Quali caratteri devono essere salvati nei documenti XML o dove posso trovare un simile elenco?

Se usi una classe o una biblioteca appropriate, queste faranno la fuga per te. Molti problemi XML sono causati dalla concatenazione di stringhe.

Caratteri di escape XML

Ce ne sono solo cinque:

"   "
'   '
<   &lt;
>   &gt;
&   &amp;

I caratteri di escape dipendono da dove viene utilizzato il personaggio speciale.

Gli esempi possono essere convalidati presso il servizio di convalida markup W3C .

Testo

Il modo sicuro è di sfuggire a tutti e cinque i caratteri nel testo. Tuttavia, i tre personaggi ", 'e >non devono essere sfuggiti nel testo:

<?xml version="1.0"?>
<valid>"'></valid>

attributi

Il modo sicuro è sfuggire a tutti e cinque i caratteri negli attributi. Tuttavia, il >personaggio non deve essere sfuggito agli attributi:

<?xml version="1.0"?>
<valid attribute=">"/>

Non è 'necessario sfuggire al personaggio negli attributi se le virgolette sono ":

<?xml version="1.0"?>
<valid attribute="'"/>

Allo stesso modo, "non è necessario sfuggire agli attributi se le virgolette sono ':

<?xml version="1.0"?>
<valid attribute='"'/>

Commenti

Tutti e cinque i caratteri speciali non devono essere esclusi nei commenti:

<?xml version="1.0"?>
<valid>
<!-- "'<>& -->
</valid>

CDATA

Tutti e cinque i caratteri speciali non devono essere salvati nelle sezioni CDATA :

<?xml version="1.0"?>
<valid>
<![CDATA["'<>&]]>
</valid>

Istruzioni di elaborazione

Tutti e cinque i caratteri speciali non devono essere sottoposti a escape nelle istruzioni di elaborazione XML:

<?xml version="1.0"?>
<?process <"'&> ?>
<valid/>

XML vs. HTML

HTML ha una propria serie di codici di escape che coprono molti più caratteri.

Forse questo aiuterà:

Elenco dei riferimenti alle entità di caratteri XML e HTML :

Nei documenti SGML, HTML e XML, i costrutti logici noti come dati di carattere e valori di attributo sono costituiti da sequenze di caratteri, in cui ogni personaggio può manifestarsi direttamente (rappresentandosi), oppure può essere rappresentato da una serie di caratteri denominati riferimenti a caratteri, di cui esistono due tipi: un riferimento di carattere numerico e un riferimento di entità di carattere. Questo articolo elenca i riferimenti alle entità carattere validi nei documenti HTML e XML.

Quell'articolo elenca le seguenti cinque entità XML predefinite:

quot  "
amp   &
apos  '
lt    <
gt    >

Secondo le specifiche del World Wide Web Consortium (w3C), ci sono 5 caratteri che non devono apparire nella loro forma letterale in un documento XML , tranne quando usati come delimitatori di markup o all'interno di un commento, un'istruzione di elaborazione o una sezione CDATA . In tutti gli altri casi, questi caratteri devono essere sostituiti utilizzando l'entità corrispondente o il riferimento numerico secondo la seguente tabella:

Original CharacterXML entity replacementXML numeric replacement
<                              &lt;                                    &#60;                                    
>                              &gt;                                   &#62;                                    
"                               &quot;                               &#34;                                    
&                              &amp;                               &#38;                                    
'                               &apos;                               &#39;                                    

Nota che le suddette entità possono essere usate anche in HTML, ad eccezione di & apos; , che è stato introdotto con XHTML 1.0 e non è dichiarato in HTML 4. Per questo motivo e per garantire la retrocompatibilità, la specifica XHTML raccomanda l'uso di & # 39; anziché.

I caratteri di escape sono diversi per tag e attributi.

Per i tag:

 < &lt;
 > &gt; (only for compatibility, read below)
 & &amp;

Per attributi:

" "
' '

Da Dati carattere e Markup :

Il carattere e commerciale (&) e la parentesi angolare sinistra (<) non devono apparire nella loro forma letterale, tranne quando utilizzati come delimitatori di markup o all'interno di un commento, un'istruzione di elaborazione o una sezione CDATA. Se sono necessari altrove, devono essere salvati utilizzando rispettivamente i riferimenti ai caratteri numerici o le stringhe "& amp;" e "& lt;". La parentesi ad angolo retto (>) può essere rappresentata usando la stringa "& gt;" e, per compatibilità, deve essere sfuggita usando "& gt;" o un riferimento di carattere quando appare nella stringa "]]>" nel contenuto, quando quella stringa non segna la fine di una sezione CDATA.

Per consentire ai valori di attributo di contenere virgolette singole e doppie, l'apostrofo o il carattere a virgoletta singola (') può essere rappresentato come "& apos;" e il carattere di virgoletta doppia (") come" & quot; ".

^{Nuova risposta semplificata a una vecchia domanda comune ...}

Escaping XML semplificato _{^{(priorità, completo al 100%)}}

1. Sempre _{^{(importante al 90% da ricordare)}}

   • Scappa <come <se non <stia iniziando a <tag/>.
   • Fuga &come &se non &stia iniziando un &entity;.

2. Valori di attributo _{^{(9% importante da ricordare)}}

   • attr=" 'Le virgolette singole 'vanno bene tra virgolette doppie."
   • attr=' "Le virgolette doppie "vanno bene tra virgolette singole.'
   • Fuga "come "e 'come 'altrimenti.

3. Commenti , CDATA e istruzioni di elaborazione _{^{(0,9% importante da ricordare)}}

   • <!--Nei commenti --> non deve essere evitato nulla, ma non --sono consentite stringhe.
   • <![CDATA[ Entro CDATA ]]> non deve essere evitato nulla, ma non ]]>sono consentite stringhe.
   • <?PITargetAll'interno dei PI ?> nulla deve essere evitato, ma non ?>sono consentite stringhe.

4. Esoterica _{^{(0,1% importante da ricordare)}}

   • Scappa ]]>come ]]>se non ]]>stia terminando una sezione CDATA.
     _{^{(Questa regola si applica ai dati dei personaggi in generale, anche al di fuori di una sezione CDATA.)}}

Oltre ai cinque caratteri comunemente noti [<,>, &, "e '], vorrei anche sfuggire al carattere di tabulazione verticale (0x0B). È UTF-8 valido, ma non XML 1.0 valido e anche molte librerie (inclusa la libreria altamente portatile (ANSI C) libxml2 ) manca e restituisce silenziosamente XML non valido.

Estratto da: XML, Escaping

Esistono cinque entità predefinite:

&lt; represents "<"
&gt; represents ">"
&amp; represents "&"
&apos; represents '
&quot; represents "

"Tutti i caratteri Unicode consentiti possono essere rappresentati con un riferimento di carattere numerico." Per esempio:

中

La maggior parte dei caratteri di controllo e altri intervalli Unicode sono specificamente esclusi, il che significa (penso) che non possono verificarsi né in escape né in diretti:

Caratteri validi in XML

Dipende dal contesto. Per il contenuto, è < e & , e ]]> (sebbene una stringa di tre anziché un carattere).

Per i valori degli attributi, è < , & , " e ' .

Per CDATA, è ]]> .

Solo <e &devono essere evitati se devono essere trattati i dati dei personaggi e non il markup:

2.4 Dati carattere e marcatura