在W3c 的规范中,我似乎无法找到允许出现在 XML 文档的属性值中的字符集的定义。
- 它与元素的文本内容相同吗?
- 或者它只是一个子集(不包括例如\n)?
请引用规范中回答我的问题的部分。
XML 属性允许字符数据(又名 CDATA)。请参阅“字符串类型”下的属性类型的正式定义。
从根本上说,必须在 XML 源(即,它会出现在文本编辑器中)和 DOM(即,它会存在于内存中,在解析 XML 源之后)之间有所区别。
\n
属性可以在 XML 源中包含文字换行符 ( ),如下所示:
<elem attr="a
linebreak">
但是这样的换行符会在 XML 解析过程中被转换成空格。这称为属性值规范化。
为了在解析后获得换行符,必须在 XML 源中将其编码为

或等效的
.
通常,当您操作文档并保存它时,DOM API 会为您执行此操作。不幸的是,有些不兼容的 API不能正确编码属性值中的换行符。这些 API 使保留换行符成为不可能。
制表符 ( ) 也会发生同样的情况\t
。它可能存在于 XML 源代码中,但在解析时会被规范化为单个空格。为了防止它必须被编码,无论是作为	
或	
。
底线:如果您通过 API 与 XML 文档进行交互(而且您应该这样做!),所有这些细节都会为您处理好,除非 API 被破坏。
为了完整起见:由于一个相当短视(恕我直言)的决定,>
在 XML 源代码的属性中允许文字字符。<
只禁止文字:
<elem attr="this > that" /> <!-- legal syntax -->
<elem attr="this < that" /> <!-- syntax error -->
我建议不要使用那个怪癖。>
无论如何,大多数 API 都会插入转义形式:
<elem attr="this > that" />
<elem attr="this < that" />
2.3 节定义了常见的句法结构。特别是有一个AttValue
规则:
AttValue ::= '"' ([^<&"] | Reference)* '"'
| "'" ([^<&'] | Reference)* "'"
http://www.w3.org/TR/xml/#NT-AttValue是您正在寻找的产品,本质上它表示属性值可以包含除小于号和与号之外的任何字符(除了有效字符或实体引用),或值周围使用的引号字符(单引号属性可以包含双引号,双引号属性可以包含单引号,反之亦然)。
正如 Tomalak 所说,换行符是允许的,但解析器不会将它们报告为换行符。