深入解析XML中的字符实体与字符数据

深入解析XML中的字符实体与字符数据

字符实体
在我们了解字符实体之前，先了解一下什么是 XML 实体。

W3 联盟 对实体的定义：文档实体作为实体树的根元素和 XML 处理程序的起点。

这意味着实体就是 XML 中的占位符。

它们可以声明在文档序言或者DTD中。

实体有不同的类型，本章后面会讨论字符实体。

HTML 和 XML 都有一些符号被保留使用，它们不能在 XML 代码中用作内容。

例如，< 和 > 符号被用作 XML 标签的开头和结尾。

要显示这些特殊字符，就要使用字符实体。

有些特殊的字符或符号还不能直接使用键盘输入。

可以使用字符实体来显示这些符号或特殊字符。

字符实体类型
有三种类型的字符实体：

预定义的字符实体。

编码字符实体。

命名字符实体。

预定义的字符实体

引入它们是为了避免使用某些有歧义的符号。

例如，当我们把小于(<)或大于(>)符号当尖括号(<>)使用时就会产生歧义。

字符实体从根本上来说就是用来界定 XML 标签的。

下面是一个来自 XML 规范的预定义字符实体列表。

它们可以用来表示某些字符而不带歧义。

和号: &
单引号: '
大于: >
小于: <
双引号: "
数字字符实体

数字引用被用来表示字符实体。

数字引用可以是十进制或十六进制格式。

由于有数以千记的数字引用，导致很难记住它们。

数字引用通过使用字符在 Unicode 字符集中的编码数值来表示。

十进制数字引用基本语法：

XML/HTML Code复制内容到剪贴板

1. &# decimal number ;  

十六进制数字引用基本语法：

XML/HTML Code复制内容到剪贴板

1. &#x Hexadecimal number ;  

下面的表格列出了一些预定义字符实体和它们对应的数值：

实体名称 字符 十进制引用 十六进制引用 quot " &#34; &#x22; amp & &#38; &#x26; apos ' &#39; &#x27; lt &#60; &#x3C; gt > &#62; &#x3E;
命名字符实体

正如上面所说的，数值字符很难记住，最受欢迎的字符实体类型是命名字符实体。

因为每个实体都用一个名称标识。

例如：

'Aacute' 表示带重音符的大写 A 字符。

'ugrave' 表示带沉音符的小写 u。

CDATA 片段
术语 CDATA 就是字符数据。

CDATA 被定义为不由解析器解析的文本块，但它被公认为标记。

标记中预定义的实体比如 &lt;，&gt; 和 &amp; 需要手动输入并且通常难以阅读。

这种情况下就可以使用 CDATA 片段。

通过使用 CDATA 片段，我们可以告诉解析器文档的特定部分不包含标记，应该被当做普通文本对待。

语法
下面是 CDATA 片段的语法：

XML/HTML Code复制内容到剪贴板

1. <![CDATA[  
2. characters with markup  
3. ]]>  

上面的语法由三个部分组成：

CDATA 开始部分 - CDATA 以9个字符的分隔符<![CDATA[开头。

CDATA 结束部分 - CDATA 以 ]]> 分隔符结尾。

CData 部分 - 上面这两个标记之间的字符被解释为字符而不是标记。

这个部分可以包含标记字符（<，> 和 &），但是它们会被 XML 处理程序忽略。

示例

下面的标记代码展示了 CDATA。

其中写在 CDATA 片段中的字符都会被解析器忽略。

XML/HTML Code复制内容到剪贴板

1. <script>  
2. <![CDATA[   
3. <message> Welcome to TutorialsPoint </message>  
4. ]] >  
5. </script>  

在上述的语法中，<message> 和 </message> 之间的所有内容都会被当做字符数据而不是标记。

CDATA 规则
XML CDATA 需要遵循以下规则：

XML 文档任何位置的 CDATA 都不能包含 "]]>" 字符。

CDATA 片段不可以嵌套。