XML 文件中出现 & ® ™ 这类特殊字符的一种解决方法(from blog.joycode.com/ghj)

这几天在跟一个公司合作的项目中，对方提供了RSS接口，通过这个接口，在我们网站展现出来，但是对方RSS中出现了一些麻烦的字符，比如 &,®,™ 等。这些字符放到XML中，如果不做特殊处理，就会有错误产生。比如下面的XML：

<item>&</item>

在IE 浏览器，以及一些解析用的DOM中解析这个片段，就会产生错误。

在W3C的技术规范中，也可以看到这样的字符不允许出现：
http://www.w3.org/TR/2001/REC-xml-c14n-20010315

比如：对 Text Nodes 允许的字符有如下要求： the string value, except all ampersands are replaced by &, all open angle brackets (< ) are replaced by <, all closing angle brackets (> ) are replaced by >, and all #xD characters are replaced by .

由于这些特殊字符比较多，我们在XML中替换的工作量比较大，我们可以在DTD文件中作些定义：

比如DTD文件中增加以下部分：

<!-- PERCENT SIGN -->
<!ENTITY amp "&#38;">
<!-- COPYRIGHT SIGN -->
<!ENTITY reg "®">
<!-- REG TRADE MARK SIGN -->
<!ENTITY trade "™">

并在XML中定义这个XML文件需要这个DTD支持：

<!DOCTYPE HeadCount SYSTEM "eula.dtd">

这样在XML文件中出现 & ® ™ 这类特殊字符就不会再报错了。

有关更多的特殊字符可以参看：

http://xml.coverpages.org/CourtDocument11-2002-05s-DTD.txt

那里罗列的特殊字符有近200个。

®