深入理解XML中的字符实体与字符数据

这篇文章主要介绍了XML中的字符实体与字符数据,文中所说的CDATA片段即是指字符数据即不由解析器解析的文本块,需要的朋友可以参考下

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：

&# decimal number ;

十六进制数字引用基本语法：

&#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		"	"
amp	&	&	&
apos	'	'	'
lt		<	<
gt	>	>	>

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：

<![CDATA[
characters with markup
]]>

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。

<script>
<![CDATA[   
<message> Welcome to TutorialsPoint </message>
]] >
</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。