XML

XML语法

基本规则

(1).XML是区分大小写的；

(2).所有元素的起始和结束标注必须成对出现，且要正确嵌套；

(3).如果使XML说明，则它必须是XML文档的第一行：<?xml version=”1.0”?>，一般还要在里面指定编码集，否则默认使用ISO-8859-1编码，该编码是不支持中文的。（文件保存的编码集必须和文件查看的编码集一致，否则会出现乱码）

(4).元素属性必须用引号引起来，单、双引号都可以，但必须成对出现。如：

<basic attr=”1.0”>

<basic attr=’1.0’>

(5).XML命名规则：

①.XML名以下划线或字母开始；

②.XML名可包含字母、数字、句点、下划线和冒号；

③.XML名不能包含空格；

④.XML名不能以数字开始，但可包含数字；

⑤.XML名区分大小写。

(6)．保留标记字符，如果要在XML中显示<或&之类的标记，就要使用字符的实体形式，XML中有五种预先定义了的实体：

&lt:   表示<字符

&gt:   表示>字符

&amp:  表示&字符

&apos: 表示’字符

&quot: 表示”字符

我们也可用ENTITY自定义实体：

<!ENTITY linux “linux is a very good system”>

这样我们可用&linux来调用。

 (7).XML文档内容中的空格是有意义的，在转换后会保留。（所以要避免全角符号的出现特别是全角空格，该错误很难排查）

 (8).元素以<开始并以/>结束，如<br/>。

 

元素（ELEMENT）

元素其实就是标记，或者也可以将元素视为标记名称，并没有很明确的定义，而只是一个形容词而已。元素可以说XML文件里最重要的构成单元。有三种元素使用方法：⑴简单内容，文本或其它数据出现在开始和结束标记之间。开始标记与结束标记有相同名字，但结束标记明要以一个斜杠开始。下面的元素包括一个开始标记、内容和一个结束标记

<author>Stephen Hawking</author>.

⑵把元素用作其它元素的容器，元素包含其他元素，呈现出一种分层或树形数据结构。以下的book元素包含了author和title元素

<book>

<author>Stephen Hawking</author>

<title>A brief history of time</title>

    </book>

⑶空元素用作属性容器，当元素只包含属性而无内容时，有一种不需使用开始和结束标记的元素简写方式。空元素的书写可用标记名后跟着一个斜杠来表示

<book/>

他表示了：<book></book>空元素常用来包含属性数据。<book title=”A brief history of time” author=”Stephen Hawking”/>

元素命名规则⑴名字可以包含字母、数字和其他字符。⑵名字不能以数字或标点开始。⑶名字不能用字符串“XML”开始，不管是小写形式还是大写形式。⑷名字不能包含空格，不能使用冒号。

 

属性

属性提供了有关元素的附加信息。再HTML中，当加载HTML文档时，属性用来规定图像文件的名字：<img src=”inde01.gif”>属性常用来表明信息，它不是元素中被描述数据的一部分。属性也常用来描述有关数据本身的信息。以下的XML中属性use告诉程序处理此文件不需要的数据

<file use=”optional”>index01.gif</file>

在XML中，属性值必须用单引号或双引号包围。

一般共识：如果信息看起来像数据就使用元素；而在描述有关数据的信息时就使用属性。不使用属性来存储数据的原因包括：⑴属性不能包含多个值，而元素能包含多个子元素。⑵属性不容易扩展以适应将来的变化。⑶与元素相比，用程序更难以操作属性。⑷不容易检查属性值是否违反文档类型定义（DTD）。

 

实体

实体用来替代XML文档中的字符串.例如：短语”XML and the Data Revolution”当文档中重复出现，就可在DTD中定义一个快捷实体声明。

<!ENTITY xdr”XML and the Data Revolution”>

这样，当要是用整个短语时，就可使用&xdr；而他在XML文档中会被替换。使用实体就可以避免拼写错误以及反复输入同一件事的繁琐。同时还有预定义实体和参数实体之分

 

 

XML文档的组成

 

一个完整地XML应该具备以下规则：

1.文档的开始必须是XML声明。 
2.含有数据的元素必须有起始标记和结束标记。 
3.不含数据并且仅使用一个标记的元素必须以/>结束。 
4.文档只能包含一个能够包含全部其他元素的元素。 
5.元素只能嵌套不能重叠。 
6.属性值必须加引号。 
7.字符<和&只能用于起始标记和实体引用。 
8.出现的实体引用只有&、<、>、&apos;和"。

