codage par défaut pour XML UTF-8 ou UTF-16?

Soit vous devez utiliser une ligne comme

<?xml version="1.0" encoding="iso-8859-1" ?>

pour spécifier l'encodage est utilisé. Si l'encodage n'est pas spécifié, un Marque d'ordre des octets (BOM) peuvent être présents. Si un MOB, soit UTF-16 ou UTF-32 est présent, que l'encodage est utilisé. Sinon, UTF-8 est un encodage. (La NOMENCLATURE pour l'UTF-8 est facultatif)

Modifier

La NOMENCLATURE est un personnage invisible. Mais il n'est pas besoin de le voir. Applications prendre soin d'elle automatiquement. Lorsque vous utilisez le bloc-notes de windows, vous pouvez sélectionner le type d'encodage lorsque vous enregistrez le fichier. Le bloc-notes pour insérer automatiquement la NOMENCLATURE au début du fichier. Plus tard lorsque vous rouvrez le fichier, le bloc-notes reconnaître la NOMENCLATURE et utiliser le bon encodage pour lire le fichier. Il n'est pas nécessaire pour vous de modifier la NOMENCLATURE, si vous voulez le faire, les personnages peuvent obtenir un sens différent, de sorte que le texte ne sera pas la même.

Je vais essayer d'expliquer avec un exemple. Envisager un fichier texte avec les caractères "test". Par défaut le bloc-notes va utiliser le codage ANSI, le fichier texte ressemblera à ceci lorsque vous l'affichez dans le mode hex:

C:\>C:\gnuwin32\bin\hexdump -C test-ansi.txt
00000000  74 65 73 74                                       |test|
00000004

(comme vous le voyez, je suis en utilisant hexdump de gnuwin32, mais vous pouvez également utiliser un éditeur hexadécimal comme Frhed voir.

Il n'y a pas de MOB en face de ce fichier. Il ne serait pas possible, parce que le personnage qui est utilisé pour le BOM n'existe pas dans le codage ANSI. (Car il n'existe pas de NOMENCLATURE, les éditeurs qui ne prennent pas en charge le codage ANSI, permettrait de traiter ce fichier en UTF-8).

lorsque j'ai maintenant enregistrer le fichier comme de l'utf-8, vous verrez un supplément de 3 octets (BOM) en face de "test":

C:\>C:\gnuwin32\bin\hexdump -C test-utf8.txt
00000000  ef bb bf 74 65 73 74                              |test|
00000007

(si vous ouvrez ce fichier avec un éditeur de texte qui ne supporte pas l'utf-8, vous auriez fait voir ces personnages "")

Le bloc-notes peut également enregistrer le fichier au format unicode, ce qui signifie UTF-16 little-endian (UTF-16LE):

C:\>C:\gnuwin32\bin\hexdump -C test-unicode.txt
00000000  ff fe 74 00 65 00 73 00  74 00                    |ÿþt.e.s.t.|
0000000a

Et voici la version enregistrée comme unicode (big endian) (UTF-16BE):

C:\>C:\gnuwin32\bin\hexdump -C test-unicode-big-endian.txt
00000000  fe ff 00 74 00 65 00 73  00 74                    |þÿ.t.e.s.t|
0000000a

Considérons maintenant un fichier texte avec les 4 caractères chinois "琀攀猀琀". Lorsque j'enregistre que comme unicode (big endian), le résultat ressemble à ceci:

C:\>C:\gnuwin32\bin\hexdump -C test2-unicode-big-endian.txt
00000000  fe ff 74 00 65 00 73 00  74 00                    |þÿt.e.s.t.|
0000000a

Comme vous le voyez, le mot "test" en UTF-16LE sont stockées de la même manière que le mot "琀攀猀琀" en UTF-16BE. Mais parce que si la NOMENCLATURE est stockée différentes, vous pouvez voir si le fichier contient "test" ou "琀攀猀琀". Sans BOM vous devez deviner.

OriginalL'auteur wimh