Remover BOM de Texto

BOM é a sigla de byte order mark, uma marca opcional no início do arquivo que sinaliza a codificação. Em UTF-16 ela tem função real, indicando a ordem dos bytes. Em UTF-8 ela é dispensável, mas o Bloco de Notas e várias ferramentas da Microsoft a acrescentam mesmo assim, gravando os três bytes EF BB BF antes do primeiro caractere de verdade.

O estrago é sempre o mesmo: um caractere invisível onde nada deveria existir. Em PHP, saída antes do header provoca "headers already sent". Em CSV, a primeira coluna do cabeçalho ganha lixo no nome e a importação não encontra o campo. Em JSON, o parser rejeita o arquivo inteiro. Em script de shell, a linha do shebang deixa de ser reconhecida. Cole o texto aqui e a página diz se havia BOM e devolve o conteúdo sem ele.

A detecção olha o primeiro caractere e procura o U+FEFF. Vale saber que o navegador às vezes já remove a marca durante a colagem, o que faz a página relatar ausência mesmo em conteúdo que tinha BOM no disco — para conferir o arquivo, o caminho certo é hexdump -C arquivo | head -1 e olhar os três primeiros bytes. Para gravar sem a marca, praticamente todo editor tem a opção "UTF-8 sem BOM" na escolha de codificação.