与HTML一样,XML为显示非ASCII码字符集中的字符提供了两种方法:字符引用和实体引用。
1、字符引用
在XML中,字符引用是一个字符文字形式的替代品,当对该字符的文字形式直接处理会导致违反XML队格式正规的要求时,它会起到非常重要的作用。
字符引用用来表示一个可显示的字符,它由十进制或十六进制的数字前面加上“”或“”,后面紧跟分号“;”组成:
NNNNNN; XXXX;
上面的字符串“NNNNNN”和“XXXX”可能是一个或多个数字,它们对应着任何XML允许的统一代码字符值。虽然在HTML中十进制数字更加通用,但XML还是偏向于使用十六进制的兴致,因为统一代码就是用十六进制进行编码。
例如,©或ũ(在浏览器中)会被显示为(c),而®或会被显示为(R)。
2、实体引用
实体引用允许在元素内容或属性值中插入任何字符串,这就是字符引用提供了一种助记的替代方式。
实体引用是一种合法的XML名字,前面带有一个符号“&”,后面跟着一个分号“;”如
&name;
有五个实体被定义为XML的固有部分,他们通常用作XML标记分隔符号的转义序列:
&
通常用来替换字符&(CDATA部分除外)
< 通常用来替换字符大于号
> 可能用来替换字符大于号>(在CDATA部分中,如果>紧跟着字符串“]]”就必须使用该实体)
'
可用来替换字符串中的单引号'
" 可用来替换字符串中的字符双引号"
除了上述的五个实体外,所有实体都必须在文档使用前予以定义(好像Java中的全局变量一样)。实体在文档的DTD中定义,DTD可以是一个被称为“外部子集”的文档外的独立对象;也可以是一个在文档本身中使用..>声明的“内部子集”。如果XML解析器发现一个未定义的实体引用,就会按照XML规范定义的那样报告一个致命错误。
例如:AT&T在支持XML的浏览器中会显示为AT&T。
实体引用还可以用作普通的文本宏(样本文件)。例如下面的文本包含了一对实体引用:
NOTE:
&Disclaimer; [per &WORX;]
当引用被替换成他们所代表的值时,它可能显示为:
NOTE:This information is
not to be used for navigation!
当然,此时我们假设这些实体已经经过定义。
如果实体的替换文本在声明时包含另一个实体引用,该引用会顺序扩展开,直到所有嵌套的引用全部解析完毕。但是,嵌套的“名称”不能够包含对自己的递归引用,不管是直接的还是间接的。
XML CDATA
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。
PCDATA
PCDATA 指的是被解析的字符数据(Parsed
Character Data)。
XML 解析器通常会解析 XML 文档中所有的文本。
当某个 XML
元素被解析时,其标签之间的文本也会被解析:
此文本也会被解析
解析器之所以这么做是因为 XML
元素可包含其他元素,就像这个例子中,其中的
元素包含着另外的两个元素(first 和 last):
BillGates
而解析器会把它分解为像这样的子元素:
Bill
Gates转义字符
非法的 XML
字符必须被替换为实体引用(entity
reference)。
假如您在 XML 文档中放置了一个类似
"
字符,那么这个文档会产生一个错误,这是因为解析器会把它解释为新元素的开始。因此你不能这样写:
if salary <
1000 then
为了避免此类错误,需要把字符 "
替换为实体引用,就像这样:
if salary
< 1000
then在 XML 中有 5
个预定义的实体引用:<大于&&和号''省略号""引号
注释:严格地讲,在 XML 中仅有字符
"
是非法的。省略号、引号和大于号是合法的,但是把它们替换为实体引用是个好的习惯。
CDATA
术语 CDATA 指的是不应由 XML
解析器进行解析的文本数据(Unparsed Character
Data)。
在 XML 元素中,"
是非法的。
"
会产生错误,因为解析器会把该字符解释为新元素的开始。
"&"
也会产生错误,因为解析器会把该字符解释为字符实体的开始。
某些文本,比如 JavaScript 代码,包含大量
"
字符。为了避免错误,可以将脚本代码定义为
CDATA。
CDATA 部分中的所有内容都会被解析器忽略。
CDATA 部分由 "
"]]>" 结束:
在上面的例子中,解析器会忽略 CDATA
部分中的所有内容。
关于 CDATA 部分的注释:
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。