XMLエンコーディング宣言 — UTF-8、UTF-16、文字セット

XMLエンコーディング宣言

XMLプロローグのエンコーディング宣言は、ドキュメントで使用されている文字エンコーディングをパーサーに伝えます。これを誤ると、文字化け、パース失敗、データ破損につながります。

XMLプロローグ

<?xml version="1.0" encoding="UTF-8"?>
<root>
  <message>Hello, world!</message>
</root>

encoding 属性は文字エンコーディングを指定します。省略された場合、デフォルトでUTF-8が想定されます（BOMが存在する場合はUTF-16）。

一般的なエンコーディング

エンコーディング	説明	用途
UTF-8	可変幅、ASCII互換	現代XMLのデフォルト、Webコンテンツ
UTF-16	固定2バイト（またはサロゲートペア）	Windows API、Java内部文字列
ISO-8859-1	西ヨーロッパ、シングルバイト	レガシー欧州システム
Shift_JIS	日本語、可変幅	レガシー日本語システム
Windows-1252	Windows西ヨーロッパスーパーセット	レガシーWindowsアプリケーション

エンコーディング不一致エラー

最も一般的な問題は、あるエンコーディングを宣言しながらファイルを別のエンコーディングで保存することです：

<!-- ファイルはUTF-8で保存されているが宣言は： -->
<?xml version="1.0" encoding="ISO-8859-1"?>

これにより、パーサーがマルチバイトUTF-8シーケンスをISO-8859-1文字として誤解釈し、非ASCII文字で文字化け（mojibake）が発生します。

エンコーディング問題の修正方法

1. 実際のファイルエンコーディングを確認 — hexエディタまたは file コマンドを使用
2. 宣言を実際のエンコーディングに合わせる
3. 必要に応じてUTF-8に変換 — iconv などのツールを使用：

   iconv -f ISO-8859-1 -t UTF-8 input.xml > output.xml
   

4. 宣言を更新 — encoding="UTF-8" に変更

BOM（バイトオーダーマーク）

UTF-8ファイルは先頭にBOM（EF BB BF）を含む場合があります。有効ですが、一部のXMLパーサーで問題を引き起こすことがあります。UTF-16ファイルはバイトオーダー（ビッグエンディアンまたはリトルエンディアン）を示すためにBOMが必要です。

ベストプラクティス

新しいXMLドキュメントには常にUTF-8を使用してください。普遍的なデフォルトであり、すべての現代パーサーでサポートされ、すべてのUnicode文字を効率的に処理します。