如果我正在閱讀HTML文件的XML，那麼我是否必須閱讀標記以告訴我可以讀取文件的編碼？該標籤是不是以與文件相同的方式進行編碼？我很好奇你如何閱讀該標籤而不知道編碼。我意識到這是解決問題。我只是好奇它是如何完成的。如何在不知道編碼的情況下讀取編碼頭？
更新1
我不明白，在UTF-16不會每個字符佔用2個字節，而不是一個，而且比ASCII不同？例如，UTF-16（U + 0045）中的字符E是0xfeff0045。那是0xfeff，然後是0x0045，但是一些編碼會改變那個末端。你是否必須通過檢查0xfeff並意識到不能是ASCII或什麼？
這裏是W3C不得不說一下吧：
的XML編碼聲明 在實體中以內部標籤， 指示哪些字符編碼是使用 。然而，在一個XML處理器可以讀取內部標籤之前， 顯然必須知道哪些字符 正在使用 - 哪些是 內部標籤試圖指示的內容。 在一般情況下，這是一個無望的情況。這不是在XML完全 無望，但是，因爲XML 以兩種方式限制了一般的情況： 每個實現被假定爲 僅支持有限的一組字符 編碼，並且所述XML編碼 聲明在 位置限制和內容，以便使其 可行，以自動檢測 編碼中正在使用的每個實體中的 正常情況。
編碼名稱僅限於（[A-Za-z0-9._] |' - '），所以對於基於ASCII或ISO-646的任何編碼（例如ISO 8859- *，ISO 10646/Unicode）的。
編輯：雖然仍有一些含糊之處。例如，您仍然需要了解是否嘗試一次讀取8,16或32位塊以讀取它。還有一些小的細節是合適的UTF-16或UTF-32/UCS-4文件，它應該以BOM開頭 - 但XML規範似乎不允許包含BOM ...
但是，如果您知道該文件應該包含XML，那麼您可以很好地瞭解文件需要的啓動方式，因此不正確的猜測很容易檢測到。
我不明白，在UTF-16中不會每個字符佔用2個字節，而不是一個，並且與ascii不同？ – 2009-10-20 15:28:17
解析器在沒有BOM的情況下推導出UTF編碼的長度有嚴格的規則：http://www.w3.org/TR/2000/REC-xml-20001006#sec -guessing-no-ext- info – 2009-10-20 15:39:46
對於HTML，它HTML5被記錄在案。 （不要閱讀，如果你仍然相信網絡上的任何東西都很理智）
+1換句話說，處理器只是嘗試所有的編碼，直到XML編碼聲明出現在輸出中 – 2009-10-20 16:05:30