浅谈XML代码编写的编码与验证问题

三叶草

编码
编码就是转换 Unicode 字符为等价二进制表示的过程。XML 处理程序读取一个 XML 文档时，它依赖于编码类型来编码文档。因此，我们需要在 XML 声明中指定编码类型。
编码类型
主要有两种类型的编码：
UTF-8
UTF-16
UTF 表示 UCS 转换格式，而 UCS 本身的意义是通用字符集。编号 8 或者 16 表示呈现字符的比特数。它们是 8（一个字节）或者 16（两个字节）。对于没有编码信息的文档，默认使用 UTF-8。
语法
编码信息包含在 XML 文档的序言部分。UTF-8 编码的语法如下：

<?xml version="1.0" encoding="UTF-8" standalone="no" ?>

UTF-16 编码语法如下：

<?xml version="1.0" encoding="UTF-16" standalone="no" ?>

示例
下面的例子展示了编码声明：

<?xml version="1.0" encoding="UTF-8" standalone="no" ?>  
  <contact-info>  
    <name>Tanmay Patil</name>  
    <company>TutorialsPoint</company>  
    <phone>(011) 123-4567</phone>  
  </contact-info>

在上面的 encoding="UTF-8" 示例中，指定使用 8 位表示字符。要使用 16 为表示字符，可以使用 UTF-16 编码。
使用 UTF-8 编码的 XML 文件尺寸比 UTF-16 格式的文件更小。
验证
验证 就是对 XML 文档进行验证的过程。如果文档内容与元素，属性和关联的文档类型定义（DTD）匹配，以及文档符合b表达的约束则该文档被认为是有效的。通过 XML 解析器处理验证的方式有两种。分别是：
格式良好的 XML 文档
有效的 XML 文档
格式良好的 XML 文档
如果 XML 文档遵守以下规则则被认为是格式良好的。
没有 DTD 的 XML 文档必须使用预定义的字符实体处理 amp(&)，apos（单引号），g(>)，quot（双引号）。
必须遵循标签的顺序，比如内部标签必须在外部标签闭合之前闭合。
每个开始标签必须都有一个结束标签或者必须是一个自闭合标签（<title>...</title> 或者 <title />）。
在开始标签中必须只能有一个属性，并且需要使用引号包裹。
除了amp(&)，apos（单引号），g(>)，quot（双引号）实体之外其他的必须先声明再使用。
示例
下面是一个格式良好的 XML 文档示例：

<?xml version="1.0" encoding="UTF-8" standalone="yes" ?>  
  <!DOCTYPE address   
  [   
  <!ELEMENT address (name,company,phone)>  
    <!ELEMENT name (#PCDATA)>  
    <!ELEMENT company (#PCDATA)>  
    <!ELEMENT phone (#PCDATA)>  
  ]>  
  <address>  
    <name>Tanmay Patil</name>  
    <company>TutorialsPoint</company>  
    <phone>(011) 123-4567</phone>  
  </address>

上面的示例被认为是格式良好的，因为：
它定义了文档类型。并且这里文档类型是元素类型。
包含一个名为 address 的根元素。
每个子元素 name，company 和 phone 都是一个自解释正确闭合的标签。
标签的顺序正确。