Chinese XML FAQ 1.0

B.1. XML 中可以處理 Big5 碼的中文資訊嗎 ?

B.2. XML 中可以處理 GB2312 碼的中文資訊嗎 ?

B.3. 如何知道某個 XML 軟體工具支援那些字碼 ?

B.4. 當我使用 Big5 碼，但是我要使用的字並不在標準字集中時，該如何解決呢 ?

B.5. 請談談關於 Web 伺服器 (server) 的轉碼 (Transcode) 問題 ?

B.6. 萬一我的 Web 伺服器送出錯誤的字集資訊，怎麼辦呢 ?

B.7. 如何針對使用 Apache 伺服器者，使用 .htaccess 設定送出正確的 HTTP/MIME 標頭 (header) ? (未寫完)

B.8. 什麼是 xml:lang 這個標準屬性的用途呢 ?

B.9. 在一個文件內可以混合使用不同的中文字集嗎 ?

可以的。文件內的每一個 XML 元素 (element) 都可以使用 "xml:lang" 屬性來設定這一個元素是使用何種語言。此處不是指字集編碼 (Big5 或 GB2312), 而是何種語言。例如：

<p xml:lang="zh-TW">...</p>

表示這個元素 (element) 是使用台灣的中文。

        <p xml:lang="zh-HK">...</p>

表示這個元素 (element) 是使用香港的中文。

        <p xml:lang="en-SG">...</p>

表示這個元素 (element) 是使用新加坡的英文。

        <p xml:lang="zh-CN-YUH"....<z xml:lang="en">blah</z>...</p>

表示這個元素 (element) p 是使用中國大陸的廣東話中文。 ("YUH" 是在 SIL Enthnologue 中代表廣東話的代碼，請參考下列網頁： http://www.sil.org/ethnologue/countries/Chin.html) 但是子元素 (subelement) z 是英文。(某些文字是使用拼音的方式表達；這些部份是用於方言，不懂得這種方言就無法理解其意義。)�

當然，您也可以自訂屬性來達到您的需求：

        <p xml:lang="zh-HK-simplified" traditional="OK">...</p>

表示這個元素內的資料是使用簡體字的香港中文。但是也可以使用 traditional="OK" 屬性來表示可以使用繁體字字形。

使用 XML，您可以用標示 (markup) 來描述文件中所有的資訊。接著根據標示，您可以寫個程式，或是樣示表 (stylesheet)，或是報表產生程式來完成您的需求。。

B.10. 據說 Unicode 不是一組好的中文字集 (character set) ? Chinese!

Unicode 製定組織 (Unicode Consortium) 是許多的公司聯合決定製定一個包含全世界所有文字的龐大字集，其中包含日本公司 Justsystem，及大型日本的合作計劃例如：(Fuji-)Xerox。該組織取用 ISO 10646 字集然後加入其他的資訊：標準名稱及特性。 Unicode 包含 GB2312 中所有的字及(可能) Big5 碼中所有的字。而且加入了許多其他語言的文字。(ISO 10646 有幾種編碼方式： UTF-8 是 8-bit 的，而 UTF-16 是 16-bit。 Unicode 是 UTF-16 的形式。

因此 Unicode 比 Big5 及 GB2312 碼好 - 因為 Unicode 包含較多的字。

但是 ISO 10646 碼有下列問題：

UTF-16 或 Unicode 是 16-bit 固定長度的編碼，並沒有比 Big5 或 GB2312 碼提供更大的容納空間。而 8-bit 不定長 (variable-length) 的編碼，每個中文字使用 3 個位元組 (byte)。這意味著使用 UTF-8 編碼的 XML 檔案會比使用 Big5 碼的檔案大上 50%。但是假如使用 ASCII 碼的標示 (Markup)，檔案就不會大這麼多了。標示大約會佔文件的 50%。可能要使檔案大小減少的方式就是採用檔案壓縮了。
ISO 10646 碼中，字的順序與任何的中文碼並不同。無法使用一個簡單的演算法 (algorithm) 就可以將 Big5 或 GB2312 碼轉換為 ISO 10646。您得用一個轉換表來進行轉碼。但另一方面，ISO 10646 碼的中文字序有利於排序 (sorting)。而且也去除了重複字，因而對於檢索 (searching) 也有幫助。(據說 GBK 字集包含 ISO 10646 碼中所有的字，而且保留與 GB2312 碼相同的字序。在某些情形下可能是個好字集。)

