XML 属性中允许使用哪些字符？

Posted 2023-02-24

【中文标题】XML 属性中允许使用哪些字符？

【英文标题】：Which characters are permitted in XML attributes?

【发布时间】：2013-11-15 00:13:40

【问题描述】：

在specification by W3c 中，我似乎无法找到允许出现在 XML 文档的属性值中的字符集的定义。

和元素的文本内容一样吗？ 或者它只是一个子集（不包括例如 \n）？

请引用规范中回答我问题的部分。

【问题讨论】：

看看Attribute 和AttValue 的作品，你应该有答案。

相关问题：Are line breaks in XML attribute values valid?

【参考方案1】：

Section 2.3 定义了常见的句法结构。特别是有一个AttValue 规则：

AttValue       ::=      '"' ([^<&"] | Reference)* '"'
                     |  "'" ([^<&'] | Reference)* "'"

【参考方案2】：

XML 属性允许 character data（又名 CDATA）。请参阅“字符串类型”下的formal definition of attribute types。

从根本上说，必须区分 XML 源（即，它会出现在文本编辑器中）和 DOM（即，它会存在于内存中，在解析 XML 源之后）。

属性可以在 XML 源中包含文字换行符 (\n)，如下所示：

<elem attr="a
linebreak">

但是这样的换行符会在 XML 解析过程中被转换成一个空格。这称为attribute-value normalization。

为了在解析后获得换行符，它必须在 XML 源中编码为
 或等效的
。

通常，当您操作文档并保存它时，DOM API 会为您执行此操作。不幸的是there are non-compliant APIs 没有正确编码属性值中的换行符。这些 API 无法保留换行符。

制表符 (\t) 也会发生同样的情况。它可能存在于 XML 源代码中，但在解析时会被规范化为单个空格。为防止它必须被编码为	 或	。

底线：如果您通过 API 与 XML 文档进行交互（您应该这样做！），所有这些细节都会为您处理好，除非 API 被破坏了。

---

为了完整起见：由于一个相当短视的 (IMHO) 决定，在 XML 源代码的属性中允许使用文字 > 字符。只有文字 < 被禁止：

<elem attr="this > that" />  <!-- legal syntax -->
<elem attr="this < that" />  <!-- syntax error -->

我建议不要使用这种怪癖。无论如何，大多数 API 都会插入转义形式 >：

<elem attr="this &gt; that" />
<elem attr="this &lt; that" />

【讨论】：

感谢您的出色回答。关于 字符 - 我相信你有一个错字。根据规范，是允许的。

@Dušan 当然，我记错了。谢谢指点，已经解决了。

【参考方案3】：

http://www.w3.org/TR/xml/#NT-AttValue 是您正在寻找的产品，本质上它表示属性值可以包含除小于号、与号（有效字符或实体引用的一部分除外）或使用的引号字符之外的任何字符围绕值（单引号属性可以包含双引号，双引号属性可以包含单引号，反之则不行）。

正如 Tomalak 所说，换行符是允许的，但解析器不会将它们报告为换行符。

【讨论】：

换行符在编码形式时会被报告。这是因为字符实体扩展发生在规范化之后。

@Tomalak 我同意，但我认为这个问题是关于具体语法而不是抽象信息集。

这更像是一种“附加信息”类型的评论，而不是更正。 :)