如果我的 XML 文档指令指定了 UTF-8 编码，我还需要转义字符吗？答案

【问题标题】：If my XML document instruction specifies encoding of UTF-8 do I still need to escape characters?如果我的 XML 文档指令指定了 UTF-8 编码，我还需要转义字符吗？
【发布时间】：2012-12-26 12:15:15
【问题描述】：

我知道在所有情况下我都需要逃避这些：

quot  "
amp   &
apos  '
lt    <
gt    >

但是有口音的国际字符，或者俄罗斯字符来命名一对呢？当我的编码指令设置为 UTF-8 时，是否需要转义这种类型的字符？

如果我将编码指令设置为 ASCII 会怎样？我还需要转义所有这些字符吗？

这是我尝试使用 Nokogiri(lib2xml) 重现的 XML 示例（来自遗留系统）：

<?xml version="1.0" encoding="UTF-8"?>
  <DESCRIPTION lang="rus">
    <SHORT_DESCRIPTION>&#1052;&#1054;&#1044;&#1059;&#1051;&#1068;- ELECTRONIC  OUTPUT 120 V DC 5 mA</SHORT_DESCRIPTION>
    <LONG_DESCRIPTION>&#1052;&#1054;&#1044;&#1059;&#1051;&#1068;- &#1058;&#1048;&#1055; ELECTRONIC  OUTPUT &#1042;&#1061;&#1054;&#1044; 120 V DC &#1042;&#1067;&#1061;&#1054;&#1044; 5 mA &#1048;&#1057;&#1058;&#1054;&#1063;&#1053;&#1048;&#1050; &#1055;&#1048;&#1058;&#1040;&#1053;&#1048;&#1071; 120 V DC &#1044;&#1054;&#1055;&#1054;&#1051;&#1053;&#1048;&#1058;&#1045;&#1051;&#1068;&#1053;&#1040;&#1071; &#1044;&#1045;&#1058;&#1040;&#1051;&#1068; 1 ANALOG SM322-8S TOR</LONG_DESCRIPTION>
 </DESCRIPTION>

您可以看到示例中的指令说 UTF-8，但它们已经转义了很多字符，Nokogiri 只有在我指定 ASCII 编码指令时才会转义的字符。这让我很困惑。

编辑 2：如果我不向 Nokogiri 传递编码指令，则生成的 XML 会将所有俄语字符保留在其原生西里尔字母中，但这与我需要复制的 XML 不一致。

【问题讨论】：

不，你没有。但请确保您实际上将文件编码为 UTF-8... 仅具有属性 encoding="UTF-8" 并不能做到这一点。
Esailija 提出了一个很好的观点。这里有两件事 - 声明的编码，它告诉解析器文档编码，以及用于将字符数据写入编码八位字节的编码。它们必须匹配，否则解析器使用错误的解析器并在读取数据时破坏数据。
我在我需要复制的 xml 文件中添加了一个示例，它在说明中说明了编码 UTF-8，但转义了不应转义的字符，因为它们是有效的 UTF-8。
更新后的样本仍然可能是合法的 UTF-8，但这可能是一个 hack，因为在某些时候开发其中一个系统（生产者、消费者或中间层）的人没有'无法真正理解 UTF-8，或者必须使用自认为可以但没有使用的技术。
听起来我有两个选择，告诉 xml builder UTF-8 并相信它会转义所有非 UTF-8 字符并强制不符合要求的消费系统更改，或者破解我的输出匹配旧版本，转义所有非 ascii 字符。如果我选择前者，我可能会有一场战斗。

标签： ruby xml encoding xml-parsing nokogiri

【解决方案1】：

您只需要在以下任一情况下使用字符引用来表示字符：

它在当前上下文中具有特殊含义（因此您列出的五个字符有时只需要编码）
文件编码的字符编码中不存在

ASCII 中没有很多字符，因此如果您将 XML 编码为 ASCII，您将不得不对很多字符使用字符引用。

不要将您的 XML 编码为 ASCII。 XML 的默认编码是 UTF-8，得到很好的支持。

【讨论】：

我编辑了问题以添加更多细节。我是否应该假设如果 libxml2 在我指定 UTF-8 编码指令时没有转义字符，那么它是有效的并且应该在所有 xml 解析器中都有效？
是的。（-------------------------------- StackOverflow 不喜欢简短的答案，所以我把它写得很长）