前两天去一家公司面试,里面有一道XML的题目,题目没什么难的,但由于编码问题引发了一些问 题,我回来后尝试探索了一下
题目要求:把下面的XML文件用XSL转换成html表格显示出来,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入门经典 </ title >
6 < description > 编程人员必被的XML技能 </ description >
7 </ book >
8 < book id ="2" pubDate ="20050607" >
9 < title > XSL编程精要 </ title >
10 < description > 从XML到HTML </ description >
11 </ book >
12 < book id ="3" pubDate ="20050607" >
13 < title > .NET framework框架程序设计 </ title >
14 < description > 框架程序设计 </ description >
15 </ book >
16 </ books >
当时我习惯的在桌面上建立文本文件,然后手工输入:
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 ="//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代码由于FTB插入XML代码功能有问题,<后和>前都不能有空格,这也是XML Well-Format的要求.
然后在IE里浏览XML文件,提示:文本内容中发现无效字符;我检查过文件,文件没有非法字符,所以我觉得可能是XML编码问题,然后在顶部的指令里加入encoding="UTF-8",按理来说,UTF-8完全适合题涉及到字符集,但还是提示:文本内容中发现无效字符,而改成encoding="GB2312"就正常了,什么原因呢?
我回来尝试了一下,一般有两种情况:
情况1:
默认情况下,windows的notepad把文件保存为ANSI格式,在这种情况,设定不同encoding有不同的结果:
encoding="windows-1252",不出错,但中文显示为乱码;
encoding="GB2312" ,正常显示;
encoding="UTF-8" ,出错,提示文本内容中发现无效字符 ;
情况2:
把xml文件在notepad另包存为UTF-8格式,
encoding="windows-1252",出错,提示不支持从当前编码到指定编码的切换;
encoding="GB2312" ,出错,提示不支持从当前编码到指定编码的切换;
encoding="UTF-8" ,正常;
例外:不设置encoding的值,默认就是UTF-8,所以把这种情况归入UTF-8的情况.
那么如何来理解上面的两种情况呢?
W3C定义了三条XML解析器如何正确读取XML文件的编码的规则:
1,如果文挡有BOM(字节顺序标记,一般来说,如果保存为unicode格式,则包含BOM,ANSI则无),就定义了文件编码
2,如果没有BOM,就查看XML声明的编码属性
3,如果上述两个都没有,就假定XML文挡采用UTF-8编码
现在,让我们尝试用上面的三条规则来解释上面出现的情况:
情况1分析:
由于XML默认被保存ANSI格式,如果设置encoding="UTF-8",那么XML解析器就把文件以UTF-8格式 来解析,由于文件的实质格式是ANSI,而ANSI和UTF-8除了其中128个字符的编码相同外,其他的 都不相同而被解析器认为无效字符,所以出现"文本内容中发现无效字符"的错误了;设置为 encoding="windows-1252",解析器以windows-1252来解析,ANSI其实就是windows-1252,所以编 码相同,解析器能顺利解析,但中文出现乱码又如何理解呢?windows-1252是单字节字符集,而 中文是需要双字节编码的,所以只能解析为乱码。设置encoding="GB2312"能够正常显示,那又如 何理解呢?因为GB2312是双字节的中文简体字符集?前面不是说文件的实质格式是单字节的ANSI 吗?这就是矛盾的地方。
情况2分析:
由于文件被保存为UTF-8(Unicode的其中一种编码方式),所以文件包含BOM,按照W3G的规则来解释 ,XML解析器将以UTF-8解析XML而忽略encoding的设置。可实际上是不能忽略encoding的设置的, 否则无法解释情况2出现的现象。
遗留问题:
本文并没能完全分析情况1,2的现象。不知道大家是如何理解这些情况的呢?
posted on 2009-03-05 12:30
何克勤 阅读(341)
评论(0) 编辑 收藏 所属分类:
XML相关