所以 XML 檔不一定要用 UTF-8 或 UTF-16 編碼。您可以使用 Big5 或 GB2312 碼。但是很少 XML 軟體工具支援這些中文字碼。所以建議您，以長遠眼光來探討，最好是轉移到 UTF-8 或 UTF-16。

B.11. 為何某個軟體工具的文件說明該軟體無法正確處理 Big5 碼文件，但事實上卻可以用呢 ?

Big5 碼是一個以 "7-bit unsafe" "ASCII-family" 編碼的字集。

"ASCII-family" 編碼的字集 (ASCII, ISO646, ISO8859-*, UTF-8, EUC, Big5, GB2312) 中的 ASCII 字部份都在 ASCII 字集表中的位置上。(也就是 'A' 的字碼為 65 (0x41)。) 所有的 ASCII 字都小於 128 (0x80)。
一個 "8-bit safe" 編碼的字集表示假如其中有一個位元組 (byte) 的值小於 128，那這個字一定是 ASCII 中的字。Shift-JIS 及 Big5 碼都不是 8-bit unsafe，因為在多位元組 (multiple-byte) 字碼的第二個位元組可能是小於 128 (0x80)。使用"8-bit safe" 編碼的好處是可以與一些只處理以 ASCII 做為標示 (markup) 的軟體工具相容。
"7-bit safe" 編碼是：假如有小於 64 (0x40) 的位元組 (byte) 就表示這是個 ASCII 碼的字。Shift-JIS 及 Big5 碼不是 "8-bit safe" (因為字碼中的第二個位元組可能小於 128 (0x80)) 但這些字碼是 "7-bit safe" (因為字碼中的第二個位元組一定大於 63 (0x3f))。"7-bit safe" 編碼對於一些只將小於 64 (0x40) 的字認定為分隔符號 (delimeter) 的軟體工具是安全無慮的。在 XML 中，所有的 XML 分隔符號 (delimeter) [<>&%"'] 的值都小於 64 (0x40)。

這意味著會有許多的 XML 軟體工具可以處理 Big5 碼的文件。但這純屬意外，因為嚴格來講，一個不認得 XML 標頭中的編碼屬性的 XML 系統，應該產生錯誤訊息。特別的是，通常這些系統可能無法處理數字字元參引 (numeric character reference) (請參閱問題 B.4)。當然這些系統雖然不符合標準，但還是有其用處的。

對於 Big5 碼還有一個特殊的問題要考慮。請參閱問題 B.12.

B.12. 為何在處理有些 Big5 碼文件時會產生奇特的錯誤呢 ?

在某些系統中，Big5 碼的第二個 byte 會產生問題。因為 Big5 碼不是 "8-bit safe" (請參閱問題 B.11)。

這個問題只會在不將 Big5 碼文件轉為 "8-bit safe" 的內部格式 (例如：Unicode，UTF-8 或 UTF-16) 的系統中發生。在這些系統中， Big5 碼的某些位元組 (byte) 會被解譯為錯誤的字。

第一個狀況是您使用本地語言 (Native Language) 的標示 (例如：您使用中文做為元素名稱 (element names)，屬性名稱 (attribute names)，ID 屬性等等)。這個問題無解。如果您一定要用這類的軟體，您就要在標示中避免使用第二個 byte 有問題的 Big5 字。

第二個狀況是您在 CDATA 段落 (section) 中使用下列中文字，而且緊接著 "]>" 這個字串。解決的方法是，將這個 CDATA 段落分割為兩個 CDATA 段落，然後在其間夾雜一個特別的字元。下列 Big5 中文字的第二個 byte 都是 0x5D，也就是 ASCII 中的 "]" 字元。

