XML中文乱码源于声明、保存、解析三方编码不一致；声明仅作提示，不自动转码；需手动控制字节流解码，如C#用StreamReader指定编码，Python先读再解析，pugixml须转UTF-8，HTTP头charset优先级高于XML声明。

XML编码不是固定格式，而是由声明、保存、解析三方共同决定的契约——三者不一致，中文必乱码。

XML声明中的 encoding 属性只是“说明书”，不是“转换器”

比如 这行只告诉解析器：“请用 GBK 解码接下来的字节”。它不会把文件内容自动转成 GBK，也不会校验你是否真存成了 GBK。

• 文件实际是 UTF-8，却写 encoding="GBK" → 解析器按 GBK 解 UTF-8 字节 → 出现 或一堆问号
• 文件是 GBK，但没写声明 →

  

  大部分解析器（如 Python 的 ElementTree、Java 的 DocumentBuilder）默认按 UTF-8 读 → 同样乱码
• Windows 记事本保存为 “UTF-8” → 实际写入的是 EF BB BF（UTF-8 BOM），而某些 C++ 库（如 pugixml）会把它当非法字符报错

C# 中用 XDocument 或 XmlDocument 加载时，别信自动识别

.NET 默认会读取 XML 声明里的 encoding，但如果声明缺失、错误或含 BOM，它可能误判。最稳的方式是绕过声明，自己控制字节流解码。

var encoding = Encoding.GetEncoding("GBK");
using var reader = new StreamReader("data.xml", encoding);
using var xmlReader = XmlReader.Create(reader, new XmlReaderSettings());
var doc = XDocument.Load(xmlReader);

• 这样即使 XML 文件头没写 encoding="GBK"，也能正确加载中文
• 写入时也得主动指定：XDocument.Save() 默认用 UTF-8；要输出 GBK，必须用 StreamWriter 包一层，并传入 Encoding.GetEncoding("GBK")
• 注意：XmlWriterSettings 里没有 Encoding 属性，它只从底层 TextWriter 继承编码 —— 所以必须靠 StreamWriter 控制

Python 用 xml.etree.ElementTree 时，encoding 参数容易被忽略

ET.parse() 的 parser 参数支持 encoding，但很多人直接传文件路径，让解析器自己开文件 —— 此时它不看 Python 的 encoding 参数，而是依赖系统默认或 XML 声明。

import xml.etree.ElementTree as ET
# ✅ 推荐：先用指定编码读字符串，再解析
with open("data.xml", "r", encoding="utf-8") as f:
    tree = ET.fromstring(f.read())
❌ 避免：仅靠 parser=ET.XMLParser(encoding="utf-8") 不一定生效
tree = ET.parse("data.xml", parser=ET.XMLParser(encoding="utf-8"))

• 如果 XML 是 GBK 且无声明，上面第一种方式更可控；第二种在某些 Python 版本中可能被忽略
• Linux/macOS 下可用 file -i data.xml 快速确认真实编码；Windows 可用 VS Code 右下角查看，或 Notepad++ 的「编码」菜单

pugixml 等 C++ 库只认 UTF-8（或带 BOM 的 UTF-16），不支持 GBK 直读

pugixml 设计上不处理 GBK/GB2312。它看到非 UTF-8 字节就直接当乱码拆解，不会尝试转码。

• 解决方案只有两个：源头改 UTF-8（推荐），或读取时手动转码
• 手动转码需调用系统 API：MultiByteToWideChar（Windows）或 iconv（Linux/macOS），再转回 UTF-8 字符串，最后交给 pugixml::load_string()
• 不要试图用 std::ifstream + imbue 改 locale 来“骗过”pugixml —— 它不走 iostream 编码流程，只认原始字节

最容易被忽略的一点：HTTP 传输 XML 时，Content-Type: application/xml; charset=UTF-8 的 charset 优先级高于 XML 声明。如果服务端返回的 HTTP 头说 charset=GBK，而 XML 里写的是 encoding="UTF-8"，浏览器和很多解析器会以 HTTP 头为准 —— 所以后端输出 XML 时，务必同步设置响应头。