如果我正在阅读HTML文件的XML，那么我是否必须阅读标记以告诉我可以读取文件的编码？该标签是不是以与文件相同的方式进行编码？我很好奇你如何阅读该标签而不知道编码。我意识到这是解决问题。我只是好奇它是如何完成的。如何在不知道编码的情况下读取编码头？
更新1
我不明白，在UTF-16不会每个字符占用2个字节，而不是一个，而且比ASCII不同？例如，UTF-16（U + 0045）中的字符E是0xfeff0045。那是0xfeff，然后是0x0045，但是一些编码会改变那个末端。你是否必须通过检查0xfeff并意识到不能是ASCII或什么？
这里是W3C不得不说一下吧：
的XML编码声明 在实体中以内部标签， 指示哪些字符编码是使用 。然而，在一个XML处理器可以读取内部标签之前， 显然必须知道哪些字符 正在使用 - 哪些是 内部标签试图指示的内容。 在一般情况下，这是一个无望的情况。这不是在XML完全 无望，但是，因为XML 以两种方式限制了一般的情况： 每个实现被假定为 仅支持有限的一组字符 编码，并且所述XML编码 声明在 位置限制和内容，以便使其 可行，以自动检测 编码中正在使用的每个实体中的 正常情况。
编码名称仅限于（[A-Za-z0-9._] |' - '），所以对于基于ASCII或ISO-646的任何编码（例如ISO 8859- *，ISO 10646/Unicode）的。
编辑：虽然仍有一些含糊之处。例如，您仍然需要了解是否尝试一次读取8,16或32位块以读取它。还有一些小的细节是合适的UTF-16或UTF-32/UCS-4文件，它应该以BOM开头 - 但XML规范似乎不允许包含BOM ...
但是，如果您知道该文件应该包含XML，那么您可以很好地了解文件需要的启动方式，因此不正确的猜测很容易检测到。
我不明白，在UTF-16中不会每个字符占用2个字节，而不是一个，并且与ascii不同？ – 2009-10-20 15:28:17
解析器在没有BOM的情况下推导出UTF编码的长度有严格的规则：http://www.w3.org/TR/2000/REC-xml-20001006#sec -guessing-no-ext- info – 2009-10-20 15:39:46
对于HTML，它HTML5被记录在案。 （不要阅读，如果你仍然相信网络上的任何东西都很理智）
+1换句话说，处理器只是尝试所有的编码，直到XML编码声明出现在输出中 – 2009-10-20 16:05:30