一个关于XML字符编码的简单问题。(50分)

  • 主题发起人 主题发起人 HORNEY
  • 开始时间 开始时间
H

HORNEY

Unregistered / Unconfirmed
GUEST, unregistred user!
请问XML文件无论用哪种方法编码是否每个字符都占2个字节，如果不是的话，XML解析器
怎么判断字符位数，因为如果这也不知道的话，就更别提读懂头部信息了。
同样的问题还有ASP和PHP，他们怎知道要读的程序件和发送的字符串是什么编码？
 
不同的解析器能否支持的字符集不一样，不是需要每个字符都用unicode存的，
解析器看encoding，如果没有就用默认的。php的xml解析器好像就不认gb2312，
也不能用汉字标签，微软的就可以。

-----
http://www.8421.org
 
我还是有点没懂，XML文件头也是文件的一部分，难道它可以超然于正文之外用ASCII编码。
 
php的解析器要求文件头和标签必须是英文
msxml没有这个要求，他可以处理ascii和gb2312混合编码的xml文件
 
接下去有一个关于判断文件编码的问题：
WINNT里面的记事本可以生成ASC和UNICODE两种格式的文件，但是我用DELPHI做了个小程序
测试后发现生成的UNICODE的文件好像一开始多了两个字节，它是干嘛用的？然后我再用
DELPHI的WIDECHAR数组对一个TXT文件写内容，然后再用记事本打开，也可以正常显示，
大家说说这是怎么回事，记事本到底是怎么判断文件是不是UNICODE的？是那两个字节？还
是根据高位低位？如果不是用那两个字节，那它们是什么东西，TXT文件有没有它们到底可
以吗？
 
有意思的问题
 
我今天又想了一下这个问题，总结出一个大致的思路，请各位看看对不对：
由于UNICODE的与ASC兼容部分的高位都是0，而0在ASC字符串里又是结束的意思，我想是不是
NT的记事本是这么工作的－－－先对整个文件作一次循环，如果有发现0，而且发现的位置
又小于整个文件的尺寸，那就认为这是一个UNICODE文件，但是这样的时间很长，而且还
有缺馅，就是如果整个文件都是CJK字符的话，它也会误认为是ASC文件，所以我认为记事本
是先用开头的255和254两个字节作判断，如果它们不存在的话，再采用遍历法。
 
这个我知道，文件开头的FF FE就是unicode文本的标志
 
那么是不是只要是UNICODE文件就肯定要FF和FE开头，如果没有FF和FE就算编缉器没有识别
出来也不是它的责任了，是这个意思吗，那NT的记事本怎么有时认得出有时认不出呢？另外
XML文件里一般的ASC怎么和UNICODE文件混排呢？用记事本显然是达不到这种效果的。
 
经过一天的尝试，我发现NT中的记事本在处理UNICODE和ASC文件时有如下规律：
1。如果文件字节数为单数，则铁定为ASC。
2。如果双数时先看头两个字节，若为FF　FE的话就是UNICODE。
3。倘若不是FFFE时就遍历整个文件，查找有无字节是00，有便当作UNICODE处理，因为由
于历史原因的关系，00在ASC中是表示结束的意思，是不应该出现的东西。
我想问的是，这是不是就是官方推荐处理两者关系的方法？这种方法好不好，一般软件用
得多不多，请高手们予以指教。
 
多人接受答案了。
 
您必须登录或注册才可回复。

Similar threads

Ray
[转]终于可以发布Delphi下收点OSGI精髓皮毛而设计的插件框架WisdomPluginFramework
回复
4
查看
4K
chlkuei
C
L
xml databinding向导编程新件XML文件问题(100分)
回复
0
查看
147
lsh66
L
C
与上一个问题相关，我的IP地址怎样转换成数字形式？(50分)
回复
3
查看
142
cozo
C
W
如何得到网页上一个特定字符串的位置(50分)
回复
15
查看
190
wangzheking
W
Y
请教一个问题，关于xml编辑(50分)
回复
4
查看
105
yxzyxz
Y
后退
顶部