Apakah ada cara untuk menghindari token end CDATA dalam xml?

Saya bertanya-tanya apakah ada cara untuk menghindari token end CDATA (]]> ) dalam bagian CDATA dalam dokumen xml. Atau, lebih umum, jika ada beberapa urutan melarikan diri untuk digunakan dalam CDATA (tetapi jika ada, saya kira itu mungkin hanya masuk akal untuk melarikan diri mulai atau mengakhiri token, toh).

Pada dasarnya, dapatkah Anda memiliki token awal atau akhir yang tertanam dalam CDATA dan memberi tahu parser untuk tidak menafsirkannya tetapi memperlakukannya hanya sebagai urutan karakter lain.

Mungkin, Anda harus memperbaiki struktur xml atau kode Anda jika Anda berusaha melakukannya, tetapi meskipun saya telah bekerja dengan xml setiap hari selama sekitar 3 tahun terakhir dan saya tidak pernah mengalami masalah ini, Saya bertanya-tanya apakah itu mungkin. Hanya karena penasaran.

Edit:

Selain menggunakan pengodean html ...

Jelas, pertanyaan ini murni bersifat akademis. Untungnya, ia memiliki jawaban yang sangat pasti.

Anda tidak dapat menghindari urutan akhir CDATA. Aturan produksi 20 dari spesifikasi XML cukup jelas:

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

EDIT: Aturan produk ini secara harfiah berarti "Bagian CData dapat berisi apa pun yang Anda inginkan TETAPI urutan ']]>'. Tidak terkecuali.".

EDIT2: Bagian yang sama juga berbunyi:

Di dalam bagian CDATA, hanya string CDEnd yang dikenali sebagai markup, sehingga kurung sudut kiri dan ampersand dapat terjadi dalam bentuk literalnya; mereka tidak perlu (dan tidak bisa) melarikan diri menggunakan " <" dan " &". Bagian CDATA tidak bisa bersarang.

Dengan kata lain, itu tidak mungkin untuk menggunakan referensi entitas, markup, atau bentuk sintaks yang ditafsirkan lainnya. Satu-satunya teks yang diuraikan di dalam bagian CDATA adalah ]]>, dan itu mengakhiri bagian.

Karenanya, tidak mungkin untuk melarikan diri ]]>dalam bagian CDATA.

EDIT3: Bagian yang sama juga berbunyi:

2.7 Bagian CDATA

[Definisi: Bagian CDATA dapat terjadi di mana saja data karakter dapat terjadi; mereka digunakan untuk keluar dari blok teks yang berisi karakter yang seharusnya dikenali sebagai markup. Bagian CDATA dimulai dengan string "<! [CDATA [" dan diakhiri dengan string "]]>":]

Kemudian mungkin ada bagian CDATA di mana saja data karakter dapat terjadi, termasuk beberapa bagian CDATA yang berdekatan di tempat bagian CDATA tunggal. Itu memungkinkan untuk memisahkan ]]>token dan meletakkan kedua bagian itu di bagian CDATA yang berdekatan.

ex:

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

harus ditulis sebagai

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

Anda harus memecah data Anda menjadi beberapa bagian untuk menyembunyikannya ]]>.

Ini semuanya:

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

Pertama <![CDATA[]]]]> memiliki ]]. Yang kedua <![CDATA[>]]>memiliki >.

Anda tidak melarikan diri ]]>tetapi Anda melarikan diri >setelah ]]dengan memasukkan ]]><![CDATA[sebelum >, pikirkan ini seperti \dalam string C / Java / PHP / Perl tetapi hanya diperlukan sebelum >dan sesudah]] .

BTW,

Jawaban S.Lott sama dengan ini, hanya kata-kata yang berbeda.

Jawaban S. Lott benar: Anda tidak menyandikan tag akhir, Anda memecahnya di beberapa bagian CDATA.

