翻译包含HTML样式的XML文档 (CDATA篇)
在上一篇文中，我们说明了，如果 XML 文中包含实体和 HTML 样式的内容，应该如何翻译。
那么这一篇，我会讲另一种XML 中包含 HTML 的文本，也就是包含 CDATA 的文档。
包含CDATA的XML也是应用程序本地化中常遇到的一种文档格式。
我们先来看它长什么样子：
我们发现它是符合 XML 标准的：
第一行说明语句：
<?xml version="1.0" standalone="no"?>第二行和最后一行根元素：
<doc>中间有
<para>是<doc>的子元素。
但是也有点不一样，就是多了一些<![CDATA[...]]的东西。
这就是 CDADA 文档。
那么它到底是个什么，又该如何翻译呢？
今天带大家看看~
如果我讲的不对，还请各位来批评啦~~~
什么是 CDADA?
我们知道，计算机在读取编程文件的时候，是一行一行来读的。
我用前面的 XML 文档为例。
计算机就会先读取第一行：<?xml version...?>，然后计算机就知道了：“哦，原来是个xml文档，要识别为XML文档~”。
然后继续往下读<sample>，“哦，是个示例呀~”。
可是如果遇到走不通的地方，计算机读不懂，就会提示你：“哎呀，出错惹，我读不懂啊”。（这就是我们经常说的报错。）
可是为什么会有报错呢？可能的原因有：
你的代码逻辑有问题。或者
这是个XML文档，你写的不是XML样式，所以你跟它说，它确实读不懂。（就像你跟一个不懂汉语的人说汉语，说的明明都是人话，就是无法交流。）
第一个原因我就不说了，自身原因自己找找看咯~
第二个原因，怎么解决呢？
改成它能懂得语言；——比如我们前面讲的可以改为实体，如果
'读不懂，就改为'既然读不懂，就别难为计算机了，跳过吧。——比如通过 CDATA 就是一种解决方法。
怎么解决呢？我们看看 CDATA 是什么。
CDATA 的全名是 character data。
在 XML 文档中，文本均会被计算机读取和解析，但是被 CDATA 包起来的文本除外。
比如某些代码，包含像 < 、 > 、& 等字符，我们可以将其定义为 CDATA，这样计算机就不会读这部分内容，也就会减少出错了。
CDATA 部分由<![CDATA[" 开始，由 "]]>结束：
我们还是以本文开篇的 CDATA 文档为例，这次我们用 Chrome 打开看一下。
我们发现，由 CDATA 包起来的内容是没有读取的哦~
计算机想：“遇到 CDATA，我干脆不读了，就不出错了嘛对不对~”。
是的，的确是这样，可是也不对。
我们其实想要的结果是：
我不管你是什么Java XML HTML 语言，你还是要读的，也还是要翻译的。
（当然了，辛辛苦苦写出来肯定是要用的，既然要用，当然要翻译了。）
这可如何是好呢？遇到 CDATA 该怎么翻译呢？
不要着急，都可以解决~
如何翻译包含CDATA 的XML？
我们先看源文档：
其实不是不能读，是不能用 XML 读了。要用它支持的语言读。
就像我们搞翻译一样，如果遇到原文本（英语）中夹杂了法语，难道你不翻译了？当然不是，不是不翻译了，是不把原文本作为英语翻译，而是要翻法语。
所以：如果要翻译出 CDATA 的部分，必须要知道 CDATA 包起来的部分是什么。
在这个例子中，我们发现，其实被 CDADA 包起来的内容是 HTML 样式，像<p>、<b>都是，当然也有实体，像&amul;、ö。
所以这就简单了嘛，我们还是用层叠过滤器：
既然是XML文档，那第一层过滤器还是用 XML 过滤器；
既然 CDATA 部分是 HTML 样式，那第二层我们就用 HTML 过滤器。
当当当当~
我丢~竟然在最后一行有个漏网之鱼：
####NAME####
没关系，我继续加过滤器，加一层正则表达式标注器，标记为标签。
搞定！该是段落识别为段落，该是标签识别为标签，该是特殊字符的还原特殊字符~
真棒！
记得怎么用正则标注标签吗？不记得看这里回顾：正则篇（六）：用正则将文本标记为标签
操作视频
上完整操作：
好啦~今日分享结束~你学会了吗~
后面会继续分享：DTD与XML文档，继续关注啦~（我也不知道什么时候写好~但是我保证很快惹~）
你还想学什么，欢迎来问～