有没有办法在 xml 中转义 CDATA 结束令牌？

Question

我想知道是否有任何方法可以在 xml 文档的 CDATA 部分中转义 CDATA 结束令牌 (]]>)。或者，更一般地说，如果在 CDATA 中使用了一些转义序列（但如果它存在，我想它可能只对转义开始或结束标记有意义，无论如何）。

基本上，您能否在 CDATA 中嵌入开始或结束标记，并告诉解析器不要对其进行解释，而是将其视为另一个字符序列。

也许，如果您发现自己尝试这样做，您应该重构您的 xml 结构或代码，但即使过去 3 年左右我每天都在使用 xml，而且我从来没有这个问题，我想知道是否可能。只是出于好奇。

编辑：

除了使用 html 编码...

Answer 1

显然，这个问题纯粹是学术性的。幸运的是，它有一个非常确定的答案。

您不能转义 CDATA 结束序列。 XMLspecification的生产规则20很清楚：

[20]    CData      ::=      (Char* - (Char* ']]>' Char*))

编辑：此产品规则的字面意思是“CData 部分可能包含您想要的任何内容，但序列 ']]>'。没有例外。”。

EDIT2：same section 还写着：

在 CDATA 部分中，只有 CDEnd 字符串被识别为标记，因此左尖括号和 & 符号可能以其文字形式出现；它们不需要（也不能）使用“<”和“&”进行转义。 CDATA 部分不能嵌套。

换句话说，不能使用实体引用、标记或任何其他形式的解释语法。 CDATA 部分中唯一解析的文本是]]>，它终止了该部分。

因此，无法在 CDATA 部分中转义 ]]>。

EDIT3：same section 还写着：

2.7 CDATA 部分

[定义：CDATA 段可能出现在字符数据可能出现的任何地方；它们用于转义包含字符的文本块，否则这些字符会被识别为标记。 CDATA 部分以字符串 "":]

结尾

然后，在任何可能出现字符数据的地方都可能存在一个 CDATA 节，包括多个相邻的 CDATA 节，而不是单个 CDATA 节。这样就可以拆分 ]]> 令牌并将其两部分放在相邻的 CDATA 部分中。

例如：

<![CDATA[Certain tokens like ]]> can be difficult and <invalid>]]> 

应该写成

<![CDATA[Certain tokens like ]]]]><![CDATA[> can be difficult and <valid>]]> 

Answer 2

只需将]]> 替换为]]]]><![CDATA[>

Answer 3

你必须将你的数据分成几部分来隐藏]]>。

这是全部内容：

<![CDATA[]]]]><![CDATA[>]]>

第一个<![CDATA[]]]]> 具有]]。第二个<![CDATA[>]]> 有>。

Answer 4

您不会转义]]>，而是通过在> 之前插入]]><![CDATA[ 在]] 之后转义>，就像C/Java/PHP/Perl 中的\ 一样字符串，但只需要在 > 之前和 ]] 之后。

顺便说一句，

S.Lott 的回答与此相同，只是措辞不同。

Answer 5

一种更简洁的 PHP 方式：

   function safeCData($string)
   {
      return '<![CDATA[' . str_replace(']]>', ']]]]><![CDATA[>', $string) . ']]>';
   }

如果需要，不要忘记使用多字节安全的 str_replace（非 latin1 $string）：

   function mb_str_replace($search, $replace, $subject, &$count = 0)
   {
      if (!is_array($subject))
      {
         $searches = is_array($search) ? array_values($search) : array ($search);
         $replacements = is_array($replace) ? array_values($replace) : array ($replace);
         $replacements = array_pad($replacements, count($searches), '');
         foreach ($searches as $key => $search)
         {
            $parts = mb_split(preg_quote($search), $subject);
            $count += count($parts) - 1;
            $subject = implode($replacements[$key], $parts);
         }
      }
      else
      {
         foreach ($subject as $key => $value)
         {
            $subject[$key] = mb_str_replace($search, $replace, $value, $count);
         }
      }
      return $subject;
   }

Answer 6

查看这个结构：

<![CDATA[
   <![CDATA[
      <div>Hello World</div>
   ]]]]><![CDATA[>
]]>

对于内部 CDATA 标记，您必须使用 ]]]]><![CDATA[> 而不是 ]]> 关闭。就这么简单。

Answer 7

S。 Lott 的回答是对的：您不对结束标签进行编码，而是将其拆分为多个 CDATA 部分。

如何在现实世界中解决这个问题：使用 XML 编辑器创建一个将输入内容管理系统的 XML 文档，尝试写一篇关于 CDATA 部分的文章。您在 CDATA 部分中嵌入代码示例的普通技巧将在这里失败。你可以想象我是如何学会这一点的。

但在大多数情况下，您不会遇到这种情况，原因如下：如果您想将 XML 文档的文本存储（例如）为 XML 元素的内容，您可能会使用 DOM 方法，例如：

XmlElement elm = doc.CreateElement("foo");
elm.InnerText = "<[CDATA[[Is this a problem?]]>";

并且 DOM 相当合理地转义了 ，这意味着您没有无意中在文档中嵌入了 CDATA 部分。

哦，这很有趣：

XmlDocument doc = new XmlDocument();

XmlElement elm = doc.CreateElement("doc");
doc.AppendChild(elm);

string data = "<![[CDATA[This is an embedded CDATA section]]>";
XmlCDataSection cdata = doc.CreateCDataSection(data);
elm.AppendChild(cdata);

这可能是 .NET DOM 的一种理念，但这不会引发异常。此处抛出异常：

Console.Write(doc.OuterXml);

我猜想底层发生的事情是 XmlDocument 正在使用 XmlWriter 生成其输出，并且 XmlWriter 在写入时检查格式是否正确。

Answer 8

这是另一个需要转义]]> 的情况。假设我们需要在 XML 文档的 CDATA 块中保存一个完全有效的 HTML 文档，而 HTML 源代码恰好有它自己的 CDATA 块。例如：

<htmlSource><![CDATA[ 
    ... html ...
    <script type="text/javascript">
        /* <![CDATA[ */
        -- some working javascript --
        /* ]]> */
    </script>
    ... html ...
]]></htmlSource>

注释的CDATA后缀需要改成：

        /* ]]]]><![CDATA[> *//

因为 XML 解析器不知道如何处理 javascript 注释块

Answer 9

在 PHP 中：'<![CDATA['.implode(explode(']]>', $string), ']]]]><![CDATA[>').']]>'