HTTP 与 Web 标准 / 系统课时
为什么文本里的符号会报错
为什么文本里的符号会报错
XML 的文本并不是任意字符都能原样写入。< 和 & 同时承担 XML 语法职责,解析器遇到它们时会优先按标签或实体引用解释。本节通过两个最常见的错误,理解为什么看似普通的业务文本会让整个文档解析失败。
学习目标
- 理解
<和&为什么不能随意出现在 XML 文本中 - 根据解析位置判断特殊字符被误当成了哪种 XML 语法
- 知道何时应该对业务文本进行转义
解析器看到的不是普通文本
XML 解析器读取文档时,需要不断判断当前位置属于标签、属性还是字符数据。< 是标签开始标记,& 是实体引用开始标记,因此它们出现在文本节点中时具有特殊含义。
例如,业务文本想表达“库存小于 10”,如果直接写成下面这样,解析器看到 < 后会尝试把后面的内容识别为 XML 标记。
xml
<message>库存 < 10</message>预期结果
text
XML 解析失败;解析器会把文本中的 < 当作标记开始,而不是普通的小于号。这里的问题不在业务含义,而在字符进入 XML 后改变了解析状态。正确写法需要把小于号表示为实体引用:
xml
<message>库存 < 10</message>预期结果
text
解析成功,message 元素的文本内容为:库存 < 10与号为什么也危险
& 用来开始实体引用。例如 < 会被解析为 <。因此,一个孤立的 & 或一个不存在的实体名称都会破坏 XML 语法。
xml
<company>R&D</company>预期结果
text
XML 解析失败;解析器会从 & 开始尝试读取实体引用,但后续内容不是合法的实体引用。正确写法是把业务文本中的与号改成 &:
xml
<company>R&D</company>预期结果
text
解析成功,company 元素的文本内容为:R&D错误发生在语法层而不是显示层
一个容易混淆的点是:转义后的 XML 源码与解析得到的文本并不相同。源码里的 <、& 是 XML 表示方式,解析器读取后会还原成 <、&,应用程序最终获得的仍然是原始业务字符。
因此,遇到“文本里加了一个符号后 XML 突然无法解析”的问题,应先检查字符是否具有 XML 语法意义,而不是怀疑字符编码或显示程序。尤其是来自用户输入、数据库字段和外部接口的动态文本,在写入 XML 前必须确保特殊字符得到正确转义。
按自己的节奏,确认真正理解。