Каковы HTML и XML, специальные символы?
Каковы специальные зарезервированные объекты символов в HTML и XML?
Информация, которую я знаю:
HTML:
-
& (замените на &)
-
< (заменить на <)
-
> (заменить на >)
-
" (замените на ")
-
' (заменить на ')
XML:
-
< (заменить на <)
-
> (заменить на >)
-
& (замените на &)
-
' (замените на ')
-
" (замените на ")
Но я не могу найти документацию ни на одном из них.
В W3C упоминается в Extensible Markup Language (XML) 1.0 (пятое издание) определенные предопределенные ссылки на сущности. Но он говорит, что эти сущности предопределены (так же, как © предопределено); не то, чтобы они были экранированы:
[Определение: ссылки на объекты и символы могут использоваться как вывести левую угловую скобку, амперсанд и другие разделители. Множество общих объектов (amp, lt, gt, apos, quot) указывается для этого цель. Также могут использоваться числовые ссылки на символы; они есть расширяется сразу после распознавания и должен рассматриваться как символ данных, поэтому числовые ссылки на символы "& # 60;" и "& # 38;" могут чтобы избежать < и когда они встречаются в символьных данных.]
Какие символы должны скрываться в ссылках на сущности в HTML?
Какие символы должны скрываться в ссылках на сущности в XML?
Обновление
От Расширяемый язык разметки (XML) 1.0 (пятое издание):
Символ амперсанда (&) и левая угловая скобка (<) не должныпоявляются в их буквальной форме, за исключением случаев, когда они используются в качестве разделителей разметки, или в комментарии, инструкции обработки или секции CDATA.
Если они необходимы в другом месте, они должны быть экранированы с использованием либо числовых символьные ссылки или строки "&" и "<" соответственно.
Прямоугольная скобка (>) может быть представлена с помощью строка ">" и должна, для совместимости, экранировать ">" или символьная ссылка, когда она появляется в строке "]]>" в содержании, когда эта строка не маркирует конец CDATA раздел.
Чтобы разрешить значения атрибутов содержать одиночные и двойные кавычки, апостроф или символ с одной кавычкой (') могут быть представлены как "'", а символ двойной кавычки (") как """.
я прочитал первое, сказав, что
должен быть:
-
< (<) должен быть
-
& (&) должен быть
может, но должен при появлении ]]>
-
> (>) должен быть, если он выглядит как ]]>
И что ' и " вообще не нужно избегать; если вы не хотите иметь кавычки внутри указанных атрибутов.
Из Спецификация HTML 4.01, представление HTML-документа:
Авторы, желающие поместить символ "<" в текст, должны использовать "<" (ASCII десятичный 60), чтобы избежать возможной путаницы с началом тег (открытый разделитель открытого тега).
Аналогичным образом авторы должны использовать ">" (ASCII decimal 62) в тексте вместо ">", чтобы избежать проблем с более старыми пользовательские агенты, которые неправильно воспринимают это как конец тега (тег close delimiter), когда он отображается в значениях кавычек.
Авторы должны использовать "&" (ASCII-децимал 38) вместо "&", чтобы избежать путаница с началом ссылки на символ (объект ссылочный открытый разделитель). Авторы также должны использовать "&" в значения атрибутов, поскольку в CDATA допускаются ссылки на символы значения атрибутов.
Некоторые авторы используют ссылку на символ символа """ для кодирования экземпляры метки двойной кавычки ("), поскольку этот символ может быть используется для разграничения значений атрибутов.
HTML намного более правдоподобный по правилам, но звучит так, как будто я должен:
-
< должен быть с <
-
> должен быть с >
-
& должен быть с &
-
" должен быть с "
и если " может быть ссылкой на сущность, я также должен заменить ' на &.
Обновить два
Из HTML5 - Словарь и связанные с ним API для HTML и XHTML:
Экранирование строки (для целей вышеописанного алгоритма) состоит выполнения следующих шагов:
Заменить любое появление символа "&" строкой "&".
Заменить любые вхождения символа U + 00A0 NO-BREAK SPACE string " ".
Если алгоритм был вызван в режиме атрибута, замените любой вхождения символа """ по строке """.
Если алгоритм не был вызван в режиме атрибута, замените любой вхождения символа "<" по строке "<" , а любая вхождения символа ">" по строке ">".
Что я читаю как HTML:
-
& & всегда
-
всегда
-
" ", если внутри атрибута
-
< <, если в атрибуте не (т.е. атрибуты могут содержать <)
-
> >, если в атрибуте не (т.е. атрибуты могут содержать >)
Ответы
Ответ 1
Во-первых, вы сравниваете спецификацию HTML 4.01 с HTML 5 шт.. HTML5 тесно связан с XML, чем HTML 4.01 (что почему мы имеем XHTML), поэтому этот ответ будет придерживаться HTML 5 и XML.
Ваши цитируемые ссылки согласуются в следующих пунктах:
-
< всегда должен быть представлен <, когда не указывается инструкция обработки
-
> всегда должен быть представлен >, если не указывается инструкция обработки
-
& всегда должен быть представлен &
- кроме, если в
<![CDATA[ ]]> (что относится только к XML)
Я согласен с этим на 100%. Вы никогда не хотите, чтобы синтаксический анализатор брал литералы для получения инструкций, поэтому он всегда должен кодировать любой символ без пробела (см. Ниже). Хорошие парсеры знают, что все, что содержится в <![CDATA[ ]]>, не является инструкциями, поэтому кодировка там не нужна.
На практике я никогда не кодирую ' или ", если
- он отображается внутри значения атрибута (XML или HTML)
- он появляется в тексте тегов XML. (
<tag>"Yoinks!", he said.</tag>)
Обе спецификации также согласны с этим.
Итак, единственная точка раздора -
