在 XML 中使用 CDATA 时关于 结束标签 ]]> 的疑问与处理

今天在处理一个转码/转义相关的问题时，突然想到我之前遗留了一个关于“在 XML 中使用 CDATA 时，如果 CDATA 内容中包含了结束标签 ]]> 该怎么办？”的问题。

于是搜索了一番，escaping - Is there a way to escape a CDATA end token in xml? - Stack Overflow。

一开始，我一直以为 XML 的 CDATA 中可以保存任意格式的内容而不需要任何转义，格式是：<![CDATA[任何内容]]>，但实际上这样是不行的，因为词法（语法）解析器终究会查找 CDATA 的结束标签 ]]> 来作为 CDATA 的结束，如果在 CDATA 内容中出现了 ]]>，很明显就会出错。同样，也是不可能使用转义字符或实体标签的，因为那样的话，CDATA 的意义就不大了。

上面问题中，针对这个问题的回答，有人说这太学术了（purely academic），而另外有人却不这样认为：“This is not an academic question. Think about an RSS feed of a blog post that contains a discussion about CDATA. – usr”（这并不学术，考虑一下你正在写一篇关于在 XML 中使用 CDATA 的文章的时候）。

从现在开始，我得严格对待这个问题了，因为我就是“另外人”中的一个，我现在在代码中犯的错跟上面完全一样，详情：movsb/taoblog: using CDATA in feed description section。我就是把整个文章的 content 直接丢入了 CDATA 中，完全没有考虑文章内容是否本身就有 ]]> 的问题。代码严谨的我是不能纵容这种错误的 :-)。

解决办法

答案其实很明显了，在使用 XML 的 CDATA 时，除了 ]]> 外的任何内容都可以 CDATA 中。于是 ]]> 这个序列就必须不能同时出现（不同时出现的意思是指在解析当前 CDATA 时的同一上下文中），必须拆开写。

于是，将要被放进 CDATA 中的内容必须以 ]]> 作为分隔串将原内容划分成多个部分，并将这些被分隔出来的多个部分放在多个 CDATA 中，重新组合并拼出原有的 ]]>。

举个例子

要把 <script><![CDATA[template]]></script> 放入 CDATA 中时，如果直接放入：

<![CDATA[<script><![CDATA[template]]></script>]]>

，很明显可以看出，出现了两个 ]]>，这将会导致解析错误。正确的做法应该是拆开写：

<![CDATA[<script><![CDATA[template]]]]><![CDATA[></script>]]>

，即分开两个 CDATA，]] 放前面，> 放后面。注意标签之间不要有多余的其它字符，否则将与原文不符。

实际运用

若是在PHP中，则可以像这样写：

$content = '<![CDATA[' . str_replace(']]>', ']]]]><![CDATA[>', $content) . ']]>';

若是在 GO 语言中，则可以像这样写：

1 2 3 4

func cdata(s string) string { s = strings.Replace(s, "]]>", "]]]]><!CDATA[>", -1) return "<![CDATA[" + s + "]]>" }