问XML声明中的默认编码(UTF-8)是如何默认的？

EN

，简短的答案，

在非常特殊的情况下，UTF-8编码文档没有外部编码信息(我从注释中了解这是您感兴趣的内容)，这两个声明之间没有区别。

然而，长篇大论的答案要有趣得多。

，Spec说什么，

如果您查看XML规范的附录F1，这说明了在没有外部编码信息时确定编码所应遵循的过程。

如果文档被编码为UTF变体之一，解析器应该能够从bytes或XML声明的开头检测到前4个字节内的编码。

但是，根据规范，它仍然应该读取编码声明。

在以上不需要读取编码声明以确定编码的情况下，第4.3.3节仍然要求读取编码声明(如果存在)，并检查编码名称以与实体的实际编码相匹配。

如果它们不匹配，根据第4.3.3节的说法

对于包含编码声明的实体来说，...it是一个致命错误，它将以声明中指定的编码以外的编码方式呈现给XML处理器。

编码UTF-16，声明为UTF-8

让我们看看，当我们创建一个编码为UTF-16但编码声明设置为UTF-8的XML文档时，实际上会发生什么。

Opera、Firefox和Chrome都将文档解释为UTF-16，而忽略了编码声明。(至少第9版)显示一个空白文档，但没有实际错误。

因此，如果您在UTF-8文档中包含了UTF-8编码声明，并且稍后某个人将其转换为UTF-16，那么它将在大多数浏览器中工作，但在IE中失败(我猜想，大多数Microsoft XML API)。如果您离开了编码声明，您就会没事。

从技术上讲，我认为IE是最准确的。它没有显示这样的错误，这可能是因为错误发生在编码级别而不是XML级别。它尽最大努力将UTF-16字符解释为UTF-8，找不到任何解码字符，最后将空字符序列传递给XML解析器。

编码UTF-8，声明为

现在您可能会认为Firefox、Chrome和Opera完全忽略了编码声明，但情况并不总是如此。

如果您将文档编码为UTF-8 (使用字节顺序标记，使其与其他任何内容相同)，但将编码声明设置为Latin1，则所有浏览器都将成功地将内容解码为Latin1，而忽略UTF-8 BOM。

这对我来说也是对的。BOM字符在Latin1中无效，这意味着它们在字符解码级别上被默默地丢弃。

但是，这并不适用于UTF-8文档上所有声明的编码。如果声明的编码是UTF-16，我们将返回Opera、Firefox和Chrome，忽略声明的编码，而则返回一个空白文档。

本质上，任何使IE返回空白文档的内容都会使其他浏览器忽略声明的编码。

其他不一致

这也值得一提的是拜德教令马克的重要性。根据规范第4.3.3节

以UTF-16编码的实体必须..。从Byte命令开始

但是，如果您尝试读取没有BOM的UTF-16编码的XML文档，那么大多数浏览器仍然会接受它为有效的。只有Firefox将其报告为XML解析错误。

外部编码信息

到目前为止，我们一直在考虑在没有外部编码信息时会发生什么，但是，正如其他人所提到的，如果通过HTTP接收文档或将文档封装在某种MIME信封中，那么来自这些源的编码信息应该优先于文档编码。

各种XML类型的大部分细节都是用RFC3023描述的。然而，实际情况与具体情况略有不同。

首先，带有省略字符集参数的text/xml应该使用US-ASCII的字符集，但这一要求几乎总是被忽略。浏览器通常使用XML编码声明的值，如果没有，则默认为UTF-8。

第二，如果文档上有UTF-8 BOM，并且XML编码声明是UTF-8或不包括，则文档将被解释为UTF-8，而不管内容类型中使用的字符集如何。

只有当没有BOM，并且在Content中指定了显式字符集时，内容类型中的编码才是优先的。

无论如何，在UTF-8文档中包含UTF-8 XML编码声明与根本没有编码声明是完全不同的(涉及内容类型)。

孤立地说，两者是等同的。您已经引用了规范的相关部分，这些部分表明这两种声明都是等价的。

但是，XML可以有一个信封，例如header。W3C指定表示，该信封信息比文件中的任何其他声明都具有优先级。因此，例如，如果您通过http检索XML，您可能会得到以下内容：

HTTP/1.1 200 OK
Content-Type: text/xml

<root/>

在这种情况下，XML应该被读取为ascii，因为text/* mime类型的默认字符集是ascii。这就是为什么您应该使用application/xml mime类型-这些默认为utf-8。“应用程序”前缀意味着相关的应用程序规范定义了诸如默认编码之类的内容。(即XML规范接管。)对于text/* mime类型，默认为ascii，charset参数必须包含在mime类型中才能更改字符集。

这是另一个案例：

HTTP/1.1 200 OK
Content-Type: text/xml; charset=win-1252

<?xml version="1.0" encoding="utf-8"?>
<root/>

在这种情况下，符合标准的XML处理器应该将该文件读取为win-1252，而不是utf-8。

另一个案件：

HTTP/1.1 200 OK
Content-Type: application/xml

<?xml version="1.0" encoding="win-1252"?>
<root/>

这里的编码是win-1252。

HTTP/1.1 200 OK
Content-Type: application/xml; charset=ascii

<?xml version="1.0" encoding="win-1252"?>
<root/>

这里的编码是ascii。

如果第二次声明是在已经检测到的具有与UTF-8不兼容的编码(例如UTF-16)的文档开始时到达的，那么第二次声明被拒绝是不合理的。但是，考虑到您的声明，即文档是UTF-8编码的，他们将如何被对待之间没有区别。

在这两种情况下，外部指定的编码都是优先的；这两个文档仍将得到相同的处理。