当处理XML格式的专利文件时，最常见的抱怨是“XML看起来像乱码”或“特殊字符变成了天书”。这通常不是文件损坏——而是XML实体的原始显示。理解如何正确转义和反转义XML中的特殊字符，对于专利从业者至关重要，尤其是在向要求严格XML合规的专利局提交文件时。
什么是XML实体？
XML使用一小部分保留字符，这些字符在标记语言中具有特殊含义。要将这些字符作为文字包含，必须用预定义实体或数字字符引用替换它们。五个预定义的XML实体是：
| 字符 | 实体 | 数字引用 | 描述 |
|---|---|---|---|
< |
< |
< |
小于号 |
> |
> |
> |
大于号 |
& |
& |
& |
和号 |
' |
' |
' |
单引号 |
" |
" |
" |
双引号 |
在专利文件中，你经常会遇到需要这些实体的数学公式、化学符号或商标符号。例如，声明“一种包含A & B的组合物”在XML中必须写成A & B。
为什么专利提交需要正确转义
专利局如中国国家知识产权局（CNIPA） 和美国专利商标局（USPTO） 现在强制要求XML格式的电子提交。专利申请的XML模式（例如，序列列表的ST.26或CNIPA自己的DTD）严格规定了格式良好性。一个未转义的and号或尖括号可能导致整个文档因格式错误而被拒绝。
常见出现实体的场景：
- 化学式：
Fe<sub>2</sub>O<sub>3</sub>（注意：<sub>标签是标记，但文本中的<必须转义） - 数学表达式：
x < y→x < y - 商标符号：
®→®（如果DTD定义则可用®） - 说明书中的代码列表：
if (a && b)→if (a && b)
工作示例：转义专利权利要求
假设你需要在XML专利说明书中包含以下权利要求文本：
一种制造半导体器件的方法，带隙 > 2 eV，温度 < 400°C，使用Si & Ge合金。
要使其符合XML规范，必须转义<、>和&字符。>在技术上允许出现在文本中，但为了安全起见最好转义以避免与结束标签混淆。度符号°可以表示为°，如果编码支持（推荐UTF-8），也可以保留原样。
正确转义的版本：
<claim>一种制造半导体器件的方法，带隙 > 2 eV，温度 < 400°C，使用Si & Ge合金。</claim>
如果你不小心写了未转义的&，XML解析器会将&Ge视为实体引用，找不到它，然后抛出错误。
处理专利XML中实体的常见陷阱
- 忘记转义URL中的and号：像
http://example.com?foo=1&bar=2这样的引用必须变成http://example.com?foo=1&bar=2。 - 双重转义：如果你转义了一个已经转义的实体（例如
&amp;），文字将显示&而不是&。 - 使用XML中未定义的HTML实体：HTML有许多命名实体如
或©，它们在XML中未预定义。应改用数字引用（ ,©）。 - 混合使用CDATA和转义：你可以将文本包裹在
<![CDATA[ ... ]]>中以避免转义，但CDATA段不能包含字符串]]>，并且并非所有专利XML模式都允许CDATA。 - 编码不匹配：XML声明应指定编码（例如
<?xml version="1.0" encoding="UTF-8"?>），并且文件必须以此编码保存，否则像°或©这样的字符可能变成乱码。
使用HTML实体工具快速转义/反转义
在手动准备专利XML文件时，你可以使用我们的HTML实体解码器/编码器快速转义或反转义文本。粘贴原始权利要求文本，点击“编码”，然后复制转义后的结果。这在处理包含许多特殊字符的大型说明书时特别有用。
常见问题
XML实体和HTML实体有什么区别？
XML只定义了五个预定义实体（<, >, &, ", '）。HTML定义了更多（例如©, ®）。在专利XML中，除非DTD显式定义了其他实体，否则对于不在五个预定义实体中的任何字符，都应使用数字字符引用。
我可以使用CDATA段来避免转义吗？
可以，但需谨慎。CDATA段允许你包含带有<、&等的原始文本而不转义。但是，它们不能包含字符串]]>，并且某些专利XML模式可能限制或不允许在某些元素中使用CDATA。始终检查模式文档。
为什么我的专利XML文件在浏览器中打开时显示“乱码”字符？
浏览器会渲染XML并显示语法高亮，标签带有颜色。这不是乱码——这是原始的XML结构。如果你看到像å¼Â这样的实际垃圾字符，说明文件编码不匹配（例如，保存为UTF-8但声明为ISO-8859-1）。始终使用UTF-8编码。
如何处理希腊字母或数学符号等特殊字符？
使用数字字符引用。例如，α（希腊字母alpha）可以写成α或α（十六进制）。Unicode码点决定了数字。
有没有工具可以验证专利XML文件？
有，专利局提供验证器。对于CNIPA，“专利业务办理系统”包含验证步骤。你也可以使用通用XML验证器如xmllint或在线工具，但它们可能不强制实施专利特定的DTD规则。
结论
正确转义XML中的特殊字符是任何提交专利电子文件的人的基本技能。通过理解XML实体、避免常见陷阱，并使用我们的HTML实体编码器等工具，你可以确保专利文档格式良好并被专利局接受。记住：有疑问时，先转义and号——它是“XML乱码”投诉中最常见的罪魁祸首。