编码 CDATA 元素的有效方法

Question

好的，我正在使用 StreamReader 从流中读取数据。流里面的数据不是xml，可以是任何东西。

基于输入 StreamReader，我正在使用 XmlTextWriter 写入输出流。基本上，当一切都说完后，输出流包含来自输​​入流的数据，这些数据包装在父元素中包含的元素中。

我的问题是双重的。数据以块的形式从输入流中读取，StreamReader 类返回 char[]。如果输入流中的数据包含“]]>”，则需要将其拆分为两个 CDATA 元素。首先，如何在 char 数组中搜索“]]>”？其次，因为我是分块阅读，所以“]]>”子字符串可能会被分成两个块，那么我该如何解释呢？

我可能会将 char[] 转换为字符串，然后对其进行搜索替换。这将解决我的第一个问题。在每次读取时，我还可以检查最后一个字符是否是“]”，以便在下一次读取时，如果前两个字符是“]>”，我将开始一个新的 CDATA 部分。

这看起来几乎没有效率，因为它涉及将 char 数组转换为字符串，这意味着要花费时间来复制数据，并占用两倍的内存。有没有更有效的方法，无论是在速度方面还是在内存方面？

Answer 1

其次，因为我是分块阅读，所以“]]>”子字符串可能会分成两个块，那么我该如何解释呢？

确实，您必须将最后两个字符保留在队列中，而不是立即将它们吐出。然后当新的输入进入时，将其附加到队列中，并再次获取除最后两个字符之外的所有字符，对它们进行搜索和替换，然后输出。

更好：根本不用担心 CDATA 部分。它们只是为了方便手工创作而存在。如果您已经在进行搜索和替换，那么您没有理由不应该只用它们的预定义实体搜索和替换“”和“&”，并将它们包含在普通的文本节点中。由于这些是简单的单字符替换，因此您无需担心缓冲。

但是：如果您按照您所说的那样使用 XmlTextWriter，它就像为每个传入文本块调用 WriteString() 一样简单。

Answer 2

根据HOWTO Avoid Being Called a Bozo When Producing XML：

Don’t bother with CDATA sections

XML 提供了两种转义方式 标记有效字符： 预定义实体和 CDATA 部分。 CDATA 部分仅 语法糖。两种选择 句法结构没有语义 区别。

CDATA 部分很方便，当您 正在手动编辑 XML，需要 粘贴一大块文本 包括标记有效字符 （例如代码示例）。然而，当 使用序列化程序生成 XML， 序列化程序负责转义 自动并试图 微观管理逃避的选择 方法只开辟了可能性 错误。
...
只有 、& 和（在属性值中）" 需要转义。

只要对一小部分特殊字符进行编码/转义，它就应该可以工作。

你是否必须自己处理逃跑是另一回事，但肯定是一个更容易解决的问题。

然后将全部内容作为子文本节点附加到相关的 XML 元素。

Answer 3

我知道 CDATA 的两个真实用例：

一个在包含脚本的 XHTML 文档中：

<script type="text/javascript">
<![CDATA[
   function foo()
   {
      alert("You don't want <this> text escaped.");
   }
]]>
</script>

另一种是手工编写的 XML 文档，其中文本包含嵌入的标记，例如：

<p>
   A typical XML element looks like this:
</p>
<p>
   <pre>
   <![CDATA[
      <sample>
         <text>
            I'm using CDATA here so that I don't have to manually escape
            all of the special characters in this example.
         </text>
      </sample>
   ]]>
   </pre>
</p>

在所有其他情况下，让 DOM（或 XmlWriter，或您用来创建 XML 的任何工具）转义文本节点就可以了。