XML 文件裡可以出現各國文字,例如挪威文的 øåæ 或法文的 êèé。要讓解析器正確理解這些字元,文件就必須以對應的編碼儲存。實務上最常見的錯誤,正是編碼宣告與檔案實際編碼不一致。
舊版記事本不支援把檔案存成 Unicode。你可以用它編輯含外文/avig 字的 XML:
<?XML version="1.0"?> <note> <from>Jani</from> <to>Tove</to> <message>Norwegian: øåæ. French: êèé</message> </note>
但存檔後用 IE 5.0 打開,就會得到錯誤訊息。
解法是在 XML 宣告中補上 encoding 屬性,只是不能寫 Unicode。以下寫法用 IE 5.0 打開不會報錯:
<?XML version="1.0" encoding="Windows-1252"?> <?XML version="1.0" encoding="ISO-8859-1"?>
而這兩種寫法則會出錯:
<?XML version="1.0" encoding="UTF-8"?> <?XML version="1.0" encoding="UTF-16"?>
Windows 2000 的記事本編輯器支援 Unicode。若你把 XML 存成 Unicode(此時文件中不含任何編碼屬性):
<?XML version="1.0"?> <note> <from>Jani</from> <to>Tove</to> <message>Norwegian: øåæ. French: êèé</message> </note>
用 IE 5.0 打開不會有錯誤訊息。
Windows 2000 記事本存成 Unicode 時使用的是 UTF-16 編碼。如果你在這種檔案裡補上編碼屬性,就會產生錯誤。以下三種都會出問題:
<?XML version="1.0" encoding="Windows-1252"?> <?XML version="1.0" encoding="ISO-8859-1"?> <?XML version="1.0" encoding="UTF-8"?>
只有下面這個寫法可以正常開啟:
<?XML version="1.0" encoding="UTF-16"?>
當你試圖在 Internet Explorer 5 中載入 XML 文件,編碼問題會以兩種訊息呈現:
「在文字內容中發現了無效字元」——這代表文件中的某個字元與編碼屬性不匹配。最常見的成因是:文件含外文/avig 字,卻用記事本這類單一位元組編碼的編輯器保存,而且沒有宣告 encoding。
「從目前編碼轉換到不支援的指定編碼」——檔案存成 Unicode/UTF-16,但編碼屬性卻寫成單一位元組編碼(如 Windows-1252、ISO-8859-1、UTF-8);反之,檔案是單一位元組編碼卻宣告 UTF-16,也會得到這個訊息。
核心原則只有一句:encoding 屬性必須與檔案實際的編碼一致。
我的建議是:一律把 XML 存成不帶編碼資訊的 Unicode,並使用支援 Unicode 的編輯器(Windows 2000 記事本就夠用),同時省略 encoding 屬性。少一個宣告,就少一個出錯機會。