XML标签中含非法字符的处理笔记

一、问题描述： 

首先，在XML中写下如下标签<sql></sql>，其中包含一个SQL ，SQL中含有小于号"<" 。

<sql>select * from t1 where dt < 1</sql>

然后提示错误信息：The content of elements must consist of well-formed character data or markup.

二、原因：

XML CDATA使用说明中说：“所有 XML 文档中的文本均会被解析器解析。只有 CDATA 区段（CDATA section）中的文本会被解析器忽略。”

因此，XML默认会将"where dt < 1" 中的"<"解析成标签的一部分（解析器会把它解释为新元素的开始），被认为是不完整的标签，提示错误。

 

三、解决方法：

1.将非法的 XML 字符替换为实体引用。

<sql>select * from t1 where dt &lt; 1</sql>

（XML 中的 5 个预定义的实体引用，如下表）

&lt;	<	小于号
&gt;	>	大于号
&amp;	&	和
&apos;	’	单引号
&quot;	"	双引号

2. 使用CDATA区段。"<![CDATA[]]>"

<sql>
    <![CDATA[
    select * from t1 where dt < 1
    ]]>
</sql>

使用CDATA的注意事项： 

CDATA 部分不能包含字符串 "]]>"。也不允许嵌套的 CDATA 部分。

标记 CDATA 部分结尾的 "]]>" 不能包含空格或折行。

注：在使用Java或Python对XML解析时，标签中增加的CDATA不影响解析代码。 

四、参考链接：

XML CDATA