XML特殊字符处理-优快云博客

不合法的XML字符必须被替换为相应的实体。

如果在XML文档中使用类似"<" 的字符, 那么解析器将会出现错误，因为解析器会认为这是一个新元素的开始。所以不应该象下面那样书写代码:

<message>if salary < 1000 then</message>

为了避免出现这种情况，必须将字符"<" 转换成实体，象下面这样:

<message>if salary &lt; 1000 then</message>

下面是五个在XML文档中预定义好的实体:

<	<	小于号
>	>	大于号
&	&	和
'	'	单引号
"	"	双引号

实体必须以符号"&"开头，以符号";"结尾。

注意: 只有"<" 字符和"&"字符对于XML来说是严格禁止使用的。剩下的都是合法的，为了减少出错，使用实体是一个好习惯。

CDATA部件

在CDATA内部的所有内容都会被解析器忽略。

如果文本包含了很多的"<"字符和"&"字符——就象程序代码一样，那么最好把他们都放到CDATA部件中。

一个 CDATA 部件以"<![CDATA[" 标记开始，以"]]>"标记结束:

<script>
<![CDATA[
function matchwo(a,b)
{
if (a < b && a < 0) then
{
return 1
}
else
{
return 0
}
}
]]>
</script>

在前面的例子中，所有在CDATA部件之间的文本都会被解析器忽略。

CDATA注意事项:

CDATA部件之间不能再包含CDATA部件（不能嵌套）。如果CDATA部件包含了字符"]]>" 或者"<![CDATA[" ，将很有可能出错哦。

同样要注意在字符串"]]>"之间没有空格或者换行符。

==========================================================================================

RSS中出现了一些麻烦的字符，比如 &,??,?? 等。这些字符放到XML中，如果不做特殊处理，就会有错误产生。比如下面的XML：

在IE 浏览器，以及一些解析用的DOM中解析这个片段，就会产生错误。

在W3C的技术规范中，也可以看到这样的字符不允许出现：
http://www.w3.org/TR/2001/REC-xml-c14n-20010315

比如：对 Text Nodes 允许的字符有如下要求： the string value, except all ampersands are replaced by &, all open angle brackets (< ) are replaced by <, all closing angle brackets (> ) are replaced by >, and all #xD characters are replaced by .

由于这些特殊字符比较多，我们在XML中替换的工作量比较大，我们可以在DTD文件中作些定义：

比如DTD文件中增加以下部分：

<!ENTITY amp "&#38;">

<!ENTITY reg "®">

<!ENTITY trade "™">

并在XML中定义这个XML文件需要这个DTD支持：

<!DOCTYPE HeadCount SYSTEM "eula.dtd">

这样在XML文件中出现 & ?? ?? 这类特殊字符就不会再报错了。

那里罗列的特殊字符有近200个。