前兩天去一家公司面試，里面有一道XML的題目，題目沒什么難的，但由于編碼問題引發了一些問 題，我回來后嘗試探索了一下
題目要求：把下面的XML文件用XSL轉換成html表格顯示出來,并按pubDate降序排列

XML文件
 1 <? xml version="1.0" ?>
 2 <? xml-stylesheet type="text/xsl" href="books.xsl" ?>
 3 < books >
 4    < book  id ="1"  pubDate ="20050707" >
 5       < title > c# XML入門經典 </ title >
 6       < description > 編程人員必被的XML技能 </ description >
 7    </ book >
 8    < book  id ="2"  pubDate ="20050607" >
 9       < title > XSL編程精要 </ title >
10       < description > 從XML到HTML </ description >
11    </ book >
12    < book  id ="3"  pubDate ="20050607" >
13       < title > .NET framework框架程序設計 </ title >
14       < description > 框架程序設計 </ description >
15    </ book >
16 </ books >

當時我習慣的在桌面上建立文本文件，然后手工輸入：

XSLT
 1 <? xml version="1.0" ?>
 2 < xsl:stylesheet  version ="1.0"  xmlns:xsl ="http://www.w3.org/1999/XSL/Transform" >
 3    < xsl:template  match ="/" >
 4       < html >
 5          < body >
 6             < table  border ="1pt" >
 7                < tr >
 8                    < td > BookId </ td >
 9                    < td > Title </ td >
10                    < td > Description </ td >
11                    < td > PubDate </ td >
12                </ tr >
13                < xsl:apply-templates  select ="http://book" >
14                    < xsl:sort  select ="@pubDate"  order ="descending"   />
15                </ xsl:apply-templates >
16             </ table >
17          </ body >
18       </ html >
19    </ xsl:template >
20    < xsl:template  match ="book" >
21                < tr >
22                    < td >< xsl:value-of  select ="@id"   /></ td >
23                    < td >< xsl:value-of  select ="title/text()"   /></ td >
24                    < td >< xsl:value-of  select ="description/text()"   /></ td >
25                    < td >< xsl:value-of  select ="@pubDate"   /></ td >
26                </ tr >
27    </ xsl:template >
28 </ xsl:stylesheet >

注意：上面的XML代碼由于ＦＴＢ插入XML代碼功能有問題，<后和>前都不能有空格,這也是XML Well-Format的要求.

然后在IE里瀏覽XML文件，提示：文本內容中發現無效字符;我檢查過文件，文件沒有非法字符，所以我覺得可能是XML編碼問題，然后在頂部的指令里加入encoding="UTF-8",按理來說，UTF-8完全適合題涉及到字符集，但還是提示：文本內容中發現無效字符，而改成encoding="GB2312"就正常了,什么原因呢？

我回來嘗試了一下，一般有兩種情況：
情況1：
默認情況下，windows的notepad把文件保存為ANSI格式,在這種情況，設定不同encoding有不同的結果：
  encoding="windows-1252",不出錯，但中文顯示為亂碼;
  encoding="GB2312" ,正常顯示；
  encoding="UTF-8" ,出錯，提示文本內容中發現無效字符 ;
情況2：
把xml文件在notepad另包存為UTF-8格式，
  encoding="windows-1252"，出錯，提示不支持從當前編碼到指定編碼的切換;
  encoding="GB2312" ，出錯，提示不支持從當前編碼到指定編碼的切換;
  encoding="UTF-8" ,正常；
例外：不設置encoding的值，默認就是UTF-8,所以把這種情況歸入UTF-8的情況.

那么如何來理解上面的兩種情況呢？
 W3C定義了三條XML解析器如何正確讀取XML文件的編碼的規則：
 1，如果文擋有BOM(字節順序標記，一般來說，如果保存為unicode格式，則包含BOM，ANSI則無)，就定義了文件編碼
 2，如果沒有BOM，就查看XML聲明的編碼屬性
 3，如果上述兩個都沒有，就假定XML文擋采用UTF-8編碼

現在，讓我們嘗試用上面的三條規則來解釋上面出現的情況：
情況1分析：
由于XML默認被保存ANSI格式,如果設置encoding="UTF-8"，那么XML解析器就把文件以UTF-8格式 來解析，由于文件的實質格式是ANSI，而ANSI和UTF-8除了其中128個字符的編碼相同外，其他的 都不相同而被解析器認為無效字符，所以出現"文本內容中發現無效字符"的錯誤了；設置為 encoding="windows-1252"，解析器以windows-1252來解析，ANSI其實就是windows-1252，所以編 碼相同，解析器能順利解析，但中文出現亂碼又如何理解呢？windows-1252是單字節字符集，而 中文是需要雙字節編碼的，所以只能解析為亂碼。設置encoding="GB2312"能夠正常顯示，那又如 何理解呢？因為GB2312是雙字節的中文簡體字符集？前面不是說文件的實質格式是單字節的ANSI 嗎？這就是矛盾的地方。

情況2分析：
由于文件被保存為UTF-8(Unicode的其中一種編碼方式),所以文件包含BOM，按照W3G的規則來解釋 ，XML解析器將以UTF-8解析XML而忽略encoding的設置。可實際上是不能忽略encoding的設置的， 否則無法解釋情況2出現的現象。

遺留問題：
本文并沒能完全分析情況1，2的現象。不知道大家是如何理解這些情況的呢？