Existe-t-il un moyen d'échapper à un jeton de fin CDATA en XML?

Je me demandais s'il existe un moyen d'échapper à un jeton de fin CDATA ( ]]>) dans une section CDATA dans un document xml. Ou, plus généralement, s'il existe une séquence d'échappement à utiliser dans un CDATA (mais si elle existe, je suppose que cela n'aurait probablement de sens que d'échapper aux jetons de début ou de fin, de toute façon).

Fondamentalement, pouvez-vous avoir un jeton de début ou de fin incorporé dans un CDATA et dire à l'analyseur de ne pas l'interpréter mais de le traiter comme une autre séquence de caractères.

Probablement, vous devriez simplement refactoriser votre structure xml ou votre code si vous essayez de le faire, mais même si je travaille quotidiennement avec xml depuis environ 3 ans et que je n'ai jamais eu ce problème, Je me demandais si c'était possible. Juste par curiosité.

Éditer:

Autre que l'utilisation du codage html ...

Clairement, cette question est purement académique. Heureusement, il a une réponse très précise.

Vous ne pouvez pas échapper à une séquence de fin CDATA. La règle de production 20 de la spécification XML est assez claire:

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

EDIT: Cette règle de produit signifie littéralement "Une section CData peut contenir tout ce que vous voulez MAIS la séquence ']]>'. Aucune exception.".

EDIT2: La même section lit également:

Dans une section CDATA, seule la chaîne CDEnd est reconnue comme balisage, de sorte que les crochets et esperluettes gauches peuvent apparaître sous leur forme littérale; ils n'ont pas besoin (et ne peuvent pas) être échappés en utilisant " <" et " &". Les sections CDATA ne peuvent pas être imbriquées.

En d'autres termes, il n'est pas possible d'utiliser une référence d'entité, un balisage ou toute autre forme de syntaxe interprétée. Le seul texte analysé à l'intérieur d'une section CDATA est ]]>, et il termine la section.

Par conséquent, il n'est pas possible de s'échapper ]]>dans une section CDATA.

EDIT3: La même section lit également:

2.7 Sections CDATA

[Définition: les sections CDATA peuvent apparaître partout où des données de caractères peuvent apparaître; ils sont utilisés pour échapper des blocs de texte contenant des caractères qui seraient autrement reconnus comme du balisage. Les sections CDATA commencent par la chaîne "<! [CDATA [" et se terminent par la chaîne "]]>":]

Ensuite, il peut y avoir une section CDATA partout où des données de caractères peuvent apparaître, y compris plusieurs sections CDATA adjacentes à la place d'une seule section CDATA. Cela permet de diviser le ]]>jeton et de placer les deux parties de celui-ci dans des sections CDATA adjacentes.

ex:

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

devrait être écrit comme

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

Vous devez diviser vos données en morceaux pour masquer le fichier ]]>.

Voici le tout:

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

Le premier <![CDATA[]]]]>a le ]]. Le second <![CDATA[>]]>a le >.

Vous n'échappez pas au ]]>mais vous échappez à l' >après ]]en insérant ]]><![CDATA[avant le >, pensez à ceci comme une \chaîne en C / Java / PHP / Perl mais nécessaire uniquement avant >et après a ]].

BTW,

La réponse de S.Lott est la même que celle-ci, juste formulée différemment.

La réponse de S. Lott est juste: vous n'encodez pas la balise de fin, vous la divisez en plusieurs sections CDATA.

Comment résoudre ce problème dans le monde réel: en utilisant un éditeur XML pour créer un document XML qui sera introduit dans un système de gestion de contenu, essayez d'écrire un article sur les sections CDATA. Votre astuce ordinaire consistant à intégrer des échantillons de code dans une section CDATA vous échouera ici. Vous pouvez imaginer comment j'ai appris cela.

Mais dans la plupart des cas, vous ne rencontrerez pas cela, et voici pourquoi: si vous voulez stocker (par exemple) le texte d'un document XML comme contenu d'un élément XML, vous utiliserez probablement une méthode DOM, par exemple:

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

Et le DOM échappe assez raisonnablement le <et le>, ce qui signifie que vous n'avez pas incorporé par inadvertance une section CDATA dans votre document.

Oh, et c'est intéressant:

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);

C'est probablement une idéosyncrasie du DOM .NET, mais cela ne lève pas d'exception. L'exception est levée ici:

Console.Write(doc.OuterXml);

Je suppose que ce qui se passe sous le capot, c'est que le XmlDocument utilise un XmlWriter pour produire sa sortie, et le XmlWriter vérifie la bonne formation au fur et à mesure qu'il écrit.

remplacez simplement ]]>par]]]]><![CDATA[>

Voici un autre cas dans lequel ]]>doit être échappé. Supposons que nous devions enregistrer un document HTML parfaitement valide dans un bloc CDATA d'un document XML et que la source HTML possède son propre bloc CDATA. Par exemple:

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

le suffixe CDATA commenté doit être changé en:

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

puisqu'un analyseur XML ne saura pas comment gérer les blocs de commentaires javascript

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

Une manière plus propre en PHP:

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

N'oubliez pas d'utiliser un str_replace sécurisé multi-octets si nécessaire (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;
   }

Je ne pense pas que l'interruption de CDATA soit une bonne solution. Voici mon alternative ...

Utilisez ]pour la séquence d'échappement suivie de la valeur hexadécimale de votre personnage. Comme dans le &#xhhhh;=>]<unicode value>;

De cette façon, si vous essayez d'enregistrer ]]>votre encodage fn produira ]005D;]005D;]003E;ce qui est ok dans CDATA.

C'est mieux que de s'échapper par nom d'entité, car ceux-ci ne sont pas décodés à chaque fois dans votre application et vous pouvez avoir des priorités différentes pour échapper les entités avec esperluette vs échapper à d'autres caractères / séquences. En conséquence, vous avez plus de contrôle sur le contenu de CDATA.

Voir cette structure:

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

Pour les balises CDATA internes, vous devez fermer avec ]]]]><![CDATA[>au lieu de ]]>. Aussi simple que cela.