【WWW】解决XML中文显示问题的四种方法

【题外话，By 果壳】在android上实现解析XML的时候出现了中文节点数据无法正常获取的错误。在分析XML源文件是发现，汉字使用的表示方法是“&#xXXXX;”，即下面的第三种表示方式，所以死活解析不正确。检查该文件是发现该XML的文件头如下：

经过修正，把该文件头改为：

xml version="1.0" encoding="UTF-8" ?>

此时，汉字按方式一存储，问题解决。

以下内容为转载，以备查阅。

 WML是XML的一种应用，而XML的缺省编码是UTF-8，也就是Unicode的8位编码方式。如果不特殊说明，那么XML将认为采用的是UTF-8的编码方式。这就造成了一个问题，几乎所有的文档内容都采用了GB2312方式，数据库中也不例外。而Unicode和GB2312的编码有很大的不同，可以说根本不一样，这是造成乱码的主要原因。
    任何编码方式，包括日文、韩文、希腊文、阿拉伯文等都能轻松转换成Unicode。如果使用Unicode，就可以在同一段文档中加入各种语言。虽然现有的应用软件很少采用Unicode，但Windows NT的内核却采用Unicode来处理字符。Unicode方式有两个吸引人的个性：独立且宽容。
如何解决这些问题，现在常用的有以下的四种方法。

• 直接采用UTF-8编码

      这种方法无需多讲。如果内容可以轻易转换到UTF-8编码还需要什么呢？坏处是需要对内容要进行全面的转换，而且与现有的大多数应用不兼容。

• 直接使用GB2132编码

      这种方法也很简单，在编码声明时，标注采用GB2312编码方式，具体做法如：。但是并不是所有终端都支持GB2132编码，仍然会出现乱码。
      笔者做开发的时候就是采用这种办法解决中文问题。当时公司采用的是Motorola公司的网关，使用Motorola L2000www、Nokia 7110和Simens 3568i进行测试。结果都十分满意。
      如果使用这样的页面在Nokia WAP Toolkit上直接进行测试，将会发现Nokia WAP Toolkit将对中文进行自动编码，只是按照半个字节进行处理。因此出来之后就变成乱码了。

• 采用字符转换

      其思想是用ASCII字符表现更大字符集中的字符。比如要展现希腊文的小写的alpha。alpha在Unicode的编码中是945，16进制就是3B1，于是写下“α”或者“α”显示的就是小写的“α”。只需要知道汉字的Unicode编码，将其转换成“&#xXXXX;”的形式。用ASCII编码方式，任何平台都能处理，而且HTML也支持。但是这样就增加了文件长度。

• 配置应用服务直接输出UTF-8编码（适用于IIS）

      在IIS的Response Object有一个属性CharSet，按微软的说法只要这么做就行：
              <% Response.Charset("UTF-8") %>
      这种方法，只适用于Windows NT下IIS的ASP编程。其他的平台和Web服务器就没有如此简单的方式。