Gibt es eine Möglichkeit, ein CDATA-End-Token in XML zu umgehen?

Ich habe mich gefragt, ob es eine Möglichkeit gibt, ein CDATA-End-Token ( ]]>) in einem CDATA-Abschnitt in einem XML-Dokument zu umgehen. Oder allgemeiner, wenn es eine Escape-Sequenz für die Verwendung innerhalb einer CDATA gibt (aber wenn sie existiert, wäre es wahrscheinlich nur sinnvoll, Anfangs- oder End-Token zu maskieren).

Grundsätzlich können Sie ein Start- oder End-Token in eine CDATA einbetten und den Parser anweisen, es nicht zu interpretieren, sondern es nur als eine andere Zeichenfolge zu behandeln.

Wahrscheinlich sollten Sie einfach Ihre XML-Struktur oder Ihren Code umgestalten, wenn Sie dies versuchen, aber obwohl ich in den letzten 3 Jahren täglich mit XML gearbeitet habe und dieses Problem nie hatte, Ich habe mich gefragt, ob es möglich ist. Nur aus Neugier.

Bearbeiten:

Anders als die Verwendung von HTML-Codierung ...

Diese Frage ist eindeutig rein akademisch. Zum Glück hat es eine sehr eindeutige Antwort.

Sie können einer CDATA-Endsequenz nicht entkommen. Die Produktionsregel 20 der XML- Spezifikation ist ganz klar:

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

BEARBEITEN: Diese Produktregel bedeutet wörtlich "Ein CData-Abschnitt kann alles enthalten, was Sie wollen, ABER die Sequenz ']]>'. Keine Ausnahme.".

EDIT2: Der gleiche Abschnitt lautet auch:

Innerhalb eines CDATA-Abschnitts wird nur die CDEnd-Zeichenfolge als Markup erkannt, sodass linke spitze Klammern und kaufmännisches Und in ihrer wörtlichen Form auftreten können. Sie müssen (und können) nicht mit " <" und " &" maskiert werden . CDATA-Abschnitte können nicht verschachtelt werden.

Mit anderen Worten, es ist nicht möglich, Entitätsreferenzen, Markups oder andere Formen der interpretierten Syntax zu verwenden. Der einzige analysierte Text in einem CDATA-Abschnitt ist ]]>und beendet den Abschnitt.

Daher ist es nicht möglich, ]]>innerhalb eines CDATA-Abschnitts zu entkommen .

EDIT3: Der gleiche Abschnitt lautet auch:

2.7 CDATA-Abschnitte

[Definition: CDATA-Abschnitte können überall dort auftreten, wo Zeichendaten auftreten können. Sie werden verwendet, um Textblöcke zu umgehen, die Zeichen enthalten, die andernfalls als Markup erkannt würden. CDATA-Abschnitte beginnen mit der Zeichenfolge "<! [CDATA [" und enden mit der Zeichenfolge "]]>":]

Dann kann es überall dort, wo Zeichendaten auftreten können, einen CDATA-Abschnitt geben, einschließlich mehrerer benachbarter CDATA-Abschnitte anstelle eines einzelnen CDATA-Abschnitts. Auf diese Weise kann das ]]>Token aufgeteilt und die beiden Teile in benachbarte CDATA-Abschnitte eingefügt werden.

Ex:

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

sollte geschrieben werden als

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

Sie müssen Ihre Daten in Teile zerlegen, um das zu verbergen ]]>.

Hier ist das Ganze:

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

Der erste <![CDATA[]]]]>hat die ]]. Der zweite <![CDATA[>]]>hat die >.

Sie haben nicht die entkommen , ]]>aber sie die entkommen , >nachdem ]]durch das Einfügen ]]><![CDATA[vor dem >, denken Sie an diesen ebenso wie ein \in C / Java / PHP / Perl - String , sondern nur vor einem benötigt >und nach einem ]].

Übrigens,

Die Antwort von S.Lott ist dieselbe, nur anders formuliert.

Die Antwort von S. Lott ist richtig: Sie codieren das End-Tag nicht, sondern teilen es in mehrere CDATA-Abschnitte auf.

So begegnen Sie diesem Problem in der realen Welt: Erstellen Sie mithilfe eines XML-Editors ein XML-Dokument, das in ein Content-Management-System eingespeist wird, und schreiben Sie einen Artikel über CDATA-Abschnitte. Ihr gewöhnlicher Trick, Codebeispiele in einen CDATA-Abschnitt einzubetten, schlägt hier fehl. Sie können sich vorstellen, wie ich das gelernt habe.

In den meisten Fällen tritt dies jedoch nicht auf, und hier ist der Grund: Wenn Sie den Text eines XML-Dokuments als Inhalt eines XML-Elements speichern (z. B.) möchten, verwenden Sie wahrscheinlich eine DOM-Methode, z.

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

Und das DOM entgeht dem <und> dem vernünftigerweise, was bedeutet, dass Sie nicht versehentlich einen CDATA-Abschnitt in Ihr Dokument eingebettet haben.

Oh, und das ist interessant:

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);

Dies ist wahrscheinlich eine Ideosynkrasie des .NET-DOM, aber das löst keine Ausnahme aus. Die Ausnahme wird hier ausgelöst:

Console.Write(doc.OuterXml);

Ich würde vermuten, dass unter der Haube passiert, dass das XmlDocument einen XmlWriter verwendet, um seine Ausgabe zu erzeugen, und der XmlWriter beim Schreiben auf Wohlgeformtheit prüft.

ersetzen Sie einfach ]]>mit]]]]><![CDATA[>

Hier ist ein weiterer Fall, in dem ]]>entkommen muss. Angenommen, wir müssen ein perfekt gültiges HTML-Dokument in einem CDATA-Block eines XML-Dokuments speichern, und die HTML-Quelle verfügt zufällig über einen eigenen CDATA-Block. Beispielsweise:

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

Das kommentierte CDATA-Suffix muss geändert werden in:

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

da ein XML-Parser nicht weiß, wie man mit Javascript-Kommentarblöcken umgeht

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

Ein sauberer Weg in PHP:

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

Vergessen Sie nicht, bei Bedarf einen multibyte-sicheren str_replace zu verwenden (nicht 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;
   }

Ich denke nicht, dass es ein guter Weg ist, CDATA zu unterbrechen. Hier ist meine Alternative ...

Verwenden Sie diese Option ]für die Escape-Sequenz, gefolgt vom Hex-Wert Ihres Charakters. Wie im &#xhhhh;=>]<unicode value>;

Auf diese Weise wird, wenn Sie versuchen, ]]>Ihre Codierung aufzuzeichnen, fn erzeugt, ]005D;]005D;]003E;was in CDATA in Ordnung ist.

Es ist besser, als nach Entitätsnamen zu entkommen, da diese nicht jedes Mal in Ihrer App dekodiert werden und Sie möglicherweise andere Prioritäten für das Entkommen von Entitäten mit kaufmännischem Und haben als für das Entkommen anderer Zeichen / Sequenzen. Dadurch haben Sie mehr Kontrolle über den Inhalt von CDATA.

Siehe diese Struktur:

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

Für die inneren CDATA-Tags müssen Sie ]]]]><![CDATA[>statt mit schließen ]]>. So einfach ist das.