Pourquoi les caractères de "contrôle" sont-ils illégaux en XML?

Question

Il existe une variété de personnages qui ne sont pas légalement encodeable en XML, par exemple, U+0007 ('bell') et U+001B ('escape'). Plus de sujets intéressants sont non-blanc "contrôle" des personnages.

Il est clair à partir de (par exemple) à cette question et d'autres que c'est du XML spécification qui est de la question - mais quelqu'un peut-il m'éclairer quant à pourquoi le XML spec interdit ces personnages?

Il me semble qu'il aurait été nécessaire qu'ils soient encodés en échappe, comme par exemple l'  et  respectivement, mais peut-être il y a une raison pratique que les personnages étaient interdits plutôt que nécessaire pour être sauvé?

Answerers ont suggéré qu'il y a de la motivation à éviter la transmission des caractères de contrôle, mais Unicode comprend beaucoup d'autres -comme les personnages (considérer U+200C "zéro largeur non menuisier"). Je reconnais, il peut y avoir aucune bonne raison de ce comportement, mais je voudrais quand même à mieux le comprendre.

C'est particulièrement frustrant, car lorsque ces valeurs de caractères apparaissent dans d'autres codages de formats de données, j'arrive à la fin de la "double échappement" nouveaux documents XML qui ont besoin de coder.

Answer 1

Ma compréhension est que cette gamme est interdit sur le fait qu'un langage de balisage ne devrait pas en avoir besoin à l'appui de transmission et de contrôle de flux de caractères et y compris leur permettrait de créer un problème pour tout les éditeurs et les analyseurs de conversion en binaire.

J'ai du mal à trouver quelque chose ex cathedra sur ce de Tim Bray et coll.

edit: certains de discussion des caractères de contrôle et de vague à l'admission, il n'était pas exactement conçu

Answer 2

Il semble qu’il aurait pu être nécessaire de les encoder dans des échappements, par exemple sous la forme & # x0007; et & # x001B;

Vous pouvez faire exactement cela dans XML 1.1, sauf pour \ 0.

Answer 3

XML a été spécialement conçu pour Unicode (en particulier UTF-8 et UTF-16) et ISO / CEI 10646, dont les deux (je ne suis pas très optimiste à propos de l'ISO 10646) contiennent les caractères de transmission / contrôle de flux laissés par ASCII. les jours de terminaux basés sur les caractères. Bien que ces caractères aient encore des utilisations, ils n'appartiennent pas à un format tel que XML.

En ce qui concerne ces nouveaux encodages qui utilisent ces codes pour autre chose, il semble que la spécification XML doive être adaptée.

Answer 4

Pourquoi est-ce que vous leur échappez? Cela semble être un bon endroit pour & bell; et & échapper ;. (Indéfini, traité par rappel de l'analyseur vers votre code)