对面世界“XML Parsing Error: not well-formed”错误

Question

我知道“XML 解析错误：格式不正确”的广义含义。不知何故，文本不符合 xml 规范。这通常意味着存在不匹配的标签或者可能是错误的标题。

但是，也有格式不正确的文档的字符编码类型。我得到的结果似乎与我的预期相反。

当我从 windows 7 机器上的浏览器对 java rest 服务进行休息调用时，我会返回一个 xml 文档，其中包含以下文字，如下所示：

<foo>RÃœCK</foo>

我知道这就是我得到的，因为我使用 curl 来保存结果，而这正是文档中的内容。但是，当在 firefox、ie8 或 chrome 中查看时，文本的“Ãœ”部分实际上显示为一个 U，其上方有 2 个点。而且，没有一个浏览器会抱怨文档格式不正确。

然后我调用相同的 rest 服务，除了我从我的 windows 7 机器到运行 tomcat 的 linux 机器。我得到的是：

<foo>RÜCK</foo>

这就是我在使用 curl 下载结果时看到的。但是firefox和ie都抱怨xml文档格式不正确！

我知道，当我复制粘贴“Ãœ”时，由于文档编码或其他原因，它以某种方式从单个字符变为两个字符。但是，这是下一个令人困惑的事情。

当我更新数据库中的内容以将“RÃœCK”存储为复制粘贴值时，当从 Windows 上的 tomcat 发送时它显示为“RÃœCK”，但是当从 linux 上的 tomcat 发送时，它给出了一个格式不正确的错误！为什么？

谁能解释究竟是什么导致 windows 和 linux 系统以不同的方式显示相同的数据，以及为什么它不是从 linux tomcat 服务器形成的，但它是从 windows 7 tomcat 服务器形成的？

Answer 1

XML 1.0 规范在 4.3.3 Character Encoding in Entities 中定义，“如果一个 XML 实体被确定（通过默认、编码声明或更高级别的协议）采用某种编码，则为致命错误但包含在该编码中不合法的字节序列”。它还说，违反格式良好的约束是致命的错误，这显然也意味着在另一个方向上起作用。

因此，显然您的 XML 文档实际上是 UTF-8 编码的，但声明（或暗示）为 ISO-8859-1（或者可能是 windows-1252），反之亦然。无论哪种方式，都会有必须被识别为非法的字节或字节组合。