Jakie znaki muszą być poprzedzone znakami ucieczki w dokumentach XML lub gdzie mogę znaleźć taką listę?

Jeśli użyjesz odpowiedniej klasy lub biblioteki, zrobią ci ucieczkę. Wiele problemów XML jest spowodowanych konkatenacją ciągów.

Znaki specjalne XML

Jest tylko pięć:

"   "
'   '
<   &lt;
>   &gt;
&   &amp;

Uciekające postacie zależą od tego, gdzie jest używany znak specjalny.

Przykłady można sprawdzić w usłudze weryfikacji znaczników W3C .

Tekst

Bezpiecznym sposobem jest ucieczka wszystkich pięciu znaków w tekście. Jednak trzy znaki ", 'i >nie musi być uciekł w tekście:

<?xml version="1.0"?>
<valid>"'></valid>

Atrybuty

Bezpiecznym sposobem jest ucieczka wszystkich pięciu znaków w atrybutach. Nie >trzeba jednak uciekać postaci w atrybutach:

<?xml version="1.0"?>
<valid attribute=">"/>

'Postać nie musi być uciekł w atrybutach jeśli cytaty są ":

<?xml version="1.0"?>
<valid attribute="'"/>

Podobnie "nie ma potrzeby zmiany znaczenia w atrybutach, jeśli cytaty to ':

<?xml version="1.0"?>
<valid attribute='"'/>

Komentarze

Wszystkich pięciu znaków specjalnych nie można dodawać w komentarzach:

<?xml version="1.0"?>
<valid>
<!-- "'<>& -->
</valid>

CDATA

Wszystkie pięć znaków specjalnych nie może być znakami ucieczki w sekcjach CDATA :

<?xml version="1.0"?>
<valid>
<![CDATA["'<>&]]>
</valid>

Instrukcje przetwarzania

Wszystkie pięć znaków specjalnych nie może być znakami ucieczki w instrukcjach przetwarzania XML:

<?xml version="1.0"?>
<?process <"'&> ?>
<valid/>

XML vs. HTML

HTML ma własny zestaw kodów ucieczki, które obejmują znacznie więcej znaków.

Być może pomoże to:

Lista odniesień do encji znakowych XML i HTML :

W dokumentach SGML, HTML i XML logiczne konstrukcje znane jako dane znakowe i wartości atrybutów składają się z sekwencji znaków, w których każdy znak może się zamanifestować bezpośrednio (reprezentując siebie) lub może być reprezentowany przez szereg znaków zwany odwołaniem do znaku, z których istnieją dwa typy: odwołanie do znaku numerycznego i odwołanie do znaku. W tym artykule wymieniono odwołania do encji znakowych, które są poprawne w dokumentach HTML i XML.

W tym artykule wymieniono pięć następujących predefiniowanych jednostek XML:

quot  "
amp   &
apos  '
lt    <
gt    >

Zgodnie ze specyfikacjami konsorcjum World Wide Web (w3C) istnieje 5 znaków, które nie mogą występować w postaci dosłownej w dokumencie XML , z wyjątkiem przypadków, gdy są używane jako ograniczniki znaczników lub w komentarzu, instrukcji przetwarzania lub sekcji CDATA . We wszystkich pozostałych przypadkach znaki te muszą zostać zastąpione przy użyciu odpowiedniego elementu lub odwołania numerycznego zgodnie z następującą tabelą:

Original CharacterXML entity replacementXML numeric replacement
<                              &lt;                                    &#60;                                    
>                              &gt;                                   &#62;                                    
"                               &quot;                               &#34;                                    
&                              &amp;                               &#38;                                    
'                               &apos;                               &#39;                                    

Zauważ, że wyżej wspomniane jednostki mogą być używane również w HTML, z wyjątkiem & apos; , który został wprowadzony w XHTML 1.0 i nie jest zadeklarowany w HTML 4. Z tego powodu oraz w celu zapewnienia kompatybilności wstecznej specyfikacja XHTML zaleca użycie & # 39; zamiast.

Znaki ucieczki są różne dla tagów i atrybutów.

