下面给你一份深入解析 XML 中字符实体与字符数据的学习指南，涵盖概念、分类、用法、示例和注意事项，帮助你系统理解 XML 的文本处理机制。

📘 一、什么是字符实体与字符数据？

在 XML 中，**字符实体（Character Entity）和字符数据（Character Data）**是处理文本内容的两种核心机制。

• 字符数据（Character Data, CDATA）：XML 中实际的文本内容，包括字母、数字、符号等。
• 字符实体（Entity）：XML 为了避免保留字符冲突或便于复用文本而定义的“符号替换”。

简单理解：

CDATA 是原始文本，字符实体是“文本的别名或转义形式”。

📘 二、XML 中的字符实体分类

1️⃣ 预定义实体（最常用）

XML 定义了 5 个预定义实体，用于表示保留字符：

示例：

<note>
    <text>Tom & Jerry are friends <not enemies></text>
</note>

解析后得到文本：

Tom & Jerry are friends <not enemies>

2️⃣ 数字字符实体（Unicode/ASCII 编码）

可使用 十进制或十六进制表示任意 Unicode 字符。

• 十进制：

A   <!-- A -->
中 <!-- 中文“中” -->

• 十六进制（以 x 开头）：

A   <!-- A -->
中 <!-- 中文“中” -->

数字实体可避免编码问题，尤其在跨平台、跨语言场景。

3️⃣ 自定义实体（用于复用文本）

可以在 DTD 或 XML 内部声明实体：

<!ENTITY writer "阿杰">

使用：

<author>&writer;</author>

解析后得到：

阿杰

外部实体：

<!ENTITY copyright SYSTEM "copyright.txt">

在文档中用 &copyright; 引入外部文件内容。

📘 三、CDATA 区块（Character Data 区块）

CDATA 是另一种处理文本的方式，用于保留原始文本，不解析实体和标签。

语法：

<![CDATA[ 文本内容 ]]>

示例：

<content><![CDATA[
<div>Tom & Jerry</div>
]]></content>

解析器输出：

<div>Tom & Jerry</div>

CDATA 内的 <、>、& 不会被解析为 XML 标签或实体。

📘 四、字符实体与 CDATA 的区别与适用场景

📘 五、解析器对实体和 CDATA 的处理

1. DOM 解析器

• 实体会被解析为对应字符
• CDATA 会被解析为 CDATASection 节点，可通过 .data 或 .nodeValue 获取内容

2. SAX 解析器

• 实体会触发 characters() 事件
• CDATA 会触发 startCDATA() / endCDATA() 和 characters() 事件

3. XSLT 处理

• 默认会解析实体
• 可以使用 <xsl:text disable-output-escaping="yes"> 保留特殊字符

📘 六、字符实体常见问题与注意事项

❌ 问题 1：实体未定义报错

• XML 解析器要求所有自定义实体必须在 DTD 中定义
• 预定义实体可直接使用

❌ 问题 2：数字实体编码不正确

• 确保与 XML 声明编码一致（如 UTF-8）
• 避免出现非法 Unicode 范围

❌ 问题 3：CDATA 中包含 ]]> 会导致解析错误

• 解决方法：拆分 CDATA

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

❌ 问题 4：混合使用实体和 CDATA

• CDATA 内不会解析实体
• 如果希望解析实体，不要放入 CDATA

📘 七、字符实体与编码的关系

• 实体解决了 XML 保留字符问题
• 数字实体解决了不同编码环境下的字符问题
• 使用 UTF-8 + 实体 + CDATA 结合，可实现跨语言、跨平台的安全 XML 文本传输

📘 八、总结与实践建议

1. 小型文本：使用预定义实体或数字实体即可
2. 富文本 / HTML / 脚本：使用 CDATA 区块
3. 可复用文本：使用自定义实体
4. 数字实体：避免编码不一致问题
5. 混合场景：注意 CDATA 内实体不会被解析
6. 解析器处理：DOM 会生成 CDATASection，SAX 需要事件处理
7. 避免常见坑：CDATA 内不要出现 ]]>，自定义实体必须定义