Cara mengatasi masalah ini di dunia nyata: menggunakan editor XML untuk membuat dokumen XML yang akan dimasukkan ke dalam sistem manajemen konten, cobalah menulis artikel tentang bagian CDATA. Trik biasa Anda menanamkan sampel kode di bagian CDATA akan mengecewakan Anda di sini. Anda bisa bayangkan bagaimana saya belajar ini.

Namun dalam sebagian besar keadaan, Anda tidak akan menemukan ini, dan inilah sebabnya: jika Anda ingin menyimpan (katakanlah) teks dokumen XML sebagai konten elemen XML, Anda mungkin akan menggunakan metode DOM, misalnya:

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

Dan DOM cukup lolos dari <dan>, yang berarti bahwa Anda belum secara tidak sengaja memasukkan bagian CDATA dalam dokumen Anda.

Oh, dan ini menarik:

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);

Ini mungkin ideosinkrasi dari. NET DOM, tapi itu tidak membuang pengecualian. Pengecualian akan dibuang di sini:

Console.Write(doc.OuterXml);

Saya kira apa yang terjadi di bawah tenda adalah bahwa XmlDocument menggunakan XmlWriter menghasilkan outputnya, dan XmlWriter memeriksa bentuk yang baik ketika ia menulis.

cukup ganti ]]>dengan]]]]><![CDATA[>

Inilah kasus lain yang ]]>harus diloloskan. Misalkan kita perlu menyimpan dokumen HTML yang benar-benar valid di dalam blok CDATA dari dokumen XML dan sumber HTML kebetulan memiliki blok CDATA itu sendiri. Sebagai contoh:

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

sufiks CDATA yang dikomentari perlu diubah menjadi:

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

karena parser XML tidak akan tahu cara menangani blok komentar javascript

Dalam PHP: '<![CDATA['.implode(explode(']]>', $string), ']]]]><![CDATA[>').']]>'

Cara yang lebih bersih di PHP:

   function safeCData($string)
   {
      return '<![CDATA[' . str_replace(']]>', ']]]]><![CDATA[>', $string) . ']]>';
   }

Jangan lupa untuk menggunakan str_replace multibyte-safe jika diperlukan (non latin1 $string):

   function mb_str_replace($search, $replace, $subject, &$count = 0)
   {
      if (!is_array($subject))
      {
         $searches = is_array($search) ? array_values($search) : array ($search);
         $replacements = is_array($replace) ? array_values($replace) : array ($replace);
         $replacements = array_pad($replacements, count($searches), '');
         foreach ($searches as $key => $search)
         {
            $parts = mb_split(preg_quote($search), $subject);
            $count += count($parts) - 1;
            $subject = implode($replacements[$key], $parts);
         }
      }
      else
      {
         foreach ($subject as $key => $value)
         {
            $subject[$key] = mb_str_replace($search, $replace, $value, $count);
         }
      }
      return $subject;
   }

Saya tidak berpikir bahwa menginterupsi CDATA adalah cara yang baik untuk pergi. Inilah alternatif saya ...

Gunakan ]untuk urutan pelarian diikuti oleh nilai hex karakter Anda. Seperti di &#xhhhh;=>]<unicode value>;

Dengan cara ini jika Anda mencoba untuk merekam ]]>encode Anda fn akan menghasilkan ]005D;]005D;]003E;yang ok di CDATA.

Ini lebih baik daripada melarikan diri dengan nama entitas, karena itu tidak diterjemahkan setiap kali di aplikasi Anda dan Anda mungkin memiliki prioritas yang berbeda untuk melarikan diri entitas dengan ampersand vs melarikan diri beberapa karakter / urutan lainnya. Akibatnya, Anda memiliki kontrol lebih besar atas konten CDATA.

Lihat struktur ini:

<![CDATA[
   <![CDATA[
      <div>Hello World</div>
   ]]]]><![CDATA[>
]]>

Untuk tag CDATA bagian dalam yang harus Anda tutup ]]]]><![CDATA[>bukan ]]>. Sederhana seperti itu.