xml - XML DTD 中的 PCDATA 与 CDATA

Question

在 XML DTD 中——当定义一个元素时，我们使用#PCDATA 表示这个元素可以包含任何可解析的文本。在定义一个属性时，我们用CDATA表示它的值可以是任何字符数据。

XML 中使用的 CDATA 是不被 XML 解析器解析的东西(多字符转义序列)。一致地，当我们使用 CDATA 来定义属性时；解析器不应该解析它。但是，确实如此!

那么，为什么不能用 PCDATA 代替 CDATA 来定义属性呢？

更新 - 一直保持这种方式以与 SGML 向后兼容。 SGML 中这种命名背后的原因是什么？

Answer 1

当用于属性的声明值时，CDATA 指的是属性的实际值(字符数据)，而不是解析它的上下文。另一方面，在解析元素时，我们需要区分无标记字符数据 (CDATA) 和预期的已解析字符数据(PCDATA)。

乍一看这似乎是任意的，但事实并非如此(参见 here 和 here)。

在 SGML 中，属性值规范可以被引用(属性值文字)或不被引用(属性值)。

attribute value specification = attribute value literal | attribute value

当属性未被引用时，只允许使用 NAME 字符，并且对于某些声明的值(例如 NUMBER)可能会进一步限制。

另一方面，属性值文字的内容是一系列可替换字符数据，由 LIT/LITA 定界符(分别为双引号和单引号)包围, 在引用具体语法中)。

attribute value literal =
   ( LIT , replaceable character data *, LIT) | 
   ( LITA , replaceable character data *, LITA)

可替换字符数据“类似于 CDATA，除了可以识别实体引用和字符引用”(Goldfarb，SGML 手册)。

由此可见，属性值文字中实体引用的替换不依赖于属性的声明值。因此，如果你有 <!ENTITY foo "bar">和 <elem attr="&foo;">实体引用 &foo;将在可替换字符数据(LIT 识别模式)的上下文中进行解析，产生 <elem attr=bar> . attr 没关系声明为 CDATA、NAME 或其他。

更新

不必说属性中的实体必须解析，因为所有属性类型都有相同的解析规则:如果属性值以引号(LIT)开头，则实体被识别(可替换字符数据)当找到匹配的结束引号时，该值结束。

这里的CDATA是指一个有效的属性必须包含展开实体后的任意字符数据。如果将属性声明为 NUMBER，则需要包含数字字符(或扩展为数字字符的实体)。

在上面的示例中，值为 "&foo;" 的 CDATA 属性相当于"bar" ，与值为 "0" 的 NUMBER 属性相同相当于"0" (即使序列 "0" 包含数字以外的字符)。