XML亂碼問題解析

XML亂碼問題和encoding的理解這篇博客已經講的很明白了，總結一下讀取XML選取編碼方式的邏輯就是：

• 如果文擋有 BOM ，就定義了文件編碼，則採用此編碼；
• 如果沒有 BOM ，就查看文件頭 encoding 聲明的編碼，如聲明爲<?xml version="1.0"
encoding="GB2312"?>，則採用 GB2312 編碼；
• 如果上述兩個都沒有，就默認採用 UTF-8 編碼。

需要補充的有：

• Linux如何查看文件編碼：file -i config.xml，結果示例config.xml: application/xml; charset=utf-8，可知此文件的編碼是 UTF-8 。
• 爲什麼 ISO-8859-1 編碼的文件可以被 GBK 或 GB2312 編碼正確讀取呢？原因是 GBK 和 GB2312 專門用來表示漢字，是雙字節編碼，而英文字母編碼和 ISO-8859-1 一致（兼容 ISO-8859-1 編碼）。其中 GBK 編碼能夠用來同時表示繁體字和簡體字，而 GB2312 只能表示簡體字，GBK 是兼容 GB2312 編碼的。