XML中处理特殊字符 & < > ‘ ” 的方法

xml中必须转义的5个预定义字符是&amp;、、&quot;、’，分别用&amp;、<、>、&quot;、’表示；属性值中需按定界符匹配转义，文本内容中单双引号通常无需转义；推荐用CDATA处理大量特殊字符。

‘ &quot;>

在XML中，&amp;、‘（单引号）、&quot;（双引号）属于预定义的特殊字符，直接写入文档会导致解析错误。必须使用对应的实体引用（entity reference）来安全表示。

必须转义的5个基础字符

XML规范只预定义了5个实体，其中与你提到相关的有：

• &amp; → 写成 &amp;（注意：这里显示的是字面量，实际写入时是四个字符 &amp;）
• → <
• > → >
• &quot; → &quot;（用于属性值中包裹双引号内容，如 name="He said "Hi""）
• ‘ → ‘（用于属性值中包裹单引号内容，如 desc='It's OK'）

单双引号的使用场景区别

XML元素内容里写单引号或双引号通常无需转义（例如：<msg>He said "Hello"</msg> 是合法的），但一旦出现在属性值中，就必须按属性定界符匹配转义：

• 用双引号包围属性值 → 属性内出现的 &quot; 必须写成 &quot;
• 用单引号包围属性值 → 属性内出现的 ‘ 必须写成 ‘
• 不管哪种方式，&amp; 在属性值或文本内容中都必须统一写成 &amp;

推荐做法：优先用CDATA区段处理大段含特殊字符的内容

如果一段文本里大量混用 &、"、'、 等，逐个转义易出错。此时可用 <code> 包裹整段内容：

里面所有字符都会被解析器原样保留，不作解析——但注意：CDATA内不能出现 ]]> 字符序列。

编程中别手动拼接，用库函数自动转义

手写XML容易遗漏或错写实体（比如写成 ∧ 这种非法形式）。实际开发中应交由XML生成库处理：

• Java：用 Transformer 或 DocumentBuilder 输出时自动转义
• Python：用 xml.etree.ElementTree 的 subelement.text = "A & B"，库会自动转为 A & B
• JavaScript（浏览器）：用 DOMParser + XMLSerializer，或第三方库如 xmlbuilder2

基本上就这些。核心就一条：只要字符有歧义（尤其是 &），就老实用标准实体；别图省事硬塞原始符号，解析器不会通融。