适用于XSLT转换的XML格式的UTF-8十六进制表示

Question

许多在线图表显示拉丁字符的UTF-8编码对我来说有点混乱。

例如，对于UTF-8，eacute十六进制表示为c3a9：

UTF-8（十六进制）0xC3 0xA9（c3a9）

http://www.fileformat.info/info/unicode/char/c3a9/index.htm

所以我猜这会使它쎩如果它在XML中被重新定义为十六进制???这是UTF-8的XML表示标准吗？源系统将其发送为＆＃39; E9＆＃39;即使他们说它是UTF-8。无论如何，XMLSpy和Notepad ++显示它是E9。

你可以为我清除雾吗？感谢。

Answer 1

XML在数字字符引用中使用Unicode代码点，而不是编码的字节序列。由于é是U + 00E9，系统是正确的。

要关闭下一个问题，“＆amp;＃xe9;”中的所有六个字符是有效的UTF-8。

Answer 2

为了稍微混淆这个问题，Unicode对许多重音字母有两种表示形式：组合和分解。对于E急性，组合表示是单个码点，U + 00E9（由八位组序列xC3 xA9以UTF-8表示）。分解的表示将字母和重音表示为单独的代码点（U + 0065 U + 0301）。您可以使用XPath 2.0 normalize-unicode（）函数从一个表示转换为另一个表示。通常情况下，数据可能以组合形式到达，但如果您想覆盖所有基础，则在进行相等测试等任何操作之前，应将其标准化为组合形式。