XML中特殊字符必须转义：①5个内置实体（、&、"、'）；②数字引用（€或€）；③自定义实体需DTD声明；④易错字符用数字引用；⑤CDATA节可包裹大段未转义文本。

XML文档中使用特殊字符时，必须通过预定义的实体引用进行转义，否则会导致解析失败或数据异常。以下是XML标准支持的五种内置字符实体及其对应关系，以及常见扩展实体的规范表示方式：

一、XML标准内置实体

XML规范强制要求处理器识别且仅识别五个预定义实体，用于替代在XML语法中具有特殊含义的字符。这些实体不依赖于外部DTD声明，所有XML解析器均原生支持。

1、 混淆。

2、> 表示大于号，用于避免与标签结束符号 > 混淆。

3、& 表示和号（&），用于避免被误认为实体引用的起始符 &。

4、" 表示双引号，用于属性值中嵌入双引号时保持结构合法，如 title="He said "Hello""。

5、' 表示单引号，用于属性值中嵌入单引号时保持结构合法，如 name='O'Reilly'。

二、数字字符引用方式

当需要表示非标准实体所涵盖的任意Unicode字符时，可采用十进制或十六进制数字字符引用。该方式不依赖实体声明，直接由解析器按Unicode码点解析。

1、十进制格式为 €，例如欧元符号 € 对应 €。

2、十六进制格式为 €，同一欧元符号也可写作 €。

3、数字引用必须以分号 ; 结尾，缺失分号将导致解析错误。

三、自定义实体声明方法

若需在文档中重复使用特定字符序列（如版权符号 © 或商标符号 ™），可通过内部DTD声明自定义实体。该声明必须位于根元素之前，且仅对当前文档有效。

1、在文档开头的 XML 声明之后、根元素之前插入 DOCTYPE 声明，格式为 ]>。

2、在文档内容中使用 © 即可展开为 © 符号。

3、实体名称只能包含字母、数字、连字符、下划线和句点，且不能以数字开头。

四、常见易错字符处理

某些字符虽无内置实体，但在实际应用中高频出现且易引发解析问题，需严格采用数字引用或CDATA节包裹。

1、不间断空格（U+00A0）必须写作   或  ，不可直接输入空格。

2、软连字符（U+00AD）必须写作 ­，直接输入可能被忽略或导致截断异常。

3、零宽空格（U+200B）必须写作 ​，否则在文本流中不可见且无法被正确索引。

五、CDATA节替代方案

当大段文本含多个需转义字符（如JavaScript代码或HTML片段），使用CDATA节可免除逐个转义，其内容被解析器视为纯字符数据而非标记。

1、CDATA节以 开始，以 ]]> 结束，中间所有字符均不作解析。

2、CDATA节内不可出现字符串 "]]>"，否则会提前终止节区，导致后续内容解析错误。

3、CDATA节不能嵌套，且仅适用于元素内容，不可用于属性值中。