有效的XML文件是否需要XML声明？

我正在使用Xerces的Sax解析器解析XML文件。

---

XML声明是必需的吗？

XML声明是可选的，因此没有它您的XML格式良好。但是建议使用它，以便解析器不会做出错误的假设，特别是关于所使用的编码。

只有在未使用

版本

和

编码

（在该示例中）的默认值时，才需要使用它。

在XML 1.0中，XML声明是可选的。看，它说“应该”使用——这意味着它是推荐的，但不是强制性的。然而，在XML1.1中，声明是强制的。看，上面写着“必须”的地方。它甚至还指出，如果没有声明，则自动意味着该文档是XML 1.0文档

注意，在XML声明中，

编码

和

独立

都是可选的。只有

版本

是必需的。此外，这些不是属性，因此如果它们存在，它们必须按以下顺序排列：

version

，后跟any

encoding

，后跟any

standalone

<?xml version="1.0"?>
<?xml version="1.0" encoding="UTF-8"?>
<?xml version="1.0" standalone="yes"?>
<?xml version="1.0" encoding="UTF-16" standalone="yes"?>

如果不以这种方式指定编码，XML解析器将尝试猜测正在使用的编码。XML1.0建议描述了一种可能的方法。在实践中，如果输入编码为UTF-8、UTF-16或US-ASCII，这并不是什么大问题。当遇到使用US-ASCII范围以外字符的8位编码（例如ISO 8859-1）时，自动检测不起作用——如果可以，请避免创建这些字符

standalone

指示是否可以在没有DTD的情况下正确处理XML文档。人们很少使用它。现在，设计一种没有DTD而丢失信息的XML格式是一种不好的做法

更新：

“prolog error/invalid utf-8 encoding”错误表示解析器在文件中找到的实际数据与XML声明所说的编码不匹配。或者在某些情况下，文件中的数据与自动检测到的编码不匹配

因为您的文件包含字节顺序标记（BOM），所以它应该采用UTF-16编码。我怀疑您的声明中说的是

，当文件被记事本更改为UTF-16时，这显然是不正确的。简单的解决方案是删除

编码

，然后简单地说

。您也可以将其编辑为

encoding=“UTF-16”

，但对于原始文件（不在UTF-16中）或如果文件以某种方式更改回UTF-8或其他编码，则这是错误的

---

不要费心尝试删除BOM表——这不是问题的原因。使用记事本或写字板编辑XML才是真正的问题

有效文件和格式良好的文件之间存在差异。你指的是哪一个？我收到的是prolog错误/无效的utf-8编码。然后我在XML文件中找到了BOM，用户使用记事本打开该文件（我无法避免）。我不确定我指的是有效的或格式良好的文件。只需要避免这些错误，这就是为什么我要创建一个函数来删除InputStream中“是否有java类删除BOM？或xml文件中的几个字节？”之前的所有字节。我正在考虑FilterInputStream和PushbackInputStream中的skip方法，但不知道如何使用它。@eros:我不确定我指的是有效或格式良好的文件“请参阅，以获得对差异的简明解释。我的问题得到了回答，但我的后续问题没有得到回答。我是否需要为此提出另一个问题？或者请将其添加到此处。BOM可能是问题的原因。一些旧的XML解析器在UTF-8文档开始时不会接受BOM（它是为UTF-16设计的，并且只有在UTF-8之后才被接受）。但如果您使用的是最新版本的Xerces，则不太可能出现问题。另外请注意，在记事本的“另存为”对话框中，您可以选择将XML另存为什么编码。如果要删除BOM表，只需另存为“ASCII”（假设不使用任何Unicode字符）。对于较低的127个字符，ASCII和UTF-8是相同的。我是唯一一个觉得奇怪的人，在XML解析器已经开始解码您的文档之后，您告诉他们使用什么编码？我的意思很清楚，如果它能解析标签并理解它所说的话，那么它已经找到了正确的编码。我想不出编码属性有什么合法的用途。@Brainslaugs83在没有BOM表的情况下，编码被指定为8位。所以ASCII或UTF-8或任何一种旧的8位国家编码。XML声明的下半部分都是8位的，这在所有编码中是相等的，并传递足够的信息来选择上半部分。这不是最好的设计，但仍然比在CP1241和CP866之间进行猜测要好，这在过去的文本文件中是很常见的。但是他们应该说XML是UTF-8，这就是故事的结束。