XML声明：

1.version，定义XML规范的版本号，到现在为止，只有一个版本号1.0 。

<?xml version="1.0" standalone="yes"?>

他的出现是文档最开头的部分，因为XML处理器会读取文件最先的几个字节并将它与字符串<?XML的不同编码作比较来确定正在使用的字符串集。除去看不见的字节顺序记号，在它之前不能有任何东西，包括空格。①在非空标记中使用起始和结束标记：如果忘了结束HTML的标记，Web浏览器并不严格追究。例如，如果文档包含一个<B>标记却没有相应的</B>标记，在<B>标记之后的全部文档将变为粗体。但文档仍然能显示。XML不会如此宽松，每个起始标记必须以相应的结束标记结束。如果一个文档未能结束一个标记，浏览器或移交器将报告一个错误信息，并且不会以任何形式显示任何文档的内容。②用"/>"结束空标记：不包含数据的标记，例如HTML的<BR>、<HR>和<IMG>，不需要结束标记。但是XML空标记必须由/>结束，而不是>。例如<BR>、<HR>和<IMG>的XML等价物是<BR/>、<HR/>和<IMG/>。
　 当前的Web浏览器处理这种标记的方法不一致。但是如果想保持向后的兼容性，可以使用结束标记来代替，而且不能在其间包含任何文本。例如：

<BR></BR> 、 <HR></HR>、 <IMG></IMG>即使这样，Netscape处理<BR></BR>也有困难（它把这两个标记解释为行间距，而不是前面所讲的）。因此，在HTML中包含结构完整的空标记也并非总是可行的。

2.encoding，指定文档的编码系统。

3.standalone，定义文档是独立的还是需要装入其他元素才能正确分析。如果XML文档没有外部实体或DTD，则可以设置为no，否则设置为yes。可用该值提高性能：如果为no，则可提高处理速度；如果设置为yes，则首先要分析文档，确定需要其他哪些文件，然后才能完全分析文档。

4.根元素，每篇XML文档都需要有且只能有一个根元素。由元素是文档的第一个元素，包含其它所有元素。下例的portal就是根元素，如：

   <portal>

     <name>jims</name>

     <email></email>

     …

   </portal>

属性，每个元素都可以设置一个或多个属性，如：

   <portal>

<name id=’1’,sex=”male”>Jims</name>

</portal>

元素和属性都可以表示信息，属性信息表现能力有限，它只能表示字符串。所以当需灵活表示信息时应该使用元素。一般把信息主体放到元素中，属性只放一些注释或额外的信息。

 

CDATA  CDATA的格式：

〈！[CDATA[
文本内容
]]〉

它用<![CDATA[和]]>表示，它们之间的数据作为原始字符显示，唯一不能出现的标志是]]>。

注释，注释是很重要，不论是在编写程序和文档时，所以XML也提供了注释功能，以<!--开头，以-->结尾的一对区间为注释。在以-->结束之前，不能出现“--”号，“---”更不允许。

处理指令，处理指令以<?开头以?>结尾。处理指令是标记而不是元素。与注释一样，处理指令可出现在XML文档的标签外的任何位置，包括根元素之前或之后。最常见的处理指令是，xml-stylesheet样式表指令，它会告诉浏览器在显示文档时应用什么样式表。如：

<?xml-stylesheet href=”sample.css” type=”text/css”?>

<portal>

     <name>…</name>

         …

   </portal>

命名空间

 

命名冲突问题是XML文档中引入多DTD的老大难问题，那么，命名空间标准又是如何解决这一问题的呢？一个直接的想法是保证所引用到的DTD没有重名的元素。可是，你所引用的DTD可能来自世界上各个地方，由不同的人制定，要求这成千上万的DTD没有重名现象似乎有些异想天开，且想想你身边重名的人还有多少呢！再有一个想法就是要求所引用到的DTD改名字，把“联系人列表”中的元素“姓名”改为“联系人姓名”，“电话”改为“联系人电话”；相应地，“企业经理”中的“姓名”改为“经理姓名”，“电话”改为“经理电话”。但是，如果出现了大量重名元素，这个修改的工作量就很大了，如此麻烦，多DTD的优势消失殆尽，还不如自己重新定义一个呢。命名空间标准提供了一个很聪明的方法，就是所谓前缀标识法，即在元素名和属性名前面增加一个标识，以唯一区分当前元素或属性来自哪一个DTD。

 

命名空间声明有两种方式:直接定义方式和缺省定义方式:

