6、XML 技术全解析：从 Unicode 到远程数据交换

XML 技术全解析：从 Unicode 到远程数据交换

1. Unicode 与 XML 文档处理

在处理 XML 文档时，字符编码是一个关键问题。当在不同平台间交换基本文本文件时，会遇到诸多问题，主要包括：
- 行终止符差异 ：Mac 使用回车符，Unix 使用换行符，Windows 则同时使用换行符和回车符。
- 字符表示问题 ：ASCII 标准仅定义了前 127 个字符，其中前 31 个为控制字符。对于更复杂的字符，如英镑符号或花引号，不同平台和字体的显示存在差异。
- 字符集限制 ：大多数平台只能表示标准的 127 个 ASCII 字符，且通常以单字节（8 位）表示字符，这限制了字符集最多只能有 256 个不同字符，对于包含中文、日文或印度文等字符的文档来说远远不够。

为解决这些问题，Unicode 标准应运而生。它通过以下方式解决字符编码问题：
- 多字节编码支持 ：目前支持 2 字节字符，可表示 65,536 个不同字符，规范还预留了 4 字节字符的支持，能表示 43 亿个不同字符。
- 字符集扩展 ：本质上是 ASCII 的升级版，字符表从 127 个扩展到 65,535 个，新增的位置填充了来自各种语言的字符，支持多语言文档。

Unicode 有两种编码格式：
- UTF - 8 ：与西方计算机上大多数文档使用的 ASCII 格式基本相同，也允许通过单字节字符组合来表示扩展字符。