Dlaczego znaki" control " są nielegalne w XML 1.0?

To było dawno temu, ale najlepiej pamiętam, że nie mają graficznej reprezentacji, a także nie mają uzgodnionej semantyki. Wybierając parę losowo widzimy U + 0006 "Potwierdź" lub u+0016 "synchroniczny bezczynność"... co to znaczy? Unicode nie mówi. Nawet wtedy, gdy wszyscy twierdzili, że wspierają ASCII, nie było interoperacyjności wokół tych śmieci. XML ma być o interoperacyjności.

Doświadczenie polegało na tym, że ludzie, którzy chcą korzystać z tych rzeczy naprawdę chcą wgrać dane binarne do swoich elementów XML (a następną rzeczą, którą chcą, to włączenie U + 0000 NULL), co było wyraźnym celem XML od dnia 1. Jeśli chcesz reprezentować liczby 0x6 lub 0x16, istnieje wiele dobrych sposobów, aby to zrobić, które nie zamulają pojęcia "znak".

Wydaje się, że mogło być wymagane, aby były one kodowane w Escape, np. jako i & #x001B;

Możesz to zrobić dokładnie w XML 1.1, Dla wszystkich oprócz \0.

Prawdopodobnie nadszedł czas, aby ponownie podsumować, również z widokiem na XML 1.1.

Jakie punkty kodu znaków sterujących są w Unicode?

• U+0000 do U+001f, dziedziczone z ASCII.
• U+007F, dziedziczone z ASCII
• U+0080 do U+009F, dziedziczone z łaciny-1
• różne zakresy specjalnego przeznaczenia, ustandaryzowane jawnie dla Unicode i głównie użyteczne zwłaszcza w kontekstach innych niż znaczniki. Są omówione tutaj blok po bloku, w tym powody, dlaczego i jak ich używać lub nie używać w XML i co zrobić, jeśli i tak na nie wpadniesz.

Jak wygląda XML na te znaki sterujące?

To jest inna klasyfikacja.

• Tab i newline (niezależnie od zależności platformy od tego, co jest nową linią) są dobre. Wszyscy ich używają. Wszyscy wiedzą, co mają oznaczać. Dozwolone w prawie wszystkich znanych formach, często nawet do ładnego drukowania sam znacznik.
• U+0000 jest złem. Null charakter? String terminator? Szum binarny? Antyteza zarówno do interoperacyjności, jak i znaczników. Zabronione we wszystkich formach.
Coś jeszcze? Rzadko używane, problematyczne współdziałanie, ale są sposoby, aby je tolerować, nawet nie wiedząc zbyt wiele o tym, co mają "kontrolować".

Przejdźmy teraz naszą uwagę tylko do tej ostatniej kategorii, kody kontrolne właściwe. Oznacza to, że poniższe podsumowanie nie ma zastosowania do tabulatory i nowe linie: U+0009, U+000a, U+000D, U+0085, U+2028.

XML 1.0 pozwala na wszystkie powyższe zakresy znaków sterujących, z wyjątkiem U+0000 do U+001f, jako tekst (bezpośrednio dołączone znaki) i jako odwołania do znaków numerycznych . Zezwalanie U+007F na U+009Fbyło najwyraźniej przez pominięcie i ta niespójność została poprawiona w XML 1.1, ale odwrotnie. W 2007 roku, w ramach projektu, wprowadzono do użytku nową wersję standardu.]}

[[17]}wreszcie, istnieje spore zapotrzebowanie na definiowanie standardowej reprezentacji dowolnych znaków Unicode w dokumentach XML. Dlatego XML 1.1 pozwala na użycie odniesień znakowych do znaków kontrolnych #x1 do # x1F, z których większość jest zabroniona w XML 1.0. Ze względu na solidność znaki te nadal nie mogą być używane bezpośrednio w dokumentach. W celu poprawy niezawodności wykrywania kodowania znaków, Dodatkowe znaki kontrolne #x7F przez # x9F, które były swobodnie dozwolone w dokumentach XML 1.0, teraz musi również występować tylko jako odniesienia do znaków. (Białe znaki są oczywiście wyłączone.) Niewielkie poświęcenie zgodności wstecznej jest uważane za nieistotne. Ze względu na potencjalne problemy z interfejsami API, #x0 jest nadal zabronione zarówno bezpośrednio, jak i jako odniesienie do znaków.

Dlaczego Unicode i XML pozwalają na swobodne używanie znaków sterujących podobnych do znaczników, poza nielicznymi" odziedziczonymi " zakresami? Ludzie powinni używać do tego znaczników.

Unicode jest również używany w konteksty bez znaczników i jest to wciąż rozwijający się zestaw znaków. Zaimplementowanie zgodnego procesora XML byłoby zbyt trudne, gdyby zestaw znaków niekontrolowanych był ruchomym celem.

Ok, co jest nie tak z odziedziczonymi zakresami, w porównaniu do znaków sterujących specyficznych dla Unicode?

Brak standaryzacji. Konsorcjum Unicode tak naprawdę nie było w stanie wybrać, które liczby są przypisane do tych "znaków" , ani jakie są ich typowe wizualne prezentacja lub znaczenie. Pełna kompatybilność wsteczna z ASCII (na zakodowanym poziomie UTF-8) i z Latin-1 (na poziomie przypisywania punktów kodu) wymusiła surowe włączenie tych punktów kodu niezależnie od różnych specjalistycznych i przeciążonych znaczeń, często dołączanych do nich w różnych kontekstach przetwarzania tekstu.

Czekaj, chcesz powiedzieć, że XML nie ma być w pełni wstecznie kompatybilny z ASCII, w przeciwieństwie do UTF-8?

XML został zaprojektowany specjalnie wokół Unicode (w szczególności UTF-8 i UTF-16) i ISO/IEC 10646, z których oba (nie jestem całkiem pozytywnie nastawiony do ISO 10646) zawierają znaki transmisji/kontroli przepływu, które pozostały z ASCII i dni terminali opartych na znakach. Chociaż te znaki nadal mają zastosowania, nie należą do formatu takiego jak XML.

Jeśli chodzi o te nowe kodowania, które używają tych kodów do czegoś innego, cóż, wydaje się, że specyfikacja XML może potrzebować Przystosuj się.

Dlaczego uciekasz im podwójnie? Wydaje się to dobrym miejscem dla & bell; i & escape;. (Undefined, obsługiwane przez callback z parsera do Twojego kodu)