Ответ 1
Чтобы понять атрибут "encoding", вы должны понимать разницу между байтами и символами.
Подумайте о байтах как числа от 0 до 255, тогда как символы - это такие, как "a", "1" и "Ä". Набор всех доступных символов называется набором символов.
Каждый символ имеет последовательность из одного или нескольких байтов, которые используются для его представления; однако точное количество и значение байтов зависит от используемой кодировки и существует множество разных кодировок.
Большинство кодировок основаны на старом наборе символов и кодировке под названием ASCII, который представляет собой один байт на символ (фактически, всего 7 бит) и содержит 128 символов, включая множество общих символов, используемых на английском языке.
Например, здесь 6 символов в наборе символов ASCII, которые представлены значениями от 60 до 65.
Extract of ASCII Table 60-65
╔══════╦══════════════╗
║ Byte ║ Character ║
╠══════╬══════════════║
║ 60 ║ < ║
║ 61 ║ = ║
║ 62 ║ > ║
║ 63 ║ @ ║
║ 64 ║ A ║
║ 65 ║ B ║
╚══════╩══════════════╝
В полном наборе ASCII самое низкое значение - ноль, а самое высокое - 127 (оба являются скрытыми управляющими символами).
Однако, как только вы начнете нуждаться в большем количестве символов, чем базовый ASCII (например, буквы с акцентами, символы валюты, графические символы и т.д.), ASCII не подходит, и вам нужно что-то более обширное. Вам нужно больше символов (другой набор символов), и вам понадобится другая кодировка, так как для символов всех символов не хватает 128 символов. Некоторые кодировки предлагают один байт (256 символов) или до шести байтов.
С течением времени было создано множество кодировок. В мире Windows есть CP1252 или ISO-8859-1, тогда как пользователи Linux предпочитают UTF-8. Java использует UTF-16 изначально.
Одна последовательность байтовых значений для символа в одной кодировке может означать совершенно другой символ в другой кодировке или даже может быть недействительной.
Например, в ISO 8859-1 â представлен одним байтом значения 226, тогда как в UTF-8 это два байта: 195, 162. Однако в ISO 8859-1 195, 162 должно быть два символа, Ã, ¢.
Подумайте о XML как о не последовательности символов, а о последовательности байтов.
Представьте, что система, получающая XML, видит байты 195, 162. Как он знает, что это за персонажи?
Чтобы система интерпретировала эти байты как действительные символы (и поэтому отображала их или конвертировала их в другую кодировку), она должна знать кодировку, используемую в XML.
Поскольку большинство распространенных кодировок совместимы с ASCII, в том, что касается основных буквенных символов и символов, в этих случаях сама декларация может уйти с использованием только символов ASCII, чтобы сказать, что такое кодировка. В других случаях анализатор должен попытаться определить кодировку декларации. Поскольку он знает, что объявление начинается с <?xml, это намного проще сделать.
Наконец, атрибут version указывает версию XML, в которой на данный момент есть две (см. версии Wikipedia XML. Существуют небольшие различия между версиями, поэтому парсер XML должен знать, с чем он имеет дело. В большинстве случаев (для говорящих на английском языке) версия 1.0 достаточна.