分享
 
 
 

XML的编码与中文问题

王朝other·作者佚名  2006-12-16
窄屏简体版  字體: |||超大  

我们知道,XML文件的开头就以XML声明开始,该声明中指明了XML的版本、编码方式等。比如下面的代码:

<?xml version="1.0" encoding="GB2312"?>

这里指定了编码方式为国标2312码。XML软件不再使用HTML等的字符猜测方式处理文档,它要求文档以明确的方式指定其所使用的字符集(即编码方式)。XML为什么需要知道文档的字符集呢?因为象'<'、'>'、'/'、'['、']'等符号,本来是XML规范中所保留的符号。而双字节编码的汉字,有可能出现这种情况,如某个汉字的编码A是xy,而y恰巧是 '<'的编码。假如XML软件不知道文档的字符集,那么XML分析器就会错误地将汉字A的低字节y当作是某个标记的开始符号。所以XML分析器必须知道XML文档的编码方式。只有知道它所属的字符集,才不会出现将某个完整的文字编码断开为单个字节,从而导致某些字节解码成错误的字符。 举个非常简单的例子,一个XML文档有如下的一段中文文字:

<中文>巾帼英雄</中文>

如果该文件保存为Unicode格式,则其内部编码为:

FF FE 3C 00 2D 4E 87 65 3E 00 FE 5D 3C 5E F1 82

C4 96 3C 00 2F 00 2D 4E 87 65 3E 00

我们可以看到"帼"字的 Unicode 编码为 (3C 5E),高字节为3C(与尖括号"<"的

ASCII码相同),象这样的汉字有许多。同样的这段文字,如果该文件保存为UTF-8格

式,则其内部编码为:

EF BB BF 3C E4 B8 AD E6 96 87 3E E5 B7 BE E5 B8

BC E8 8B B1 E9 9B 84 3C 2F E4 B8 AD E6 96 87 3E

单对用于标记的尖括号"<",在不同的编码格式下它有不同的编码值。如果分析器简单地按字节流方式,逐字节逐字节地进行处理,那么XML分析器如何识别这个尖括号 "<"就存在问题。尖括号"<"在不同字符集的编码不同。更糟糕的是,有些编码方式的某些字符,其编码的高字节/低字节可能为尖括号"<"的ASCII码,在这种情况下,分析器就会把这些字节误认为是尖括号"<"。

上面只是举了一个关于尖括号"<"的简单例子,还有许许多多其它的问题,这些都说明分析器不可能按这种字节流方式来处理。对于任何的XML文档,XML软件工具(包括分析器)必须知道该XML的文档的字符编码方式。

分析器比较常见的处理方法是,将所有所有的编码先转换到Unicode,在分析器内部完全针对Unicode进行处理。如SGML/XML分析器符号处理(SP)内部就是这样处理的。XML应该可以支持中文。因为W3C的XML1.0(1998年2月10日)规范里规定所有的XML处理器必须接受ISO 10646中的UTF-8和UTF-16编码,所以符合 XML 规范的软件工具一定都支持 ISO10646编码(这个字符集也就是Unicode)。而该编码是一组庞大的字符集,其中包含了 GB2312 编码及 Big5 编码中所有的字符。其实无论什么编码方式,如果统一转成UTF-8编码,则任何一个符合XML规范的软件工具都可以处理它。

之所以有中文问题,只是因为 XML 的应用刚刚起步,大多数 XML 软件工具目前都没有考虑到中文,或者说没有针对中文编码进行过测试。

同时需要注意的是,XML对中文的支持不只是指内容可以是中文,也不只是指支持中文标记(tag), 应该是任何元素名称、属性名称等也可以是中文。

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有