Marque d'ordre des octets
Un article de Wikipédia, l'encyclopédie libre.
 |
Cet article est une ébauche à compléter concernant l'informatique, vous pouvez partager vos connaissances en le modifiant. |
| Unicode |
|---|
| Jeux de caractères |
| Équivalences normalisées |
Propriétés et algorithmes
|
| Codage |
| Autres transformations |
| Applications d'échanges de données |
En unicode, une Marque d'ordre des octets ou (BOM, pour l'anglais Byte Order Mark) est un caractère unicode de code point U+FEFF (espace insécable de largeur nulle «zero-width no-break space»), quand ce caractère est utilisé pour marquer l' endianness d'une chaîne de caractères UCS/Unicode codée en UTF-16 ou UTF-32 et/ou comme marqueur pour indiquer que le texte est codé en UTF-8, UTF-16 ou UTF-32.
Lorsqu'il est correctement interprété, le BOM n'est pas vu par l'utilisateur final du texte codé. Dans le cas contraire, l'utilisateur est confronté à une courte séquence de caractères incompréhensibles. Dans la plupart des codages le BOM est une séquence qui est peu vraisemblablement visible dans la plupart des codages conventionnels ou autres codages unicodes (cela ressemble usuellement à une obscure séquence de codes de contrôles). Si un BOM est mal interprété comme caractères à l'intérieur du texte, alors il sera invisible en raison du fait que c'est un zero-width no-break space. La sémantique «zero-width no-break space» du caractère U+FEFF a été dépréciée dans la version Unicode 3.2, ne l'autorisant plus qu'à voir uniquement la sémantique de BOM.
En UTF-16, un BOM est exprimé avec une séquence de deux octets FE FF au début de la chaîne codée, pour indiquer que les caractères codés suivants utilisent l'ordre big-endian; ou, si la séquence est FF FE pour indiquer l'ordre little-endian. La valeur U+FFFE est garantie pour ne pas être du tout un caractère Unicode, et peut être utilisée pour détecter l'ordre des octets par contraste avec U+FEFF qui est un caractère.
Alors qu' UTF-8 n'est lié à aucune problèmatique d'ordre des octets, un BOM codé en UTF-8 peut être utilisé pour marquer le texte comme UTF-8. Beaucoup de logiciels Windows (incluant Windows Notepad) en ajoutent un aux fichiers UTF-8. Cependant, sur des systèmes Unix-like (qui utilisent beaucoup les fichiers textes pour la configuration) cette pratique n'est pas recommandée, car cela peut interférer avec le traitement adéquat de codes importants tels que le hash-bang au début d'un script interprété. Il peut également interférer avec le source pour les langages de programmation qui ne le reconnaissent pas. Par exemple, gcc reporte des stray characters au début du fichier source, et en PHP, si l ' output buffering est désactivé, cela a pour effet subtil de faire que la page commence immédiatement à être envoyée au navigateur, et d'empêcher les custom headers d'être spécifiés par le script PHP. La représentation UTF-8 du BOM est la séquence d'octets EF BB BF, qui apparaît en codage ISO-8859-1 comme "" dans les éditeurs de textes et navigateurs mal préparés pour traiter l' UTF-8.
Bien qu'un BOM puisse être utilisé avec UTF-32, ce codage n'est cependant jamais utilisé en pratique.
Sommaire |
[modifier] Représentations des marques d'ordre d'octets par codage
| Codage | Représentation |
|---|---|
| UTF-8 | EF BB BF |
| UTF-16 Big Endian | FE FF |
| UTF-16 Little Endian | FF FE |
| UTF-32 Big Endian | 00 00 FE FF |
| UTF-32 Little Endian | FF FE 00 00 |
| SCSU | 0E FE FF |
| UTF-7 | 2B 2F 76 et l' une des séquences d'octets suivantes: [ 38 | 39 | 2B | 2F | 38 2D ] |
| UTF-EBCDIC | DD 73 66 73 |
| BOCU-1 | FB EE 28 |
[modifier] Bogue
Avec le passage de plus en plus de sites internet au codage UTF-8, certains se sont vu dysfonctionner.
Le BOM, mal géré, est considéré comme donnée par le serveur HTTP et est donc envoyé au navigateur qui ne sait pas toujours le gérer.
Le navigateur Microsoft Internet Explorer basculera en affichage XML par exemple.
Cela est problèmatique également pour les sites basés sur des scripts serveur car l'envoi de donnée déclenche irrémédiablement l'envoi préalable de l'entête HTTP (privant de certaines fonctionnalités comme les cookies).
La norme unicode n'impose pas toujours la marque d'ordre des octets en début de flux de données unicode, c'est le cas pour UTF-8.
Il est donc pour le moment fortement conseillé de l'omettre pour les documents UTF-8 destinés à l'internet.
[modifier] Voir aussi
[modifier] Liens externes
- The Unicode Standard, chapter 13 (PDF) (see 13.6 — Specials)
- FAQ — UTF and BOM