        
        
        
        
        
        
        兡也包因沘氓侷柵苗孫孫財 
        崧淫設弼琶跑愍窟榜蒸奭稽 
        霄瓢館縲擻鼕孃魔釁佉沎岠 
        狋垚柛胅娭涘罞偟惈牻荺傒 
        焱菏酡廅滘絺赩塴榗箂踃嬁 
        澕蓴醊獧螗餟燱螬駸礑鎞瀧 
        鄿瀯騬醹躕鱕

警告：我們還在檢視這些字。

(註：假如您不能看到上述的字，請參閱問題 B.13.)

B.13. 為何我不能在 HTML 瀏覽器 (browser) 中看到所有的字呢 ?

B.14. 什麼是 Big5/GCCS, EUDC 及 Big5+ 碼 ?

EUDC (Extended User-defined Characters) 是香港地區製定的一組標準使用者造字 (user-defined characters)。(日文稱為 gaiji)� 這些字包含 R&D EUDC, HKUST EUDC 及 GCCS EUDC。

Big5 碼是在台灣製定的，這些繁體字也在香港使用。但在香港有些字很少在在台灣使用，因些香港政府將 Big5 字集再加上 3049 個字製定為 "政府中文字集" (Government Chinese Character Set, GCCS)，目前已廣為使用中。

台灣的行政院研究發展考核委員會(研考會)委託中文電腦推廣基金會(中推會) 進行 Big5 碼字集擴編，約為 24,066 字，稱為 Big5+ 碼。

請注意：Big5/GCCS, EUDC 及 Big5+ 碼並未在 IANA 註冊編碼名稱供在 Internet 上使用。

為了將來可互通使用 (interoperability)，請在 WWW 中的 HTML 及檔中加上正確的標頭。假如您不知道確切的字集，e-commerce 就無法正確運作了。假如您使用 Big5+ 碼，請在文件的標頭上加上註解或處理指令 (processing instruction)。在 XML 中，我們建議在文件的第二個標示 (tag) 寫上 "ascc-hint" 的處理指令並使用 "non-IANA" 屬性。

        <?xml version="1.0" encoding="Big5" ?>
        <?ascc-hint non-IANA="Big5plus" ?>

及

        <?xml version="1.0" encoding="Big5" ?>
        <?ascc-hint non-IANA="GCCS" ?>

Chinese XML FAQ

A. XML 問題

A.1. 什麼是 XML ?

A.2. 誰在負責發展 XML ?

A.3. 那些公司支持或使用 XML ?

A.4. 我是否已經在使用 XML 了 ?

A.5. XML 中可以處理中文資訊嗎 ?

A.6. 可以直接使用中文的元素名稱 (Chinese element names) 嗎 ?

A.7. 什麼是 XHTML?

A.8. 什麼是 "格式良好" (Well-formed) 及 "驗證合格" (Valid) 的 XML 文件 ?

B. 字集與編碼

B.1. XML 中可以處理 Big5 碼的中文資訊嗎 ?

B.2. XML 中可以處理 GB2312 碼的中文資訊嗎 ?

B.3. 如何知道某個 XML 軟體工具支援那些字碼 ?

B.4. 當我使用 Big5 碼，但是我要使用的字並不在標準字集中時，該如何解決呢 ?

B.5. 請談談關於 Web 伺服器 (server) 的轉碼 (Transcode) 問題 ?

B.6. 萬一我的 Web 伺服器送出錯誤的字集資訊，怎麼辦呢 ?

B.7. 如何針對使用 Apache 伺服器者，使用 .htaccess 設定送出正確的 HTTP/MIME 標頭 (header) ? (未寫完)

B.8. 什麼是 xml:lang 這個標準屬性的用途呢 ?

B.9. 在一個文件內可以混合使用不同的中文字集嗎 ?

B.10. 據說 Unicode 不是一組好的中文字集 (character set) ? Chinese!

B.11. 為何某個軟體工具的文件說明該軟體無法正確處理 Big5 碼文件，但事實上卻可以用呢 ?

