BOM 与 XML 中的显式编码声明答案

【问题标题】：BOM vs explicit encoding declaration in XMLBOM 与 XML 中的显式编码声明
【发布时间】：2014-11-15 01:09:23
【问题描述】：

只是想知道为什么 XML 使用显式编码声明。对我来说，它看起来像一个奇怪的设计。考虑一个 UTF-16 编码声明（参见示例）。流/文件开头的 BOM 不会使其过时吗？如果 BOM 指示 UTF-16 并且显式编码声明设置为 UTF-8，会发生什么情况？这有什么意义吗？

<?xml version="1.0" encoding="utf-16" ?>

【问题讨论】：

请注意，省略 XML 声明的编码声明部分是完全合法的（我猜这通常是明智的）。在这种情况下，它看起来就像 <?xml version="1.0"?>。在许多情况下，编码已经从其他来源获知，或者可以自动正确推断。

标签： xml encoding utf-8 character-encoding utf-16

【解决方案1】：

在 StackOverflow 上报告了大量由于读取错误编码的数据而导致的问题。可悲的是，当您从文件存储中读取文件或通过某种协议（例如 HTTP）获取消息时，通常没有可用的编码信息，而且当有编码信息时，它通常是不可靠的。将编码放在文件头中只是解决此问题的一种实用且不完美的尝试（BOM 是另一个）。这不是全部答案（因为例如文件传输操作等不支持 XML 的进程很容易在不更改 XML 声明的情况下更改编码），但它会有所帮助。

【讨论】：

【解决方案2】：

您如何区分 ISO-8859-1 编码的文档和 ISO-8859-2 编码的文档？根本没有 BOM，如果没有 XML 声明说明使用了哪种编码，您就无法推断编码。如果 XML 只允许 UTF-8 和 UTF-16，那么基于 BOM 的检测可能就足够了，尽管我认为我记得 Java 世界中的早期 XML 解析器受到 UTF-8 BOM 的挑战。所以基本上，为了支持大量的编码，需要 XML 声明来声明使用的编码。

【讨论】：

但是，正如我在上面也评论过的，XML 声明省略编码声明部分也是合法的：<?xml version="1.0"?>