XML 1.1中CDATA解析失败原因：Java SAX解析器报错探究

问题现象 #

当XML版本指定为1.1，且CDATA段内容以单个']'结尾时，Java SAX解析器会抛出文档结构错误，但相同内容在XML 1.0中可正常解析。

示例XML（XML 1.1） #

<?xml version="1.1" encoding="UTF-8"?>
<book>
  <description><![CDATA[Release year [1997]]]></description>
</book>

报错信息 #

XML document structures must start and end within the same entity.

XML 1.0下的正常情况 #

相同内容在XML 1.0中可被解析器正常处理：

<?xml version="1.0" encoding="UTF-8"?>
<book>
  <description><![CDATA[Release year [1997]]]></description>
</book>

原因分析 #

根据XML规范，无论1.0还是1.1版本，CDATA段的唯一结束标记都是]]>，仅该序列被禁止出现在CDATA内容中。但OpenJDK 17.0.7自带的SAX解析器（基于Xerces）在XML 1.1模式下的解析逻辑存在差异：

• 解析器在XML 1.1模式下扫描CDATA内容时，遇到']'会额外检查后续字符；若CDATA内容以单个']'结尾，解析器会误将其视为不完整的结束标记前缀，进而判定文档结构不合法。
• 而在XML 1.0模式下，解析器对CDATA的扫描逻辑更为宽松，仅当完整的]]>序列出现时才判定为CDATA结束，因此单个结尾的']'不会触发错误。

内容的提问来源于stack exchange，提问作者RajV