W przypadku tagów:

 < &lt;
 > &gt; (only for compatibility, read below)
 & &amp;

W przypadku atrybutów:

" "
' '

Z danych postaci i znaczników :

Znak ampersand (&) i lewy nawias kątowy (<) nie mogą występować w postaci dosłownej, z wyjątkiem przypadków, gdy są używane jako ograniczniki znaczników lub w komentarzu, instrukcji przetwarzania lub sekcji CDATA. Jeśli są potrzebne gdzie indziej, należy je uciec za pomocą odwołań do znaków numerycznych lub odpowiednio ciągów „& amp;” i „& lt;”. Nawias prostokątny (>) może być reprezentowany za pomocą ciągu „& gt;” i musi być, w celu zachowania kompatybilności, wybierany za pomocą „& gt;” lub odwołania do znaku, gdy pojawia się w ciągu „]]>„ w treści, gdy ten ciąg nie oznacza końca sekcji CDATA.

Aby wartości atrybutów mogły zawierać zarówno pojedyncze, jak i podwójne cudzysłowy, apostrof lub znak pojedynczego cudzysłowu (') mogą być reprezentowane jako „& apos;”, a znak podwójnego cudzysłowu („) jako„ & quot; „.

^{Nowa, uproszczona odpowiedź na stare, często zadawane pytanie ...}

Uproszczone zmiany znaczenia XML _{^{(z priorytetem, 100% kompletności)}}

1. Zawsze _{^{(90% ważne do zapamiętania)}}

   • Ucieczka <jak <chyba <jest uruchamianie <tag/>.
   • Ucieczka &jak &chyba &jest rozpoczęcie &entity;.

2. Wartości atrybutów _{^{(9% ważne do zapamiętania)}}

   • attr=" 'Pojedyncze cudzysłowy 'są prawidłowe w obrębie podwójnych"
   • attr=' "Podwójne cudzysłowy "są w porządku w pojedynczych cudzysłowach.'
   • Ucieczka "jak "i 'jako 'inaczej.

3. Komentarze , CDATA i instrukcje przetwarzania _{^{(0,9% ważne do zapamiętania)}}

   • <!--W komentarzach --> nie trzeba uciekać, ale --łańcuchy nie są dozwolone.
   • <![CDATA[W ramach CDATA ]]> nie trzeba nic uciekać, ale nie]]> łańcuchy są dozwolone.
   • <?PITargetW PI ?> nie trzeba uciekać, ale ?>łańcuchy nie są dozwolone.

4. Esoterica _{^{(0,1% ważne do zapamiętania)}}

   • Ucieczka ]]>jak ]]>chyba ]]>kończy sekcji CDATA.
     _{^{(Ta zasada dotyczy ogólnie danych znakowych - nawet poza sekcją CDATA.)}}

Poza powszechnie znanymi pięcioma znakami [<,>, &, "i '], unikałbym także znaku tabulacji pionowej (0x0B). Jest to poprawny UTF-8, ale nie jest poprawny XML 1.0, a nawet wiele bibliotek (w tym bardzo przenośna (ANSI C) biblioteka libxml2 ) tęsknię i cicho wyprowadza niepoprawny XML.

Skrócony z: XML, Escaping

Istnieje pięć predefiniowanych jednostek:

&lt; represents "<"
&gt; represents ">"
&amp; represents "&"
&apos; represents '
&quot; represents "

„Wszystkie dozwolone znaki Unicode mogą być reprezentowane za pomocą znaków numerycznych.” Na przykład:

中

Większość znaków kontrolnych i innych zakresów Unicode jest wyraźnie wykluczonych, co oznacza (myślę), że nie mogą wystąpić ani w postaci znaku ucieczki, ani bezpośredniego:

Prawidłowe znaki w XML

To zależy od kontekstu. W przypadku treści jest to < i & oraz ]]> (choć ciąg trzech znaków zamiast jednego znaku).

W przypadku wartości atrybutów jest to < , & , „ i ” .

W przypadku CDATA jest to ]]> .

Tylko <i &należy je uciec, jeśli mają być traktowane dane znaków, a nie znaczniki:

2.4 Dane o znakach i znaczniki