XML编码问题导致乱码的核心原因是文件实际存储编码、XML声明中的编码属性、解析器使用的编码三者不一致，或者BOM头干扰了解析器的编码判断。要解决这个问题，需要先理解相关编码的基础特性，再针对性调整设置。
常见的XML编码格式介绍
UTF-8编码
UTF-8是一种可变长度的Unicode编码，兼容ASCII码，是国际通用的编码格式，也是XML推荐使用的编码。它可以用1到4个字节表示一个字符，支持全球所有语言的字符，没有字节序的问题，绝大多数场景下使用UTF-8都能避免乱码。
GBK编码
GBK是中国制定的汉字编码标准，兼容GB2312，主要用于表示中文、英文等字符，仅支持部分东亚字符，不支持其他语言的字符。如果XML文件中只包含中文和英文，且使用场景仅限国内，也可以使用GBK编码，但通用性不如UTF-8。
BOM头对XML的影响
BOM（Byte Order Mark）是字节顺序标记，是放在文件开头的几个字节，用来标识文件的编码和字节序。UTF-8的BOM是EF BB BF三个字节，GBK没有BOM头。
很多XML解析器在解析文件时，会先读取文件开头的BOM来判断编码，如果XML声明中写的编码和实际编码、BOM标识的编码不一致，就会出现乱码。另外部分严格的XML解析器不支持带BOM的UTF-8文件，会直接报解析错误。
XML乱码的常见场景与解决方法
场景1：XML声明编码和实际存储编码不一致
比如文件实际是用GBK编码保存的，但是XML声明中写的是<?xml version="1.0" encoding="UTF-8"?>，解析器按照UTF-8去解析GBK编码的内容，就会出现乱码。
解决方法：保证XML声明中的encoding属性和文件实际存储编码一致。如果文件是UTF-8无BOM保存，声明就写encoding="UTF-8"；如果是GBK保存，声明就写encoding="GBK"。
以下是正确设置的UTF-8无BOM的XML示例：
<?xml version="1.0" encoding="UTF-8"?>
<user>
<name>张三</name>
<age>25</age>
</user>
场景2：BOM头导致解析异常
如果用记事本等工具保存UTF-8文件，默认会带上BOM头，部分解析器识别不了BOM，会把BOM的三个字节当成普通内容解析，导致开头出现乱码或者解析失败。
解决方法：保存XML文件时选择UTF-8无BOM格式。常用的编辑器比如VS Code、Notepad++都支持选择编码格式，保存时选择UTF-8无BOM即可。如果是用Java生成XML文件，可以通过设置输出流的编码来避免BOM：
import java.io.FileOutputStream;
import java.io.OutputStreamWriter;
import java.nio.charset.StandardCharsets;
public class XmlGenerator {
public static void main(String[] args) throws Exception {
// 使用UTF-8编码输出，不写入BOM头
OutputStreamWriter writer = new OutputStreamWriter(
new FileOutputStream("test.xml"),
StandardCharsets.UTF_8
);
writer.write("<?xml version="1.0" encoding="UTF-8"?>n");
writer.write("<user>n");
writer.write(" <name>李四</name>n");
writer.write("</user>");
writer.close();
}
}
场景3：解析时指定的编码和文件编码不一致
即使XML文件本身编码设置正确，如果解析的时候手动指定了错误的编码，也会出现乱码。比如文件是UTF-8编码，解析时用GBK去读，就会出现乱码。
解决方法：解析XML时，优先使用XML声明中指定的编码，不要手动强制指定编码。如果是用Python的xml.etree.ElementTree解析，正确方式如下：
import xml.etree.ElementTree as ET
# 解析时会自动读取XML声明的编码，不需要手动指定
tree = ET.parse("test.xml")
root = tree.getroot()
print(root.find("name").text) # 正常输出中文内容，不会乱码
编码设置的最佳实践
- 优先使用UTF-8无BOM格式保存XML文件，通用性最强，几乎不会出现跨环境乱码问题。
- XML声明中的
encoding属性必须和文件实际存储编码完全一致，不要随意填写。 - 避免使用GBK编码，除非明确场景仅限国内且不需要支持其他语言字符。
- 生成XML文件时，明确指定输出流的编码，避免依赖系统默认编码导致不同环境下编码不一致。
只要保证文件存储编码、XML声明编码、解析编码三者统一，同时处理好BOM头的问题，XML编码导致的乱码问题就能完全避免。