XMLとJSON変換における文字エンコーディング

文字エンコーディングはXMLとJSONで異なる扱いを受けるため、変換時のミスマッチはデータ破損を引き起こす可能性があります。

XMLのエンコーディングの柔軟性：

XMLは複数の文字エンコーディングをサポートし、XML宣言で宣言します：

<?xml version="1.0" encoding="UTF-8"?>
<?xml version="1.0" encoding="UTF-16"?>
<?xml version="1.0" encoding="ISO-8859-1"?>
<?xml version="1.0" encoding="Shift_JIS"?>

JSONのエンコーディングは常にUTF-8。 RFC 8259に従い、システム間で交換されるJSONテキストはUTF-8でエンコードする必要があります。エンコーディング宣言は不要であり、記述もできません。

XML文字参照：

XMLは数値参照を使って文字を表現できます：

<text>Caf&#233; &#x2014; a nice place</text>

JSONでは、これらは実際のUnicode文字になります。

XMLの定義済みエンティティ：

XMLには要素コンテンツと属性値でエスケープが必要な5つの定義済みエンティティ参照があります：

エンティティ	文字	JSON等価物
&lt;	<	<（直接）
&gt;	>	>（直接）
&amp;	&	&（直接）
&quot;	"	\"（エスケープ）
&apos;	'	'（直接）

変換の考慮事項：

1. XMLからJSON： すべてのエンティティ参照と文字参照を実際の文字にデコードします。JSON出力にはXMLエスケープシーケンスではなく実際の文字を含めるべきです。
2. JSONからXML： エンティティ参照またはCDATAセクションを使って特殊文字をエスケープします。少なくとも <、>、& はテキストコンテンツでエスケープが必要です。
3. BMPの範囲外の文字（絵文字、CJK拡張）は両形式で有効ですが、JSONではサロゲートペア、XMLでは数値参照が必要な場合があります。

ベストプラクティス： 変換時は常にUTF-8に正規化してください。ソースXMLが非UTF-8エンコーディングを使用している場合、パース前にバイトをUTF-8にトランスコードしてください。