直接定义	xmlns:<命名空间前缀> = <命名空间名>
缺省定义	xmlns = <命名空间名>

直接定义方式

命名空间声明的属性名部分由两部分组成，即保留属性名前缀"xmlns:"和命名空间前缀，且命名空间前缀是一个合法的XML名称。例如，"xmlns: 联系人"、"xmlns: 企业经理"都是合法的命名空间声明的属性名。

命名空间声明的属性值部分是一个URI引用，其功能是区分不同的命名空间，因此，这个URI引用被称为“命名空间名”，它应该具有唯一性和持久性。

缺省定义方式

在缺省方式下，命名空间声明的属性名部分仅有保留属性名xmlns，属性值部分与直接定义方式相同。例如:

<联系人:联系人列表 xmlns ="http://xml.net.cn/联系人列表.dtd" xmlns:企业经理 ="http://xml.net.cn/企业经理.dtd">

 

DTD的基本要素

 

DTD的全称是“Document Type Definition“（文件类型定义）。他是用来规范XML文件的格式，它必须出现在文件头（Prolog）中，以便XML校验器在一开始便可以得到该份XML文件的格式定义。

XML分为两类：有效XML文档和简化格式XML文档。有效是指有一个DTD参考文件的XML文档 ，一个有效的XML文档必须是简化格式的XML文档，跟随着这个文档的DTD文件的有效性，促进了XML执行程序的运行以及文档在兼容XML浏览器的显示。

要使用DTD进行有效性检验，就要使用文档类型定义声明指定DTD。例如：<?xml version="1.0" standalone="no"?>

<!DOCTYPE portal SYSTEM "http://www.w3c.com/dtd/portal.dtd">

<portal>

  <name>Jims</name>

  <email>Jims@163.com</email>

  <email>Jims@21cn.com</email>

</portal> 

文档类型声明位于XML声明之后，根元素之前。如果DTD文档位于本机，可用路径名直接指出DTD文档的位置。如果DTD位于XML文档外，则叫外部DTD子集。我们可以结合内外DTD，共同组成一个DTD来为XML文档作验证。

具体地说，DTD是一个或是一些用XML书写的文件。它包含了对一种文件的正式定义。它定义了文件中的元素能用什么名字，能放在什么位置，应该怎样组合。在这里举一个简单的例子。比如说想要文件可以描述一组<List>，其中每个<List>由可以包含若干个<Item>。那么DTD中应该有以下语句：     

<!ELEMENT List (Item)+>

<!ELEMENT Item (#PCDATA)>
　　这样一个框架定义了一个表（list），它可以包含若干个项(items)。每一个项只能包括文本的内容。当处理器处理XML文件时将自动检查DTD，以此确定文件中元素从哪而来，以及它们之间是什么关系。上面的框架允许生成下面的一个表：
<List><Item>Chocolate</Item><Item>Music</Item><Item>Surfing</Item></List>
　　而这样一个表在屏幕上是怎样一个表象,取决于样式表(Stylesheet)。在HTML中要在文件中指定应是怎样的形式。使用DTD表明你能够确定一类文章的结构和格式。

文档类型声明中的每一项都是元素声明，定义了每个元素的约束。元素声明的格式为：

<!ELEMENT element_name (content_model)>

内容包括：1. #PCDATA，规定元素只包含已析的字符数据。

2. 子元素，可指明元素的子元素。也可用逗号为分隔符，指明多个子元素。并且子元素出现的次序必须按定义时的顺序。

3. 子元素的个数，我们可通过正则表达式来规定子元素的个数。①?，允许零个或一个该元素 ②*，允许零个或多个该元素 ③+，允许一个或多个该元素

4. 可选项(|)，选项是一个参数列表，每个参数间用“|”分隔，代表能且只能选一个子元素。

5. 小括号，可用小括号把选项括起来，以表达更丰富的意思，如我们想表示choice元素必须包含一个good子元素，并且必须包含ok子元素或bad子元素的一个。

6. 混合内容，在一些文档中，一个元素可能既包含子元素，也包含字符串，这些内容叫混合内容。

7. 空元素，某些元素不用包含任何内容，称之为空元素。写成以/>结束的独立标签。

8. ANY，允许元素内包含任意内容。该选项在dtd测试时很有用，在生产系统中尽量不要使用。

一个有效的XML文档，必须对元素的属性进行声明。使用ATTLIST声明来完成，一个ATTLIST可以为一个元素类型声明多个属性。

有效文档中使用的每个元素都必须在文档的DTD中用元素声明进行声明。element_name可是任何合法的XML名称，content_model(内容模型)指定元素可以或必须包含的子元素以及子元素的顺序。