XML指南——XML編碼

XML文檔可以包含外文字符比如挪威語或者法語（中文當然也可以！這一部分還是不能照原文翻譯，下面有些內容是我自己寫的）
為了讓你的解析器能夠明白這些字符，你必須在XML文檔中統一的字符編碼標準。



Windows 95/98 記事本
Windows 95/98 記事本不能以Unicode的編碼格式保存文件。
可以使用記事本來編輯和保存包含了外文字符的XML文檔 (比如：挪威語或者法語或者中文)
<?xml version="1.0"?>
<note>
<from>小奀</from>
<to>小林</to>
<message>晚上一起去火鍋呀</message>
</note>


但是如果你用瀏覽器打開這個用記事本編輯過的XML文檔，將會出現一個錯誤open it with IE 5.0。



在Windows 95/98 記事本中使用編碼
Windows 95/98 記事本編輯XML文件必須進行編碼屬性設置。 
為了避免發生錯誤，可以在XML文檔聲明中加上一個encoding屬性，指明此XML文檔的編碼類型，但是不要使用Unicode編碼。 
下面的編碼類型不會導致錯誤, 並且漢字顯示正常:
<?xml version="1.0" encoding="gb2312"?>


下面的編碼類型不會導致錯誤, 並且漢字顯示正常:
<?xml version="1.0" encoding="gbk"?>


下面的編碼類型不會導致錯誤, 並且漢字顯示不正常(亂碼):
<?xml version="1.0" encoding="windows-1252"?>


下面的編碼類型不會導致錯誤, 並且漢字顯示不正常(亂碼):
<?xml version="1.0" encoding="ISO-8859-1"?>


下面的編碼類型不會導致錯誤,並且漢字顯示正常:
<?xml version="1.0" encoding="UTF-8"?>


下面的編碼類型會導致錯誤:
<?xml version="1.0" encoding="UTF-16"?>





使用Windows 2000 記事本
Windows 2000 記事本可以以Unicode編碼格式保存文件。
Windows 2000 的記事本支持Unicode字符集。如果使用Win2000的記事本以Unicode的編碼格式保存XML文檔(請注意這裡在XML聲明中沒有編碼信息):
<?xml version="1.0"?>
<note><from>小奀</from><to>小林</to><message>晚上一起去火鍋呀</message></note>


下面這個文件; note_encode_none_u.xml, 在IE5.0+中將不會出現錯誤，但如果你使用網景Netscape 6.2，就可能出錯。讀者比較 note_encode_none.xml 和 note_encode_none_u.xml這兩個文件，如果單獨看他們各自的源文件，是沒有區別的，但為什麼一個能顯示，一個不能顯示呢？答案就是Unicode字符集。



Windows 2000 記事本編碼
Windows 2000記事本還可以以"UTF-16"編碼格式保存文件。
如果你在XML文檔中聲明了編碼屬性而又以Unicode編碼格式保存文件，將可能發生錯誤。
下面的代碼將會導致錯誤:
<?xml version="1.0" encoding="windows-1252"?>


下面的代碼將會導致錯誤:
<?xml version="1.0" encoding="ISO-8859-1"?>


下面的代碼將會導致錯誤:
<?xml version="1.0" encoding="UTF-8"?>


下面這個文件; note_encode_utf16_u.xml, 將會在IE5.0+中顯示正常，在網景Netscape 6.2瀏覽器中將會出現錯誤。
<?xml version="1.0" encoding="UTF-16"?>





錯誤信息
當時用IE5.0或者更高版本瀏覽XML文檔時，可能會遇到兩中不同的編碼錯誤:
在文本內容中發現一個非法字符(An invalid character was found in text content)。
如果你的XML文檔和你的XML文檔的編碼格式不匹配就可能導致錯誤發生。通常情況是，XML文檔包含一些「非英文」字符，並且使用了單字節編碼的編輯器，而且沒有在XML文檔的聲明中設置XML文檔的編碼格式。 

不支持從當前的編碼格式轉換成另一種編碼格式（Switch from current encoding to specified encoding not supported）。
如果XML文檔以Unicode/UTF-16編碼格式保存，但是XML文檔的聲明中卻設置了編碼格式是一些單字節的編碼（比如 Windows-1252, ISO-8859-1 或者  UTF-8）；或者XML文檔以單字節編碼格式保存，但是XML文檔的聲明中卻設置了編碼格式是一些Unicode/UTF-16的編碼形式，這樣兩種情況都會導致錯誤發生。



結論
結論:在保存XML文檔之前在XML文檔的聲明中設置文檔的編碼格式，我的一些關於避免錯誤發生的建議:
使用一種支持Unicode編碼格式的編輯器。 
確信你知道自己正在使用那種編碼格式。 
在XML文檔中使用屬性聲明設置編碼格式。