看起來完全正常的 XML 文件:
<?xml version="1.0"?> <note> <from>小奀</from> <to>小林</to> <message>晚上一起去火鍋呀</message> </note>
用瀏覽器打開卻跳出錯誤訊息——問題幾乎都出在編碼上。只要文件裡含中文,而 XML 宣告中又沒有交代用的是哪種編碼,解析器就只能靠猜,猜錯就報錯或顯示亂碼。
在舊版 Windows 記事本中編輯 XML,必須明確設定 encoding 屬性。解法是在 XML 宣告中加上編碼資訊,但要避開 Unicode 編碼。
以下寫法在 IE 5.0 以上瀏覽器中不會出錯,中文也能正常顯示:
<?xml version="1.0" encoding="gb2312"?>
<?xml version="1.0" encoding="gbk"?>
<?xml version="1.0" encoding="UTF-8"?>
相對地,這兩種寫法雖然不報錯,中文卻會變成亂碼:
<?xml version="1.0" encoding="Windows-1252"?>
<?xml version="1.0" encoding="ISO-8859-1"?>
至於 encoding="UTF-16",在這個環境下會直接導致錯誤。
Win2000 的記事本支援 Unicode,可以直接以 Unicode 格式存檔。這種情況下,XML 宣告裡不需要(也不應該)寫編碼資訊:
<?xml version="1.0"?> <note> <from>小奀</from> <to>小林</to> <message>晚上一起去火鍋呀</message> </note>
這份以 Unicode 存下的檔案在 IE 5.0 以上開啟不會有問題,但換成 Netscape 6.2 就可能出錯。若把兩份文件(Unicode 版與非 Unicode 版)的源碼放在一起看,你會發現它們幾乎一模一樣——差別只在底層的位元組編碼,而這正是問題的根源。
Win2000 記事本也可以存成 UTF-16 格式。此時若又在宣告中寫了單位元組編碼(如 Windows-1252、ISO-8859-1、UTF-8),就會出錯;反之,以單位元組編碼存檔卻宣告 UTF-16,同樣會出錯。
用 IE 5.0 以上瀏覽 XML 時,最常遇到的編碼錯誤有兩類:
一、An invalid character was found in text content(文字內容中發現不合法字元)。通常是文件的實際編碼與宣告不符。典型情況是:文件含有非英文字元,編輯器以單位元組編碼存檔,而宣告中卻沒設定編碼格式。
二、Switch from current encoding to specified encoding not supported(不支援從目前編碼轉換為指定編碼)。發生在兩種錯配上:文件以 Unicode/UTF-16 存檔,宣告卻寫成 Windows-1252、ISO-8859-1 或 UTF-8;或者文件以單位元組編碼存檔,宣告卻寫成 Unicode/UTF-16。
核心原則只有一句:存檔之前,先在 XML 宣告裡把編碼格式寫清楚。具體建議如下:
這三點做到,九成的亂碼與解析錯誤都能避免。