Question

我知道在所有情况下我都需要逃避这些：

quot  "
amp   &
apos  '
lt    <
gt    >

但是那些有口音的国际角色，或者俄罗斯人物来命名一对。当我的编码指令设置为UTF-8时，是否需要转义此类型的字符？

如果我将编码指令设置为ASCII，该怎么办？我还需要逃脱所有这些角色吗？

这是我试图使用Nokogiri（lib2xml）重现的XML（来自遗留系统）的示例：

<?xml version="1.0" encoding="UTF-8"?>
  <DESCRIPTION lang="rus">
    <SHORT_DESCRIPTION>&#1052;&#1054;&#1044;&#1059;&#1051;&#1068;- ELECTRONIC  OUTPUT 120 V DC 5 mA</SHORT_DESCRIPTION>
    <LONG_DESCRIPTION>&#1052;&#1054;&#1044;&#1059;&#1051;&#1068;- &#1058;&#1048;&#1055; ELECTRONIC  OUTPUT &#1042;&#1061;&#1054;&#1044; 120 V DC &#1042;&#1067;&#1061;&#1054;&#1044; 5 mA &#1048;&#1057;&#1058;&#1054;&#1063;&#1053;&#1048;&#1050; &#1055;&#1048;&#1058;&#1040;&#1053;&#1048;&#1071; 120 V DC &#1044;&#1054;&#1055;&#1054;&#1051;&#1053;&#1048;&#1058;&#1045;&#1051;&#1068;&#1053;&#1040;&#1071; &#1044;&#1045;&#1058;&#1040;&#1051;&#1068; 1 ANALOG SM322-8S TOR</LONG_DESCRIPTION>
 </DESCRIPTION>

你可以看到样本中的指令说UTF-8，但它们已经转义了许多字符，当我指定ASCII编码指令时，Nokogiri只会逃脱这些字符。这让我很困惑。

编辑2：如果我没有向Nokogiri传递编码指令，则生成的XML会将所有俄语字符保留为其原生的西里尔字母，但这与我需要复制的XML不一致。

Answer 1

如果有以下情况，您只需要用字符引用来表示字符：

它在当前上下文中具有特殊含义（因此您列出的五个字符有时只需要编码）
在

ASCII中没有很多字符，因此如果您使用ASCII编码XML，则必须对许多字符使用字符引用。

不要用ASCII编码XML。 XML的默认编码是UTF-8，它得到了很好的支持。

如果我的XML文档指令指定UTF-8的编码，我还需要转义字符吗？

1 个答案: