return raw_bytes[3:]
return raw_bytes
with open('data.xml', 'rb') as f:
data = f.read()
clean_data = remove_bom_from_xml(data)
# 以文本模式解码，避免BOM干扰
xml_text = clean_data.decode('utf-8')
print(xml_text[:50])
以二进制方式读取是关键，因为文本模式打开时某些环境会自动吞掉BOM，导致你无法判断是否曾存在BOM，也不利于统一处理逻辑。
四、预防BOM产生的开发习惯
除了事后清理，更推荐在源头避免BOM。团队开发中可统一编辑器配置：VS Code设置files.encoding为utf8（非utf8bom），并在.gitattributes中标记文本文件使用UTF-8无BOM。构建脚本生成XML时，明确使用不带BOM的写入函数，例如PHP的file_put_contents配合已转码字符串，而不是让系统默认追加标记。
另外，在接口返回XML响应时，务必确认框架或服务器没有自动添加BOM。有些老旧PHP文件因自身保存带BOM，会导致所有输出前多出三个字节。此时只需把入口脚本和公共库文件都转成无BOM格式，就能彻底解决下游解析异常。
五、小结
XML开头的BOM本质是一个可选的UTF-8标识头，却常常成为解析错误的隐藏元凶。理解它的字节构成与产生场景后，无论是用编辑器另存、命令行批处理，还是用PHP、Python在代码层过滤，都能轻松消除影响。养成输出无BOM UTF-8的习惯，才能让XML在系统间顺畅流转。