XML编码是指XML文档在存储和传输时，将字符集中的文字、符号转换为字节序列所采用的字符编码规则。每一份XML文档都依赖明确的编码方式，才能让解析器正确地把字节还原成对应的字符。如果编码信息缺失或与实际字节不符，就会出现乱码甚至解析失败。常见的编码包括UTF-8、GBK、ISO-8859-1等，其中UTF-8是国际通用编码，GBK主要服务于简体中文环境。
XML编码的基础概念
在XML规范中，编码信息通常写在文档序言的XML声明里。声明中的encoding属性告诉解析器，这份文档的字节流应该使用哪种字符集来解码。例如，当写明了encoding="UTF-8"时，解析器就会按照UTF-8的规则去切分字节并映射为Unicode字符。若没有写encoding，XML 1.0标准规定默认按UTF-8（或UTF-16）处理，这常常成为隐性乱码的来源。
从底层看，字符编码本质是一张映射表。UTF-8用一到四个字节表示一个字符，英文字母占一字节，中文通常占三字节；GBK则是变长编码，ASCII字符一字节，汉字用两字节。当一份以GBK保存的文件被当作UTF-8读取，由于字节长度假设不同，中文字节会被错误拆分，输出便是乱码。因此，XML编码不仅是声明，更要求文件物理字节与之严格一致。
UTF-8与GBK在XML中的差异
UTF-8的优势是跨语言兼容，一份文档可同时容纳中文、日文、特殊符号，且是很多系统的默认编码。GBK的优势是对中文压缩率高，早期中文系统用得较多。在XML交换场景中，如果服务端用GBK生成文档，而客户端按UTF-8解析，就必然出错。下面是一份GBK编码的XML声明示例：
<?xml version="1.0" encoding="GBK"?> <root> <name>张三</name> </root>
如果上述文件实际以GBK保存，但有人手动改成encoding="UTF-8"，解析器用UTF-8读取“张三”的GBK双字节，便会得到错误字符。反之，UTF-8文档标成GBK也会在西文部分正常、中文部分崩溃。因此编码声明必须反映真实保存编码，不能随便更改。
处理XML编码问题的实践方法
第一步是确认文件真实编码。在Linux可用file命令，在Java中可借助库检测字节特征。第二步是统一声明与保存编码。推荐新建XML一律用UTF-8无BOM格式，避免BOM头导致解析异常。若必须处理遗留GBK文档，可读取后转码为UTF-8再处理。以下Java代码演示以指定编码读取GBK的XML文件并转为字符串：
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.InputStreamReader;
public class XmlRead {
public static void main(String[] args) throws Exception {
// 明确以GBK字符集读取文件字节流
FileInputStream fis = new FileInputStream("data.xml");
InputStreamReader isr = new InputStreamReader(fis, "GBK");
BufferedReader br = new BufferedReader(isr);
StringBuilder sb = new StringBuilder();
String line;
while ((line = br.readLine()) != null) {
sb.append(line).append("n");
}
br.close();
// 此时字符串为正确中文，可后续按UTF-8写回
System.out.println(sb.toString());
}
}
在Web接口中返回XML时，HTTP头的Content-Type也应带上charset，且与文档声明一致。例如Content-Type: text/xml; charset=UTF-8。很多框架会自动根据字符串编码设置，但手动拼装响应时容易遗漏，造成浏览器按本地编码解读而乱码。保持传输层与文档层编码统一，是处理XML编码问题的核心原则。
常见误区与避坑建议
一个典型误区是认为改了encoding声明就等于转码了文件。实际上声明只是“标签”，不会转换字节。必须用编辑器或程序将文件实际保存编码改掉。另一个误区是UTF-8文档带BOM，部分老解析器会把BOM当内容报错，保存时应选无BOM的UTF-8。
如果是在数据库中存取XML，也要注意字段编码与连接串编码。比如MySQL的utf8mb4才能完整存emoji，若库是GBK，取出再包XML就容易丢字符。建议在数据出口统一转成UTF-8字符串，再生成XML，从根源减少编码错配。只要做到真实编码、声明编码、传输编码三者一致，UTF-8与GBK等编码问题就能平稳解决。
XML_encodingUTF-8GBK修改时间：2026-08-10 05:36:24