为何XML Lint与W3Schools验证器对十六进制Unicode码点判定不同？

问题场景 #

测试的XML代码如下：

<?xml version="1.0" encoding="UTF-8"?>
<Response>
  <Data>
    <ID>&#x14;</ID>
  </Data>
</Response>

其中对应Unicode码点U+0014（十进制20），属于非打印控制字符。两款工具给出完全相反的判定：

• XML Lint判定该XML有效
• W3Schools XML验证器判定该XML无效

差异根源 #

问题出在两款工具默认遵循的XML版本规范不同：

1. XML 1.0与XML 1.1的控制字符规则差异
   • XML 1.0（第三版及更早）严格禁止大部分ASCII控制字符（U+0000到U+001F），仅允许制表符\t、换行\n、回车\r三个例外，U+0014属于被禁止的范围。
   • XML 1.1放宽了限制，允许除U+0000之外的所有控制字符，不管是直接编码还是通过字符引用（比如）的形式出现都合法。
2. 工具的规范默认选择
   • W3Schools验证器默认采用XML 1.0规范，因此会把包含U+0014的XML判定为无效。
   • XML Lint默认可能启用了XML 1.1模式，或者对XML 1.0的实现更宽松，因此认可这份XML的有效性。

该采信哪一方？ #

取决于你的实际使用场景：

• 如果面向通用XML解析环境（比如多数浏览器、旧版解析器），必须遵循XML 1.0规范，不能使用U+0014这类控制字符，此时要采信W3Schools的结果。
• 如果系统明确使用支持XML 1.1的解析器，则可以保留该字符，XML Lint的判定是合理的。

另外，换成十进制的本质还是同一个字符，只要遵循的规范版本不变，判定结果也不会改变。

内容的提问来源于stack exchange，提问作者The Welder