查看 XML 标头
<?xml version="1.0" encoding="UTF-16" standalone="no"?>
我可以说encoding 属性是
或者该属性与流的内容无关？
我在这里搞混了吗？
【问题讨论】：
标签： xml header character-encoding
XML 解析器只需要至少支持 UTF-8 和 UTF-16。 XML 解析器首先尝试基于字节顺序标记 (BOM) 的编码（如果存在）（对于带有虚拟 BOM 的 UTF-16、UTF-32 甚至 UTF-8）。如果没有找到，那么解析器将尝试 UTF-32、UTF-16、UTF-8、ASCII 和其他 ASCII 兼容的单字节编码。只有这样它才会看到编码属性，并在必要时重新开始解析。
【讨论】：
正如您所提到的，您必须知道文件的编码才能读取 encoding 属性。
但是，有一种启发式方法可以很容易地让您足够接近“真实”编码，从而允许您读取编码属性。这是可行的，因为根据定义，<?xml 部分只能包含 ASCII 范围内的字符（无论它们是如何编码的）。
XML 标准甚至describes the exact process used to find out the encoding。
编码标签也不是多余的。例如，如果您使用 XML 规范中的算法来发现使用了一些基于 ASCII（或 ASCII 兼容）的编码，您仍然需要读取编码以找出实际上是哪个编码使用（有效的候选代码是 ASCII、UTF-8、ISO-8859-* encodings 中的任何一种、Windows-* 中的任何一种编码、KOI8-R 以及许多许多其他编码）。对于<?xml 部分本身，它是哪一个不会有什么不同，但对于文档的其余部分，它可以产生巨大的差异。
关于错误标记的 XML 文件：是的，生成这些文件很容易，然而：XML 规范明确指出这些文件格式错误，因此不是正确的 XML。不正确的编码必须作为错误报告（只要它们可以被检测到！）。所以这是生成 XML 的人的问题。
【讨论】：
你说得对，它看起来像一个奇怪的设计。它之所以有效，是因为 XML 声明仅使用 ASCII 字符，并且几乎所有编码都是 ASCII 的超集。如果您准备接受不是的内容，例如 EBCDIC，您可以检查文件是否以 "<?xml" 的 EBCDIC 表示形式开头。这意味着您依赖于文件头中的一般冗余级别，而不是纯粹的编码属性本身。像 XML 中的许多东西一样，它实用且有效，但不是特别优雅。
【讨论】：
<?xml 在 EBCDIC 4C 6F A7 94 93。但是，并非所有 EBCDIC 代码页都以相同的方式编码 "：代码页 1026 使用 FC，而大多数其他代码页使用 7F，因此您必须同时查找两者。
我认为原则上您可能会认为encoding 语句在文件中是“迟到的”，但是，整个第一行仅使用基本字符。 AFAIK，几乎所有的编码都是一样的，所以不管你怎么解码，它都会读到<?xml ... ?>。
之后发生的任何事情都可能很重要。例如，CDATA 部分中的文本可以用西里尔文编码进行编码。
【讨论】：