Existe-t-il un moyen d'échapper à un élément de fin CDATA dans le langage XML ?

Question

Je me demandais s'il existait un moyen d'échapper à un élément de fin de CDATA ( ]]> ) dans une section CDATA d'un document XML. Ou, plus généralement, s'il existe une séquence d'échappement à utiliser à l'intérieur d'une section CDATA (mais si elle existe, je suppose que cela n'aurait probablement de sens que d'échapper les tokens de début ou de fin, de toute façon).

En fait, il est possible d'avoir un jeton de début ou de fin intégré dans un CDATA et de demander à l'analyseur de ne pas l'interpréter, mais de le traiter comme une simple séquence de caractères.

Probablement, vous devriez simplement refactoriser votre structure xml ou votre code si vous vous retrouvez à essayer de faire cela, mais même si je travaille avec xml sur une base quotidienne depuis environ 3 ans et que je n'ai jamais eu ce problème, je me demandais si c'était possible. Juste par curiosité.

Edita:

A part l'utilisation de l'encodage html...

Answer 1

Vous devez découper vos données en morceaux pour dissimuler les ]]> .

Voici le texte complet :

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

Le premier <![CDATA[]]]]> a le ]] . Le deuxième <![CDATA[>]]> a le > .

Answer 2

Il est clair que cette question est purement académique. Heureusement, elle a une réponse très précise.

Vous ne pouvez pas échapper à une séquence de fin CDATA. La règle de production 20 de la norme XML spécification est très claire :

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

EDIT : Cette règle de produit signifie littéralement "Une section CData peut contenir tout ce que vous voulez MAIS la séquence ']]>'. Il n'y a pas d'exception".

EDIT2 : Le même section lit également :

Dans une section CDATA, seule la chaîne CDEnd est reconnue comme une marque, de sorte que les crochets d'angle gauches et les esperluettes peuvent apparaître sous leur forme littérale ; ils n'ont pas besoin (et ne peuvent pas) être échappés à l'aide de ". < " et " & ". Les sections CDATA ne peuvent pas être imbriquées.

En d'autres termes, il n'est pas possible d'utiliser des références d'entités, des balises ou toute autre forme de syntaxe interprétée. Le seul texte analysé à l'intérieur d'une section CDATA est ]]> et il met fin à la section.

Il n'est donc pas possible d'échapper ]]> dans une section CDATA.

EDIT3 : Le même section lit également :

2.7 Sections CDATA

[Définition : Les sections CDATA peuvent se trouver partout où des données de caractère peuvent se trouver ; elles sont utilisées pour échapper à des blocs de texte contenant des caractères qui seraient autrement reconnus comme des balises. Les sections CDATA commencent par la chaîne "< ![CDATA[" et se terminent par la chaîne "]]>" :]

Ensuite, il peut y avoir une section CDATA partout où des données de caractère peuvent se trouver, y compris plusieurs sections CDATA adjacentes à la place d'une seule section CDATA. Il est ainsi possible de diviser le ]]> et placer ses deux parties dans des sections CDATA adjacentes.

ex :

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

doit s'écrire

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

Answer 3

Vous n'échappez pas à la ]]> mais vous échappez à la > après ]] en insérant ]]><![CDATA[ avant le > Il s'agit d'une sorte de \ en C/Java/PHP/Perl, mais seulement nécessaire avant une chaîne de caractères. > et après une ]] .

BTW,

La réponse de S.Lott est la même que celle-ci, mais elle est formulée différemment.

Answer 4

S. Lott a raison : on n'encode pas la balise de fin, on la répartit sur plusieurs sections CDATA.

Comment rencontrer ce problème dans le monde réel : en utilisant un éditeur XML pour créer un document XML qui sera introduit dans un système de gestion de contenu, essayez d'écrire un article sur les sections CDATA. Votre astuce habituelle consistant à intégrer des échantillons de code dans une section CDATA ne fonctionnera pas ici. Vous pouvez imaginer comment j'ai appris cela.

Mais dans la plupart des cas, vous ne rencontrerez pas ce problème, et voici pourquoi : si vous voulez stocker (disons) le texte d'un document XML en tant que contenu d'un élément XML, vous utiliserez probablement une méthode DOM, par exemple :

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

Et le DOM échappe raisonnablement au < et au >, ce qui signifie que vous n'avez pas intégré par inadvertance une section CDATA dans votre document.

Oh, et ceci est intéressant :

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);

Il s'agit probablement d'une idéosyncrasie du DOM .NET, mais cela n'entraîne pas d'exception. L'exception est levée ici :

Console.Write(doc.OuterXml);

Je suppose que ce qui se passe sous le capot, c'est que le XmlDocument utilise un XmlWriter pour produire sa sortie, et que le XmlWriter vérifie que le document est bien formé au fur et à mesure qu'il écrit.

Answer 5

Voici un autre cas dans lequel ]]> doit être échappé. Supposons que nous devions enregistrer un document HTML parfaitement valide dans un bloc CDATA d'un document XML et que la source HTML ait son propre bloc CDATA. Par exemple, il se trouve que la source HTML possède son propre bloc CDATA :

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

le suffixe CDATA commenté doit être remplacé par :

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

puisqu'un analyseur XML ne saura pas comment gérer les blocs de commentaires javascript