B.12. 為何在處理有些 Big5 碼文件時會產生奇特的錯誤呢 ?

B.13. 為何我不能在 HTML 瀏覽器 (browser) 中看到所有的字呢 ?

B.14. 什麼是 Big5/GCCS, EUDC 及 Big5+ 碼 ?

C. XML 軟體

C.1. 目前免費又好用的 XML 軟體工具中, 那些可以處理中文資料呢 ?

C.2. 目前有那些免費又好用的中文 XML 驗證軟體工具 ?

C.3. 對於處理中文文件，目前那一個免費的 XSL 軟體最好用呢 ?

C.4. 對於處理中文文件，目前那一個免費的 XHTML 軟體最好用呢 ?

FAQ 相關資訊

那兒可以找到更多的相關資訊 ?

"Chinese XML Now!" 這個計劃的目的是什麼 ?

我可以與誰聯絡關於這份 FAQ 的相關事宜 ?

貢獻者

目錄資訊 (Cataloging Information, Dublin Core)

Chinese XML FAQ

A. XML 問題

A.1. 什麼是 XML ?

A.2. 誰在負責發展 XML ?

A.3. 那些公司支持或使用 XML ?

A.4. 我是否已經在使用 XML 了 ?

A.5. XML 中可以處理中文資訊嗎 ?

A.6. 可以直接使用中文的元素名稱 (Chinese element names) 嗎 ?

A.7. 什麼是 XHTML?

A.8. 什麼是 "格式良好" (Well-formed) 及 "驗證合格" (Valid) 的 XML 文件 ?

B. 字集與編碼

B.1. XML 中可以處理 Big5 碼的中文資訊嗎 ?

B.2. XML 中可以處理 GB2312 碼的中文資訊嗎 ?

B.3. 如何知道某個 XML 軟體工具支援那些字碼 ?

B.4. 當我使用 Big5 碼，但是我要使用的字並不在標準字集中時，該如何解決呢 ?

B.5. 請談談關於 Web 伺服器 (server) 的轉碼 (Transcode) 問題 ?

B.6. 萬一我的 Web 伺服器送出錯誤的字集資訊，怎麼辦呢 ?

B.7. 如何針對使用 Apache 伺服器者，使用 .htaccess 設定送出 正確的 HTTP/MIME 標頭 (header) ? (未寫完)

B.8. 什麼是 xml:lang 這個標準屬性的用途呢 ?

B.9. 在一個文件內可以混合使用不同的中文字集嗎 ?

B.10. 據說 Unicode 不是一組好的中文字集 (character set) ? Chinese!

B.11. 為何某個軟體工具的文件說明該軟體無法正確處理 Big5 碼文件， 但事實上卻可以用呢 ?

B.12. 為何在處理有些 Big5 碼文件時會產生奇特的錯誤呢 ?

B.13. 為何我不能在 HTML 瀏覽器 (browser) 中看到所有的字呢 ?

B.14. 什麼是 Big5/GCCS, EUDC 及 Big5+ 碼 ?

C. XML 軟體

C.1. 目前免費又好用的 XML 軟體工具中, 那些可以處理中文資料呢 ?

C.2. 目前有那些免費又好用的中文 XML 驗證軟體工具 ?

C.3. 對於處理中文文件，目前那一個免費的 XSL 軟體最好用呢 ?

C.4. 對於處理中文文件，目前那一個免費的 XHTML 軟體最好用呢 ?

FAQ 相關資訊

那兒可以找到更多的相關資訊 ?

"Chinese XML Now!" 這個計劃的目的是什麼 ?

我可以與誰聯絡關於這份 FAQ 的相關事宜 ?

貢獻者

目錄資訊 (Cataloging Information, Dublin Core)

B.7. 如何針對使用 Apache 伺服器者，使用 .htaccess 設定送出正確的 HTTP/MIME 標頭 (header) ? (未寫完)

B.11. 為何某個軟體工具的文件說明該軟體無法正確處理 Big5 碼文件，但事實上卻可以用呢 ?