html - 是有效的 XML 也是有效的 HTML

Question

我正在尝试将一些 XML 转换为 HTML。XML 仅包含映射到 HTML 标记的少数已知元素。我需要对文本节点进行 html 编码吗？

假设我们只使用 HTML 标签，有效的 XML 也是有效的 HTML 吗？

Answer 1

假设我们只使用 HTML 标签，有效的 XML 也是有效的 HTML 吗？

不，这是一个简单的例子。

<div>
  <span/>
</div>

这是格式良好且有效的 XML。在任何版本的 HTML 中，它都不是有效的 HTML（处理为 XHTML 时除外）。

这并不是说 HTML 解析器不会处理它，但这不是一个好的测试。HTML 解析器将处理任何字节序列，无论是否有效。

Answer 2

假设我们只使用 HTML 标记，那么有效的^{* XML 也是有效的 HTML 吗？}

*_{请注意，“有效”与“格式良好”不同。有效性是一种属性，它需要格式正确并与 DTD 或模式进行成功比较。格式正确仅意味着语法正确，这就是您在这里的意思。}

是的。HTML 使用了一些 XML 中不存在的约定（显着的未封闭标签、未编码的标签主体（如<script>、名称空间）不受支持、不正确的标签嵌套被掩盖），但所有东西都被认为是格式良好的、仅使用 HTML 标记的普通 (！) XML名称将被 HTML 解析器理解。

Vanilla 在这种情况下意味着：没有自定义 DTD，没有自定义命名字符实体。

我需要对文本节点进行 html 编码吗？

不可以。只要正确声明了编码，所有在某种编码（例如 UTF-8）中有效的字符在 XML 和 HTML 中都是可接受的。字符转义方案是兼容的，因此 eg  (or &xA0;) 将表示 XML 和 HTML 中的不间断空格。将不间断的空格逐字（即作为单字节xA0）写入文本也可以。除了、、和之外的命名字符实体在 XML 中不受支持，而XML 可以使用的所有编号字符实体都可以在 HTML 中工作。这意味着您不会在那里遇到问题。<>&"'

未声明编码的 XML 将默认为 UTF-8。只要您对 HTML 使用相同的编码，就应该将所有文本节点和属性值保留原样。