W3C 對實體的定義是:文件實體是實體樹的根,也是 XML 處理程序的起點。白話來說,實體就是 XML 裡的「佔位符」,可以宣告在文件序言或 DTD 之中,被引用時再展開成實際內容。
HTML 與 XML 都保留了一些符號作為語法用途,例如 < 和 > 被用來標示標籤的起訖。若要在內容中直接呈現這些字元,就必須改用字符實體。此外,有些符號根本打不出來,也得靠字符實體來表示。
XML 規格預先定義了五個實體,用來消除歧義:
&'><"數字引用直接指向字元在 Unicode 中的編碼位置,可分十進制與十六進制兩種寫法:
&# 十進位數字 ; &#x 十六進位數字 ;
例如:
| 實體名稱 | 字元 | 十進位 | 十六進位 |
|---|---|---|---|
| quot | " | " | " |
| amp | & | & | & |
| apos | ' | ' | ' |
| lt | < | < | < |
| gt | > | > | > |
數字引用的缺點很明顯:數量成千上萬,實在記不住。
因此實務上最受歡迎的是命名字元實體,每個實體用一個可讀的名稱標識。例如 Aacute 代表帶銳音符的大寫 A,ugrave 代表帶抑音符的小寫 u。
CDATA 是 Character Data 的縮寫,指的是「不被解析器解析的文字區塊」。當內容中大量出現 <、>、& 時,逐一轉成實體既麻手又難讀,這時 CDATA 就派上用場——它明確告訴解析器:這段內容請當純文字看待。
語法由三部分組成:
<![CDATA[ 這裡的內容會被當成純文字 ]]>
<![CDATA[(共九個字元)。]]>。<、>、& 也會被解析器忽略。實際例子:
<script> <![CDATA[ <message>Welcome to TutorialsPoint</message> ]]> </script>
這段寫法裡,<message> 與 </message> 都只是字串,不會被當成元素處理。
]]> 這個字元序列,否則會提早結束。