XML 文件中的所有文字,預設都會被解析器處理;唯一的例外,是包在 CDATA 區段裡的內容——解析器會直接忽略它們。
當一個 XML 元素被解析時,元素內部的文字也會一併被解析:
<message>This text is also parsed</message>
之所以要這樣做,是因為元素內部可能還嵌套其他元素。例如下面這個 name 元素,裡面就包著 first 與 last:
<name><first>Bill</first><last>Gates</last></name>
解析器必須逐段辨識哪些是標記、哪些是文字,才能正確還原結構。
若文件裡直接出現 < 這類字元,解析器會把它當成新元素的起點而報錯。所以下面這種寫法是錯的:
<message>if salary < 1000 then</message>
正確做法是把 < 換成對應的實體:
<message>if salary < 1000 then</message>
XML 預先定義了五個實體:
< — 小於號 <> — 大於號 >& — 和號 &' — 單引號 '" — 雙引號 "實體一律以 & 開頭、以 ; 結尾。嚴格來說,XML 只禁止 < 與 & 兩個字元直接出現,其餘都算合法;但養成使用實體的習慣,能省下不少除錯時間。
CDATA 區段內的所有內容都會被解析器忽略。當文字裡充滿 < 與 &——例如整段程式碼——與其逐一轉義,不如整塊放進 CDATA 裡來得乾淨。
CDATA 以 <![CDATA[ 開始,以 ]]> 結束:
<script><![CDATA[
function matchwo(a, b) {
if (a < b && a < 0) {
return 1
} else {
return 0
}
}]]></script>
上例中,介於 CDATA 標記之間的所有文字都不會被解析器處理,因此裡面的 < 與 && 可以原樣保留。
CDATA 區段不可嵌套,也就是說不能在一個 CDATA 裡再放一個 CDATA。此外,若 CDATA 內容中出現 ]]> 或 <![CDATA[ 這類字串,很可能導致解析出錯。還有一個容易忽略的細節:]]> 之間不能有空格或換行,否則就不算合法的結束標記。