Есть ли способ избежать конечного токена CDATA в xml?

Мне было интересно, есть ли способ избежать конечного токена CDATA ( ]]>) в разделе CDATA в документе xml. Или, в более общем смысле, если есть какая-то escape-последовательность для использования в CDATA (но если она существует, я думаю, что, в любом случае, имеет смысл только избегать токенов начала или конца).

В принципе, можете ли вы иметь начальный или конечный токен, встроенный в CDATA, и указать парсеру, чтобы он не интерпретировал его, а обрабатывал его как просто другую последовательность символов.

Возможно, вам следует просто провести рефакторинг своей xml-структуры или кода, если вы обнаружите, что пытаетесь это сделать, но хотя я работал с xml ежедневно в течение последних 3 лет или около того, и у меня никогда не было этой проблемы, Мне было интересно, возможно ли это. Просто из любопытства.

Редактировать:

Кроме использования кодировки html ...

Ясно, что это чисто академический вопрос. К счастью, на него есть однозначный ответ.

Вы не можете избежать конечной последовательности CDATA. Правило производства 20 спецификации XML довольно ясно:

[20]    CData      ::=      (Char* - (Char* ']]>' Char*))

РЕДАКТИРОВАТЬ: Это правило продукта буквально означает «Раздел CData может содержать все, что вы хотите, НО последовательность ']]>'. Без исключения.».

EDIT2: в этом же разделе также говорится:

В разделе CDATA только строка CDEnd распознается как разметка, поэтому левые угловые скобки и амперсанды могут встречаться в их буквальной форме; их не нужно (и нельзя) экранировать с помощью " <" и " &". Разделы CDATA не могут быть вложенными.

Другими словами, невозможно использовать ссылку на сущность, разметку или любую другую форму интерпретируемого синтаксиса. Единственный анализируемый текст внутри раздела CDATA - это ]]>, и он завершает раздел.

Следовательно, невозможно выйти ]]>из раздела CDATA.

EDIT3: в том же разделе также говорится:

2.7 Разделы CDATA

[Определение: секции CDATA могут встречаться везде, где могут встречаться символьные данные; они используются для экранирования блоков текста, содержащих символы, которые иначе были бы распознаны как разметка. Разделы CDATA начинаются строкой "<! [CDATA [" и заканчиваются строкой "]]>":]

Затем может быть раздел CDATA везде, где могут встречаться символьные данные, включая несколько смежных разделов CDATA вместо одного раздела CDATA. Это позволяет разделить ]]>токен и поместить две его части в соседние разделы CDATA.

например:

<![CDATA[Certain tokens like ]]> can be difficult and <invalid>]]> 

следует записать как

<![CDATA[Certain tokens like ]]]]><![CDATA[> can be difficult and <valid>]]> 

Вы должны разбить свои данные на части, чтобы скрыть расширение ]]>.

Вот и все:

<![CDATA[]]]]><![CDATA[>]]>

Первый <![CDATA[]]]]>имеет расширение ]]. Второй <![CDATA[>]]>имеет расширение >.

Вы не избегаете, ]]>но вы избегаете >после ]], вставляя ]]><![CDATA[перед >, думайте об этом так же, как \в строке C / Java / PHP / Perl, но необходимо только до >и после ]].

КСТАТИ,

Ответ С.Лотта такой же, только в другой формулировке.

Ответ С. Лотта правильный: вы не кодируете конечный тег, вы разбиваете его на несколько разделов CDATA.

Как решить эту проблему в реальном мире: используя редактор XML для создания XML-документа, который будет загружен в систему управления контентом, попробуйте написать статью о разделах CDATA. Ваш обычный трюк с встраиванием примеров кода в раздел CDATA здесь не поможет. Вы можете себе представить, как я это узнал.

Но в большинстве случаев вы не столкнетесь с этим, и вот почему: если вы хотите сохранить (скажем) текст XML-документа как содержимое элемента XML, вы, вероятно, будете использовать метод DOM, например:

XmlElement elm = doc.CreateElement("foo");
elm.InnerText = "<[CDATA[[Is this a problem?]]>";

И DOM вполне разумно избегает <и>, что означает, что вы случайно не встроили раздел CDATA в свой документ.

Ах да, это интересно:

XmlDocument doc = new XmlDocument();

XmlElement elm = doc.CreateElement("doc");
doc.AppendChild(elm);

string data = "<![[CDATA[This is an embedded CDATA section]]>";
XmlCDataSection cdata = doc.CreateCDataSection(data);
elm.AppendChild(cdata);

Вероятно, это идеосинкразия .NET DOM, но это не вызывает исключения. Здесь возникает исключение:

Console.Write(doc.OuterXml);

Я предполагаю, что под капотом происходит то, что XmlDocument использует XmlWriter для вывода, а XmlWriter проверяет правильность формата при записи.

просто замените ]]>на]]]]><![CDATA[>

Вот еще один случай, от которого ]]>нужно убежать. Предположим, нам нужно сохранить совершенно корректный HTML-документ внутри блока CDATA XML-документа, а источник HTML имеет собственный блок CDATA. Например:

<htmlSource><![CDATA[ 
    ... html ...
    <script type="text/javascript">
        /* <![CDATA[ */
        -- some working javascript --
        /* ]]> */
    </script>
    ... html ...
]]></htmlSource>

закомментированный суффикс CDATA необходимо изменить на:

        /* ]]]]><![CDATA[> *//

поскольку синтаксический анализатор XML не будет знать, как обрабатывать блоки комментариев javascript

В PHP: '<![CDATA['.implode(explode(']]>', $string), ']]]]><![CDATA[>').']]>'

Более чистый способ в PHP:

   function safeCData($string)
   {
      return '<![CDATA[' . str_replace(']]>', ']]]]><![CDATA[>', $string) . ']]>';
   }

Не забудьте при необходимости использовать многобайтовый str_replace (не latin1 $string):

   function mb_str_replace($search, $replace, $subject, &$count = 0)
   {
      if (!is_array($subject))
      {
         $searches = is_array($search) ? array_values($search) : array ($search);
         $replacements = is_array($replace) ? array_values($replace) : array ($replace);
         $replacements = array_pad($replacements, count($searches), '');
         foreach ($searches as $key => $search)
         {
            $parts = mb_split(preg_quote($search), $subject);
            $count += count($parts) - 1;
            $subject = implode($replacements[$key], $parts);
         }
      }
      else
      {
         foreach ($subject as $key => $value)
         {
            $subject[$key] = mb_str_replace($search, $replace, $value, $count);
         }
      }
      return $subject;
   }

Я не думаю, что прерывание CDATA - хороший выход. Вот моя альтернатива ...

Используйте ]для escape-последовательности, за которой следует шестнадцатеричное значение вашего символа. Как в &#xhhhh;=>]<unicode value>;

Таким образом, если вы попытаетесь записать ]]>код, fn выдаст, ]005D;]005D;]003E;что нормально для CDATA.

Это лучше, чем экранирование по имени сущности, потому что они не декодируются каждый раз в вашем приложении, и у вас могут быть разные приоритеты для экранирования сущностей с амперсандом по сравнению с экранированием некоторых других символов / последовательностей. В результате у вас больше контроля над содержимым CDATA.

См. Эту структуру:

<![CDATA[
   <![CDATA[
      <div>Hello World</div>
   ]]]]><![CDATA[>
]]>

Для внутреннего тега (ов) CDATA вы должны закрыть ]]]]><![CDATA[>вместо ]]>. Просто как тот.