是否有效( &amp；)

Question

我们从各种来源获得了大量的xml数据。utf是8。

我们注意到，其中一些似乎具有&的双重编码。A & B标记中的&&以A & B的形式出现。(更正自原始帖子是&&)

这造成了一些麻烦，因为大多数XML组件都不喜欢它。

它有效吗？删除这些的最好方法是什么？我们使用VB.Net 2008

Answer 1

&是“有效的”，但你是否想使用它是另一个问题。

如果您正在用XML编写文档，那么&将用来表示一个“与”符号。如果您的XML文档描述的内容本身也是以类似的方式编码的，那么该内容在逻辑上可以包含一个&本身。这可能会在XML中产生一个&。

例如，假设您有描述一组用户的XML，包括一个支持HTML的“签名”字段：

<users>
 <user username="jsmith" ...>
  ...
  <signature type="text/html">
   John Smith's Heating And Plumbing
  </signature>
</users>

如果John Smith希望在他的签名中使用&而不是And，那么它将是...

  <signature type="text/html">
   John Smith's Heating &amp; Plumbing
  </signature>

为了使...where解析器满意，&被编码为&。

想一想在HTML电子邮件中包含签名的情况。解析器将把&amp解码成&。如果签名被直接转储到电子邮件中，这将导致消息的源中出现一个未转义的"&“实体。

但是，如果XML包含&，那么在XML解析时，它将变成&。然后，它将作为正确转义的HTML包含在电子邮件中。

要实现同样的转义，一种更具可读性的方法可能是：

  <signature type="text/html">
   <![CDATA[John Smith's Heating &amp; Plumbing]]>
  </signature>

上面假设签名包括HTML编码的实体，这些实体被进一步编码到文档中的XML中。这是明显的双重编码的来源。例如，如果签名应该只包含纯文本，那么就只有一种编码--从纯文本到&的编码。因此，从&的角度来看，&和XML都是“有效的”，而在实践中，这将取决于要编码到XML文档中的数据的规范。

(编写XML模式时的第三种选择是使用XML名称空间，以允许包含的HTML在不使用双重编码的情况下包含；这将具有允许对其进行验证的额外好处，但是在实践中对HTML内容应用严格的XML样式验证是一个令人头疼的问题。例如，在XHTML上推广和标准化的失败尝试。)