为啥必须在 XML 属性中转义 <？

Posted 2023-02-16

【中文标题】为啥必须在 XML 属性中转义 <？

【英文标题】：Why must < be escaped in an XML attribute?为什么必须在 XML 属性中转义 <？

【发布时间】：2021-12-20 05:51:23

【问题描述】：

我有点想知道为什么< 必须在 XML 属性中转义，例如

<foo bar="3 < 4" />

从周围（标签内部，属性值内部）来看，解析器应该很清楚它不能是新标签的开始。

XML 规范禁止这样做的原因是什么？

【参考方案1】：

小于字符 (<) must 确实是属性值内的escaped：

格式良好的约束：属性值中没有<

直接或间接引用的任何实体的替换文本 在属性值（“<”除外）中不得包含<。

为什么？

如您所见，可以明确解析包含< 的属性值。然而，动机是使 XML 的解析规则尽可能简单......

据 XML 1.0 W3C 推荐标准的编辑之一、The Annotated XML Specification 的作者 Tim Bray 所说，它抓住了 XML 设计决策背后的一些基本原理：

消除<

从表面上看，这条规则可能看起来有点不必要 其中。由于属性值中不能有标签，所以有一个

这是让DPH 的生活更轻松的又一次尝试。 XML 中的规则 很简单：当你在阅读文本时，你点击了<，那就是 标记分隔符。不只是有时，总是。当你想要一个在 数据，你必须使用<。不只是有时，总是。在属性中 价值观。

这条规则还有另一个意想不到的有益副作用；它使 捕获某些错误要容易得多。假设你有一大块 XML如下：

<a href="notes.html> <img src='notes.gif'></a>

请注意，notes.html 缺少结束引号。没有 no-< 规则，很难检测到这个问题并且 发出合理的错误信息。由于属性值可以包含 几乎任何东西，在处理器发现之前不会检测到错误 下一个引号。相反，您首先会收到一条错误消息 您点击< 的时间，在上面的示例中，在许多情况下，它是 几乎立即。

Back-link to spec

【讨论】：

Tim Bray 的理由相当忽视了 < 在 cmets 和处理指令的内容中被允许的事实......

@MichaelKay ... 以及> 是 允许的，这也使 DPH 的生活复杂化。但是一个不太好的理由仍然是一个理由，这句话似乎为“什么是原因”这个问题提供了一个客观的答案，而不是更主观的问题“应该排除< 吗？”，我不知道'认为在 SO 的职权范围内无法回答。

【参考方案2】：

我不确切知道，但在许多情况下，解释是与 SGML 兼容。 XML 被设计为 SGML 的子集，因此不允许 SGML 不允许的事情。

【讨论】：

但是 SGML 允许在 CDATA 类型的属性值中使用任意字符（终止引号除外）。 PCDATA 不是属性格式之一。 （别问为什么我的书架上还有一本 SGML 手册。）