2.3　XML声明

大部分XML文档都以XML声明开始，XML声明向解析器提供了关于该文档的基本信息。通常建议为XML文档增加XML声明，但声明并不是必需的。

注意

如果需要为XML文档使用声明，则声明必须放在XML文档的第一行。

第一行的XML声明告诉XML处理程序：下面的内容遵循该标准。XML文档声明以“<?”开始，以“?>”结束。如果指定了XML文档声明，则必须同时指定声明的version属性，该属性通常为1.0，表明该文档遵守XML 1.0规范。除此之外，XML文档声明还包括两个可选属性：

　encoding：指定对该XML文档进行解码所用的字符集。

　standalone：指定该文档是否需要引用其他资源。该属性只接受yes或no两个值。

一个完整的XML文档声明如下：

这个XML声明中，version属性是必需的，而且通常该属性都排在第一位。而后面两个属性都是可选的。如果没有指定encoding属性，则默认采用UTF-8的编码方式。如果XML文档全部是西欧字符，则无须指定任何字符集，因为几乎所有字符集中西欧字符的编码都是相同的。但如果需要使用中文等亚洲文字，则最好设置对应的字符集。

注意

Unicode是一种全球通用的字符集，这种字符集号称可以表示地球上的任何文字。实际上，Unicode已经逐渐开始取代ASCII和Latin-1字符集。这种字符集不仅可以表示绝大部分国家的文字，而且提供了一个全面的数学与技术符号集，用于简化科学信息交换。而UTF-8则是一种简便的、向后兼容的字符集，它使得那些以ASCII为字符集而设计的操作系统，如UNIX或Linux，也可使用Unicode。UTF-8与Unicode之间存在细微差异。

下面是几种常见的字符集：

　简体中文：GBK或GB2312。

　繁体中文：BIG5。

　西欧字符：ISO8859-1。

　通用的国际编码：Unicode。

如果XML文档编码指定得不对，将导致该文档无法正确解析。看下面的XML文档：

程序清单：codes\02\2.3\errorEncoding.xml

上面的XML文档是之前那个格式良好的XML文档的片段，理论上应该没有任何问题。但因为笔者将XML声明的encoding属性删除了，而删除该属性意味着将使用默认字符集进行编码——即采用UTF-8字符集，而文档的内容全部是简体中文，所以在浏览器中浏览该文档将出现图2.6所示结果。

图2.6　字符集错误时的XML文档

学生提问：UTF-8不是兼容Unicode吗？那UTF-8也应该支持中文啊，为什么上面的XML文档会出现字符集错误的情况呢？

答：UTF-8确实是兼容Unicode的，也确实对中文有很好的支持，但需要指出的是：当我们使用文本编辑工具保存XML文档（其实质还是文本文件）时也涉及字符集的问题。众所周知，磁盘上的所有文件都以二进制形式保存（不管是图片、文本，还是电影都一样），这意味着保存文本文件时需要将文件中的字符转换为二进制码（这个过程称为编码）再保存；类似地，当使用文本编辑工具读取文本文件时，则需要将二进制码反转换为字符（这个过程称为解码）。图2.7展示了相互转换的过程：

图2.7　文本文件存取示意图

如图所示，文本文件保存、读取时分别使用字符集进行编码、解码。因此，为了正常获取文本文件的内容，保存、读取文件时必须采用相同的字符集。XML文档声明部分encoding属性指定的是读取XML文档时所使用的字符集，该字符集必须和保存文件时所使用的字符集一致才行。简体中文Windows平台保存文件默认使用GBK字符集，而XML文档的encoding属性值默认是UTF-8，因此才会出现图2.6所示错误。

为了可以使用默认的字符集对上面的XML文档进行解码，需要在保存该XML文档时显式指定使用UTF-8字符集，在EditPlus中保存文件时可以通过单击图2.8所示下拉列表进行选择。

图2.8　保存文件时自行选择编码的字符集

通过图2.8所示方式保存后即可正常浏览，可见使用UTF-8字符集的XML文档也是可以支持中文的。

注意

XML声明部分的encoding属性值应与保存该文档时所使用的字符集相同。如果需要让XML文档支持中文，应注意如下两点：① 保存该文件时使用支持中文的字符集；② XML声明部分的encoding属性值应与保存该文件时所使用的字符集相同。