使用ColdFusion函数XMLFormat（）时，如何转义HTML字符实体？

Question

我有以下HTML块：

<p>The quick brown fox jumps over the lazy dog &mdash; The quick brown fox jumps over the lazy dog.</p>
<p>The quick brown fox jumps over the lazy dog &mdash; The quick brown fox jumps over the lazy dog.
<br>The quick brown fox jumps over the lazy dog &mdash; The quick brown fox jumps over the lazy dog.

它不是有效的XHTML。 但是，我需要将此HTML包含在XML文档中。 我尝试使用XMLFormat()来转换< to < 和>到> ，效果很好。 不幸的是，它也转换了— 到— ，这是无效的并在CFXML标记中引发异常。

<cfxml variable="myXML">
    <content>#XMLFormat(myHTML)#</content>
</cfxml>

我该如何解决这个问题？

Answer 1

你有几个选择。 很大程度上取决于如何使用这些内容。 包含所需的输出文档以及指示此xml的使用位置非常有用。

如果您根本不想弄乱HTML的内容，您可以随时使用CDATA ，如下所示：

<cfxml variable="myXML">
    <content><![CDATA[#myHTML#]]></content>
</cfxml>

此外，我知道你说你不想转换剩下的＆符号，但我只是不知道这是怎么回事。 HTML内容是您要处理的字符串 - 在这种情况下，所有内容都应该被转义以便以后可以转义 - 或者它是您希望成为文档一部分的有效XML。 我的意思是，当您稍后处理<content>标记的<content>时，如果＆符号未被转义，您将遇到问题。

Answer 2

不幸的是这个回答

<cfxml variable="myXML">
    <content><![CDATA[#myHTML#]]></content>
</cfxml>

如果你碰巧有想要显示的无效html，那就不够了。 考虑myHTML包含的情况：

<p>some invalid html ]]><script>alert('foo')</script>

据我所知，coldfusion中没有支持的方法来对潜在的无效数据进行正确的编码。 最好的办法是给自己编写一个过滤函数，该函数对实体编码html特殊和非法字符。

Answer 3

当你有一些HTML部分转换时，这很难，然后需要做其余的...

您可以暂时替换所有“＆”符号，运行XMLFormat，然后将“＆”符号转换回来。

<cfscript>
// replace & signs with a temp placeholder
myHTML = replace(myHTML, "&", "*amp*", "all");

// format for XML
myHTML = XMLFormat(myHTML);

// replace placeholders with & signs
myHTML = replace(myHTML, "*amp*", "&", "all");
</cfscript>

如果它有效，你可以通过将这个逻辑包装在一个函数中来实现这一步。

Answer 4

如何简单地不使用— 在源字符串中转义，而不是包括?? 原位人物。

编辑 ：

我猜测存储在数据库中的HTML内容不知道是否符合XHTML，因此要将它放在XML文档中，你别无选择，只能将它放在CDATA部分或正确编码。 假设将它放在这样的XML文档中是有用的，并且可以在消费端正确解码。 如果在消费者处使用典型的XML DOM，则这种方法都是如此。

所以这引出了我这个问题，什么是&mdash实际上是错的？ 毕竟<将导致< 当消费者从DOM中检索时，结果字符串将返回使用— 和<等等，当后来用作HTML时一切都会好的。

Answer 5

HTMLEditFormat（字符串）应该转换小于号和大于号的符号，但也会处理＆符号。 我明白你想离开＆mdash; 原样。 值得指出的是＆mdash; 不是XML的预定义实体之一 （尽管您可以定义它）。

我只是想提一下，因为HTMLEditFormat（）非常适合转义HTML以包含在XML文档中，例如Atom提要。 但是，听起来它不是您特定用例的解决方案。

Answer 6

目前，我只是分别用“ < ”和“ > ”替换所有小于和大于字符的字符。

Answer 7

在这个特定的用例中，您可以使用URLEncodedFormat（）来保留内容的自然形式，然后在出路时使用URLDecode（）。

<cfxml variable="content">
    <content><cfoutput>#URLEncodedFormat(myHTML)#</cfoutput></content>
</cfxml>
<cfset xml = xmlParse(content)>
<cfoutput>#URLDecode(xml.content.xmltext)#</cfoutput>

我不建议将此作为最佳实践，只是它可以在问题提出的场景中起作用。