3 / 16

Znakový model XML

XML dokumenty používají znakovou sadu ISO 10646
21bitová znaková sada, v současné době je definováno přes 100 tisíc znaků
zcela shodné s Unicode
kódování: UTF-16 a UTF-8
UTF-16
- 16bitové slovo přímo obsahuje kód znaku
- další téměř milión znaků je dostupných pomocí „surrogates“ – 1 znak = dvě 16bitová slova
UTF-8
- text může být kódován jako sekvence bajtů
- 1 znak = 1 až 4 bajty
- kompatibilní s ASCII

Obrázek 1. Kódování UTF-8

standard XML vyžaduje, aby všechny aplikace podporovaly alespoň UTF-8 a UTF-16
lze použít i jiné kódování, musí se uvést v XML deklaraci
```
<?xml version="1.0" encoding="iso-8859-2"?>
```
musí být první řádka dokumentu
znak s libovolným kódem z ISO 10646 můžeme zapsat pomocí entity &#kód; (kód je číslo v desítkové soustavě) nebo &#xkód; (kód je číslo v šestnáctkové soustavě)