Чтобы понять атрибут «кодировка», вы должны понимать разницу между байтами и символами.
Думайте о байтах как о числах от 0 до 255, тогда как символы — это такие вещи, как «a», «1» и «Ä». Набор всех доступных символов называется набором символов.
Каждый символ имеет последовательность из одного или нескольких байтов, которые используются для его представления; однако точное количество и значение байтов зависит от используемой кодировки, а существует множество различных кодировок.
Большинство кодировок основаны на старом наборе символов и кодировке под названием ASCII, которая представляет собой один байт на символ (фактически, только 7 бит) и содержит 128 символов, включая множество общих символов, используемых в американском английском.
Например, вот 6 символов в наборе символов ASCII, которые представлены значениями от 60 до 65.
Extract of ASCII Table 60-65
╔══════╦══════════════╗
║ Byte ║ Character ║
╠══════╬══════════════║
║ 60 ║ < ║
║ 61 ║ = ║
║ 62 ║ > ║
║ 63 ║ ? ║
║ 64 ║ @ ║
║ 65 ║ A ║
╚══════╩══════════════╝
В полном наборе ASCII наименьшее используемое значение равно нулю, а максимальное — 127 (оба являются скрытыми управляющими символами).
Однако, как только вам понадобится больше символов, чем обеспечивает базовый ASCII (например, буквы с диакритическими знаками, символы валюты, графические символы и т. д.), ASCII не подходит, и вам нужно что-то более обширное. Вам нужно больше символов (другой набор символов) и вам нужна другая кодировка, так как 128 символов недостаточно для размещения всех символов. Некоторые кодировки предлагают один байт (256 символов) или до шести байтов.
Со временем было создано множество кодировок. В мире Windows есть CP1252 или ISO-8859-1, тогда как пользователи Linux предпочитают UTF-8. Java изначально использует UTF-16.
Одна последовательность значений байтов для символа в одной кодировке может соответствовать совершенно другому символу в другой кодировке или даже может быть недействительной.
Например, в ISO 8859-1 â представлен одним байтом значения 226, тогда как в UTF-8 это два байта: 195, 162. Однако в ISO 8859-1 195, 162 будет состоять из двух символов: Ã, ¢.
Думайте о XML не как о последовательности символов, а как о последовательности байтов.
Представьте, что система, получающая XML, видит байты 195, 162. Откуда он знает, что это за персонажи?
Чтобы система могла интерпретировать эти байты как настоящие символы (и отображать их или преобразовывать в другую кодировку), ей необходимо знать кодировку, используемую в XML.
Поскольку большинство распространенных кодировок совместимы с ASCII, что касается основных буквенных символов и символов, в этих случаях само объявление может обойтись без использования только символов ASCII, чтобы сказать, что такое кодировка. В других случаях синтаксический анализатор должен попытаться выяснить кодировку объявления. Поскольку он знает, что объявление начинается с <?xml, сделать это намного проще.
Наконец, атрибут version указывает версию XML, которых на данный момент существует две (см. версии XML в Википедии). Между версиями есть небольшие различия, поэтому синтаксический анализатор XML должен знать, с чем он имеет дело. В большинстве случаев (во всяком случае, для англоговорящих) достаточно версии 1.0.
person
rghome
schedule
10.12.2014
