XML Schema：从字符串中排除HTML实体和控制字符

Question

是否有XSD数据类型从XML实例中的字符串中排除HTML实体和其他控制字符？

Answer 1

不，没有内置的XSD数据类型可以排除HTML字符实体或控制字符，但是你可能不需要一个，因为XML的良构法则 已经排除了< / EM>

1. 文档中未定义但未定义的字符实体 predefined：

   <!ENTITY lt     "&#38;#60;">
   <!ENTITY gt     "&#62;">
   <!ENTITY amp    "&#38;#38;">
   <!ENTITY apos   "&#39;">
   <!ENTITY quot   "&#34;">
   

代理块，FFEE和FFFF中的

2. Unicode characters，这些产品不允许这样做：

   Char::= #x9 | #xA | #xD | [#x20-#xD7FF]|[#xE000-#xFFFD]|[#x10000-#x10FFFF]
   

如果您仍希望排除其他字符，可以定义一种限制xs:string的类型，例如，排除Unicode general category 其他类别，这将排除所有以下类别：

C Other   Cc | Cf | Cs | Co | Cn
Cc    Control a C0 or C1 control code
Cf    Format  a format control character
Cs    Surrogate   a surrogate code point
Co    Private_Use a private-use character
Cn    Unassigned  a reserved unassigned code point or a noncharacter

通过此XSD类型：

<xs:simpleType name="NoUnicodeOtherCodePointsString">
  <xs:restriction base="xs:string">
    <xs:pattern value="[\P{C}]*"/>
  </xs:restriction>
</xs:simpleType>