如果我正在读取 HTML 文件的 XML，我是否必须读取告诉我能够读取文件的编码的标签？该标签的编码方式与文件的编码方式不同吗？我很好奇你是如何在不知道编码的情况下阅读该标签的。我意识到这是已解决的问题。我只是好奇它是怎么做到的。
更新 1
我不明白，在 UTF-16 中，每个字符不会占用 2 个字节，而不是一个，并且与 ascii 不同吗？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它的字节序。您是否必须通过检查 0xfeff 并意识到它不能是 ASCII 或其他东西来弄清楚？
【问题讨论】：
标签： html xml character-encoding
以下是 W3C 对此的评价：
XML 编码声明函数 作为每个实体的内部标签， 指示哪个字符编码是 正在使用。在 XML 处理器可以之前 阅读内部标签，但是，它 显然必须知道什么字符 编码正在使用中——这就是 内部标签试图表明。 在一般情况下，这是一个 无望的情况。这并不完全 然而，在 XML 中毫无希望，因为 XML 以两种方式限制一般情况： 假设每个实现 仅支持有限的字符集 编码和 XML 编码 声明位置受限 和内容，以使它 可以自动检测字符 在每个实体中使用的编码 正常情况。
【讨论】：
编码名称仅限于 ([A-Za-z0-9._] |'-')，因此对于任何基于 ASCII 或 ISO-646 的编码（例如 ISO 8859-*、ISO 10646/ Unicode）。
编辑：尽管如此，仍有一些歧义。例如，您仍然需要了解是否尝试一次读取 8 位、16 位或 32 位块来读取它。还有一个小细节，要成为一个正确的 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，那么您就非常了解该文件需要如何开始，因此很容易检测到错误的猜测。
【讨论】：
对于 HTML，它记录在 HTML5 中。 （不过，如果您仍然相信网络上的任何事情都是正常的，请不要阅读。）
【讨论】：