传输编码对 XML 编码和字符引用的影响答案

【问题标题】：Effect of transport encoding on XML encoding and character references传输编码对 XML 编码和字符引用的影响
【发布时间】：2016-07-09 21:32:21
【问题描述】：

这个问题涉及XML 1.0 和HTTP 1.1 建议之间的相互作用。

我有一个 Web 服务，它接受格式良好的 XML 1.0 文档，对其进行解析，然后将其重新序列化回客户端。该服务同时支持 Content-Type text/xml 和 application/xml。

假设以下文档以Content-Type: text/plain; charset=us-ascii 和Accept: text/plain 和Accept-Charset: us-ascii 提交：

<?xml version="1.0" encoding="UTF-8" ?>
<x>Inhoffenstra&#x00DF;e</x>

以上文档格式正确，满足编码要求。

解析后，XML DOM 为 UTF-8。由于文档的编码也是 UTF-8，所以文档会被重新序列化为：

<?xml version="1.0" encoding="UTF-8" ?>
<x>Inhoffenstraße</x>

上述文档与Accept-Charset 标头不兼容。但是，至少可以通过三种方式满足此请求：

使用编码 US-ASCII 序列化 DOM。这似乎是错误且不必要的，因为我正在更改文档的基本属性，这可能会误导客户端（例如，这会破坏应用层的某些东西，即 ESB/SOAP）：
```
<?xml version="1.0" encoding="US-ASCII" ?>
<x>Inhoffenstra&#x00DF;e</x>
```
通过将非 ASCII 字符替换为其 Unicode 字符引用，对服务层中的序列化 UTF-8 进行后处理。这感觉像是一种 hack，因为 XML 特定的字符编码正在使用非 XML 感知的字符串转换对整个文档执行：
```
<?xml version="1.0" encoding="UTF-8" ?>
<x>Inhoffenstra&#x00DF;e</x>
```
拒绝服务层的请求为406 Not Acceptable。这将假定encoding="UTF-8" 与Accept-Charset: us-ascii 冲突。但是，我认为情况并非如此，因为请求的实际 content 完全由 ASCII 字符组成。

响应的预期、符合标准的行为是什么？根据我对参考标准的理解，以上任何一项都可能是可以接受的。

以下对不同问题的回答提供了一些有用的信息，但并未具体解决 text/xml 案例：

我链接以下问题是因为我认为它源于一个相关问题：

【问题讨论】：

【解决方案1】：

简答

由于请求中支持的媒体类型（文本/xml、应用程序/xml）与有效负载的媒体类型（文本/纯文本）之间存在冲突，所呈现场景的符合标准的响应是 415 Unsupported Media Type .

Content-Type 在RFC7231 Section 3.1.1.5 中定义如下（强调我的）：

“Content-Type”标头字段表示媒体类型相关表示：包含在消息有效负载或选定的表示，由消息语义。指示的媒体类型定义了数据格式以及接收者打算如何处理该数据，在接收到的消息语义范围内，在任何内容之后 Content-Encoding 指示的编码被解码。

因为负载的媒体类型是文本/纯文本，我们必须将提交的文档处理为纯文本（“该数据打算如何处理”）。

那么我们如何处理纯文本呢？纯文本在RFC2046 Section 4.1中定义如下：

纯文本不提供或允许格式化命令、字体属性规范、处理说明、解释指令或内容标记。清楚的文本被简单地视为字符的线性序列，可能被换行符或分页符打断。

XML 定义内容标记、处理指令和其他内容。将纯文本文档解析为 XML 是违反标准的。

让我们看看你的例子：

<x>Inhoffenstra&#x00DF;e</x>

将&#x00DF; 转换为ß 是如果文档是XML，你会做的，但如果文档是纯文本，则违反 RFC2046 和 RFC5147 确认应如何处理纯文本。作为纯文本，&#x00DF; 表示 &#x00DF;，仅此而已。

总而言之，您提供的上述可能响应均不符合标准。所呈现场景的符合标准的响应是 415 Unsupported Media Type。

【讨论】：