用 PHP 搭配 XML 做網站應用時常會踩到這個坑。例如做排行榜讓使用者自由輸入暱稱,對方輸入 < 或 > 之類的字元,產生 XML 時結構就被破壞,資料也跟著中斷。
解法就是 CDATA。
原則只有一句:XML 文件中的所有文字都會被解析器解析,只有 CDATA 區段內的文字會被忽略。
XML 解析器預設會處理文件中的所有文字,包含元素內部的文字:
<message>This text is also parsed</message>
原因是元素內部可能還有其他元素。像下面這個 name 元素裡就包含 first 與 last:
<name><first>Bill</first><last>Gates</last></name>
解析器會把它看成這樣的結構:
<name> <first>Bill</first> <last>Gates</last> </name>
正因為解析器會主動辨識標記,當你的文字裡出現 <,它就會誤以為那是新元素的起點。
不合法的 XML 字元必須替換成對應的實體。以下寫法會出錯:
<message>if salary < 1000 then</message>
必須改成:
<message>if salary < 1000 then</message>
XML 預定義了五個實體:
< → 小於號 <> → 大於號 >& → 和號 &' → 單引號 '" → 雙引號 "實體一律以 & 開頭、; 結尾。嚴格禁止的只有 < 與 & 這兩個字元,其餘都合法;但為了減少出錯,養成使用實體的習慣是好事。
如果文字裡有大量的 < 與 &——例如程式碼——與其逐字轉義,不如整段放進 CDATA。它用 <![CDATA[ 開始、]]> 結束:
<script>
<![CDATA[
function matchwo(a, b)
{
if (a < b && a < 0) then
{
return 1
}
else
{
return 0
}
}
]]>
</script>
這段程式碼裡的 < 與 && 完全不必理會,解析器會整段跳過。
CDATA 區段不能嵌套。此外,區段內容若含 ]]> 或 <![CDATA[ 這類字串,很可能導致解析出錯。也要注意 ]]> 之間不能有空格或換行。