PCDATA vs CDATA in XML DTD

Question

在XML DTD中-定义元素时，我们使用#PCDATA表示该元素可以包含任何可解析的文本。在定义属性时，我们使用CDATA表示其值可以是任何字符数据。

XML中使用的CDATA是XML解析器无法解析的东西（多字符转义序列）。一贯地，当我们使用CDATA来定义属性时；解析器不应该解析它。但是，它确实解析了！

那么，为什么不能用PCDATA代替CDATA来定义属性呢？

更新-保持这种方式是为了与SGML向后兼容。SGML中这样命名的原因是什么？

Answer 1

在属性的声明值中使用时，CDATA指的是属性（字符数据）的实际值，而不是解析它的上下文。另一方面，在解析元素时，我们需要区分没有标记的字符数据（CDATA）和需要分隔符的已解析字符数据（PCDATA）。

乍一看，这似乎是武断的，但事实并非如此（请参阅此处和此处）。

在SGML中，属性值规范可以被引用（attribute value literal），也可以被取消引用（attribute-value

attribute value specification = attribute value literal | attribute value

当属性不带引号时，只允许使用NAME字符，并且对于某些已声明的值（如NUMBER），这可能会受到进一步限制。

另一方面，属性值literal的内容是由LIT/LITA分隔符（在引用具体语法中分别为双引号和单引号）包围的可替换字符数据序列。

attribute value literal =
   ( LIT , replaceable character data *, LIT) | 
   ( LITA , replaceable character data *, LITA)

可替换字符数据"与CDATA类似，但实体引用和字符引用是可识别的"

（Goldfarb，SGML手册）。

因此，属性值文字中实体引用的替换不取决于属性的声明值。因此，如果您有<!ENTITY foo "bar">和<elem attr="&foo;">，实体引用&foo;将在可替换字符数据的上下文中解析（LIT识别模式），生成<elem attr=bar>。attr是否声明为CDATA、NAME或其他什么都无关紧要。

更新

没有必要说必须解析属性中的实体，因为所有属性类型都有相同的解析规则：如果属性值以引号（LIT）开头，则实体被识别（可替换字符数据），并且当找到匹配的结束引号时，值结束。

这里CDATA意味着在扩展实体之后，有效属性必须包含任意字符数据。如果属性被声明为NUMBER，那么它将被要求包含数字字符（或扩展为数字字符的实体）。

在上面的示例中，值为"&foo;"的CDATA属性等效于"bar"，就像值为"0"的NUMBER属性等效于"0"一样（即使序列"0"包含数字以外的字符）。

Answer 2

CDATA部分与CDATA属性类型不同，就像您在元素中使用的那样。

您最有可能观察到的解析（如正在解析的实体引用）来自属性值规范化。