Question

我有以下HTML块：

<p>The quick brown fox jumps over the lazy dog &mdash; The quick brown fox jumps over the lazy dog.</p>
<p>The quick brown fox jumps over the lazy dog &mdash; The quick brown fox jumps over the lazy dog.
<br>The quick brown fox jumps over the lazy dog &mdash; The quick brown fox jumps over the lazy dog.

它不是有效的XHTML。但是，我需要将此HTML包含在XML文档中。我尝试使用XMLFormat()将<转换为<，将>转换为>，效果很好。不幸的是，它还将—转换为&mdash;，这是无效的，并在CFXML标记中引发异常。

<cfxml variable="myXML">
    <content>#XMLFormat(myHTML)#</content>
</cfxml>

我该如何解决这个问题？

Answer 1

您有几个选择。很大程度上取决于如何使用这些内容。包含所需的输出文档以及指示此xml的使用位置非常有用。

如果您根本不想弄乱HTML的内容，可以随时使用CDATA，如下所示：

<cfxml variable="myXML">
    <content><![CDATA[#myHTML#]]></content>
</cfxml>

另外，我知道你说你不想转换剩余的＆符号，但我不知道这是怎么回事。 HTML内容是您要处理的字符串 - 在这种情况下，所有内容都应该被转义以便以后可以转义 - 或者它是您希望成为文档一部分的有效XML。我的意思是，当您稍后处理<content>标记的内容时，如果“＆”符号未被转义，则会遇到问题。

Answer 2

不幸的是这个答案：

<cfxml variable="myXML">
    <content><![CDATA[#myHTML#]]></content>
</cfxml>

如果您碰巧要显示无效的html，则

不足。考虑myHTML包含的情况：

<p>some invalid html ]]><script>alert('foo')</script>

据我所知，coldfusion中没有支持的方法来对潜在的无效数据进行正确的编码。你最好的办法是给自己写一个过滤函数，实体编码html特殊和非法字符。

Answer 3

当你有一些部分转换的HTML时很难，然后需要做其余的事情......

您可以替换所有“＆amp;”暂时签名，运行XMLFormat，然后转换“＆amp;”签回来。

<cfscript>
// replace & signs with a temp placeholder
myHTML = replace(myHTML, "&", "*amp*", "all");

// format for XML
myHTML = XMLFormat(myHTML);

// replace placeholders with & signs
myHTML = replace(myHTML, "*amp*", "&", "all");
</cfscript>

如果它有效，你可以通过将这个逻辑包装在一个函数中来实现这一步。

Answer 4

如何简单地不在源字符串中使用—转义，而是在原位包含 - 字符。

修改：

我猜测存储在数据库中的HTML内容不知道是否符合XHTML，因此要将它放在XML文档中，您别无选择，只能将其放在CDATA部分或正确编码。假设将它放在这样的XML文档中是有用的，并且可以在消费端正确解码。如果在消费者处使用典型的XML DOM，则这种方法都适用。

所以这引出了我的问题，&mdash实际上是错的？所有<将导致<等。当消费者从DOM检索时，生成的字符串将返回使用—和<，依此类推用作HTML的一切都会很好。

Answer 5

目前，我只是分别用“<”和“>”替换所有小于和大于字符的字符。

Answer 6

在这个特定用例中，您可以使用URLEncodedFormat（）来保留内容的自然形式，然后在出路时使用URLDecode（）。

<cfxml variable="content">
    <content><cfoutput>#URLEncodedFormat(myHTML)#</cfoutput></content>
</cfxml>
<cfset xml = xmlParse(content)>
<cfoutput>#URLDecode(xml.content.xmltext)#</cfoutput>

我不建议将此作为最佳做法，只是它可以在问题提出的场景中起作用。

Answer 7

HTMLEditFormat（string）应该转换小于号和大于号的符号，但也会处理＆符号。我知道您希望按原样保留＆amp; mdash; 。值得指出的是，＆amp; mdash; 不是XML的predefined entities之一（尽管你可以定义它）。

我只是认为我会提到它，因为HTMLEditFormat（）非常适合转义HTML以包含在XML文档中，例如Atom提要。但是，听起来它不是您特定用例的解决方案。

使用ColdFusion函数XMLFormat（）时，如何转义HTML字符实体？

7 个答案: