XML语法

1. XML文档包含三个部分

XML文档包含以下三个部分：

① 一个XML文档声明。

② 一个关于文档类型的定义。

③ 用XML标记创建的内容。

下面以myfile.xml为例进行说明。

<?xml version="1.0" encoding="GB2312"?>

<!DOCTYPE myfile SYstem "myfile.dtd">

<title>XML轻松学习手册</title>

<email>ajie@aolhoo.com</email>

</myfile>

其中，第一行<?xml version="1.0"?>就是一个XML文档的声明，第二行说明这个文档是用myfile.dtd来定义文档类型的，第三行以下的语句就是内容主体部分。

2. XML文档术语

① 标记（Tag）：用来定义元素名称和属性名称。在XML中，标记必须成对出现，将数据包围在中间。

② 元素（Element）：由元素名称和元素内容组成。一个元素由一个标记来定义，包括开始和结束标识以及其中的内容。

③ 属性（Attribute）：由属性名称和属性内容组成。属性是对元素进一步描述和说明，一个元素可以有多个属性。属性是一种为元素加入描述性信息的机制。

④ 元素的包含关系：元素（属性，子元素（属性，子元素））。

⑤ 空元素：没有内容的元素。书写格式为<Element></Element>或<Element/>。

⑥ 声明（Declaration）：在所有XML文档的第一行都有一个XML声明。这个声明表示这个文档是一个XML文档，它表示遵循的是哪一个XML规范的版本。

⑦ DTD(文件类型定义)：DTD是用来定义XML文档中元素、属性以及元素之间的关系。通过DTD文件可以检测XML文档结构是否正确，但建立XML文档并不一定需要DTD文件。

⑧ well-formed XML(良好格式的XML)：一个遵守XML语法规则，并遵守XML规范的文档称之为“良好格式”。

⑨ Valid XML(有效格式的XML)：一个遵守XML语法规则，并遵守相应DTD文件规范的XML文档称为有效的XML文档。

⑩ XML文档举例说明。

<?xml version="1.0" standalone="yes" encoding="UTF-8"?>

上述XML文件中元素标记（即元素名称）为author，属性标记（即属性名称）为sex。元素author内容为ajie，该元素author的sex属性内容为female。第一行是XML声明。

3. 属性与子元素的比较

属性也可以改成子元素，改成子元素后易于扩充和编程，但减少了可读性。

下面两个文件中，第一个包含sex属性，第二个把属性sex改成了子元素。

<lastname>Smith</lastname>

</person>

<sex>female</sex>

<lastname>Smith</lastname>

</person>

属性的缺点有：属性不能包含多个值，子元素可以；属性不容易扩展，属性不能够描述结构，子元素可以；属性值很难通过DTD进行测试。

属性的优点是增加了文件的可读性，程序处理耗费的内存空间和时间比子元素少。

数据既可以存储在子元素中也可以存储在属性中。元数据（与数据有关的数据）应该以属性的方式存储，而数据本身应该以元素的形式存储。

4. XML文档的语法规则

XML文档的语法规则如下：

必须有XML声明语句。声明语句是文件的第一句，格式为<?xml version="1.0" standalone="yes/no" encoding="UTF-8"?>。声明的作用是告诉浏览器或者其他处理程序这个文档是XML文档。声明语句中的version表示文档遵守XML规范的版本，standalone表示文档是否附带DTD文件，encoding表示文档所用的语言编码，默认是UTF-8。

在XML文档中，所有的标记必须要有结束标记，包括空标记。

所有的XML文档必须有一个根元素，XML文档中的第一个元素就是根元素。

所有的XML文档都必须包含一个单独的标记来定义，所有的其他元素都必须成对在根元素中嵌套。XML文档有且只有一个根元素。所有的XML标记都必须嵌套合理。

属性值必须使用引号（包括双引号和单引号）。在XML中，元素的属性值没有引号引着是不符合规定的。

使用XML，空白将被保留。在XML文档中，空白部分不会被解析器自动删除。

使用XML，CR/LF被转换为LF。使用XML，新行总是被标识为LF（Line Feed，即换行）。

在XML中注释的语法基本上和HTML中的一样，如 。

XML标记都是大小写敏感的。

XML文档使用了自描述和简单的语法。

5. XML元素的语法

XML元素的语法规则如下：

① XML元素是可以扩展的，它们之间有关联。

② XML元素有简单的命名规则。

③ XML元素是可以扩展的，XML元素的可扩展决定了XML文档的可扩展。

④ XML元素是相互关联的，XML元素之间可以是父子关系和兄弟关系。

⑤ XML元素由元素名称和元素内容组成。XML元素可以有不同的内容。

⑥ 元素可以用来标记XML文件中的区段。XML元素拥有下列的格式：

<ElementName>Content</ElementName>

内容Content部分将会被包含在XML标记中。

⑦ 虽然XML标记通常包围住内容部分，但是也可以建立不含内容的元素，称为空（empty elements）元素。在XML中，空元素可以利用下面两种方式来呈现：

6. XML元素命名规则

① 元素的名字可以包含字母、数字和其他字符。

② 元素的名字只能以字母和“_” (下画线)开头。

③ 元素的名字不能以XML(或者xml、Xml、xMl…)开头。

④ 元素的名字不能包含空格，中间不能包含“:”(冒号)。

7. 属性的语法

XML属性的语法规则如下：

① XML元素在开始标记处可以有元素属性。

② XML元素可以有属性，属性通常包含一些关于元素的额外信息。

③ 属性值必须用引号引着（单引号、双引号都可以使用，单引号中可以包含双引号）。

④ 通常可以用子元素代替属性。

⑤ XML属性定义格式如下：

代码中person是元素名称，sex是属性名称。

8. 注释的语法

XML注释的语法格式如下：

9. 转义字符

不合法的XML字符必须替换为相应的实体然后才可以使用。

如果在XML文档中使用类似“<”的字符,那么解析器将会出现错误，因为解析器会认为这是一个新元素的开始。所以不应该像下面这样书写代码:

<message>if salary < 1000 then</message>

为了避免出现这种情况，必须将字符“<”转换成实体，改写方法如下:

<message>if salary < 1000 then</message>

下表19-1是五个在XML文档中预定义好的实体。实体必须以符号“&”开头，以符号“;”结尾。注意只有“<”字符和“&”字符对于XML来说是严格禁止使用的。剩下的都是合法的，为了减少出错，使用实体是一个好习惯。

表19-1 XML预定义实体表

实体	符号	含义
<	<	小于号
>	>	大于号
&	&	和
'	'	单引号
"	"	双引号

10. CDATA的语法

CDATA全称character data，翻译为字符数据。在标记CDATA下，所有的标记、实体引用都被忽略，而被XML处理程序一视同仁地当做字符数据看待。CDATA语法格式如下：

<![CDATA[这里放置需要显示的字符]]>

例如<![CDATA[<AUTHOR sex="female">ajie</AUTHOR>]]>在页面上显示的内容为“<AUTHOR sex="female">ajie</AUTHOR>”。

对CDATA的两点说明如下：

在XML文档中的所有文本都会被解析器解析，只有在CDATA部件之内的文本会被解析器忽略。

CDATA部件之间不能再包含CDATA部件（不能嵌套）。

11. Namespaces的语法

Namespaces翻译为命名空间。命名空间有什么作用呢？当在一个XML文档中使用多个DTD文件时，就会出现这样的矛盾：因为XML中标识都是自己创建的，在不同的DTD文件中，标识名可能相同但表示的含义不同，这就可能引起数据混乱。

命名空间说明标记属于哪一空间，避免相同命名引起的混乱问题。

Namespaces通过给标识名称加一个网址(URL)定位的方法来区别这些名称相同的标识。Namespaces同样需要在XML文档的开头部分进行声明。

下面例子命名空间是h，解析时用http://www.w3.org/TR/html4网址的DTD文件解析。

<h:table xmlns:h="http://www.w3.org/TR/html4/">

<h:tr>

<h:td>Apples</h:td>

<h:td>Bananas</h:td>

</h:tr>

</h:table>

12. entity的语法

entity翻译为“实体”。实体把文档中共同部分抽象出来，达到一次定义多次引用的目的。可以预先定义一个entity，然后在一个文档中多次调用。

使用entity的好处有下面两点：

① 它可以减少差错，文档中多个相同的部分只需要输入一遍就可以了。

② 它提高了维护效率。

XML定义了两种类型的entity。一种是普通entity，在XML文档中使用；另一种是参数entity，在DTD文件中使用。

entity的定义语法为:

<!DOCTYPE filename [

<!ENTITY entity-name "entity-content"

]

定义好的entity在文档中的引用语法为：

&entity-name;

下文copyright.xml中定义了copyright实体并加以引用，其文件内容如下：

<!DOCTYPE copyright [

&copyright;

</myfile>

13. XML的结构化

XML促使文档结构化，所有的信息按某种关系排列。结构化就是为文档建立树形框架，使每一部分都紧密联系，形成一个整体。结构化有如下两个原则：

① 每一部分(每一个元素)都和其他元素有关联，关联的级数就形成了结构。

② 标识本身的含义与它描述的信息相分离。

14. XML的确认

符合语法的XML文档称为结构良好的XML文档，一个结构良好的XML文档应该使用正确的语法。

通过DTD验证的XML文档称为有效的XML文档，一个有效的XML文档应该遵守DTD的描述。

XML DTD定义了XML文档中可用的合法元素。

XML Schema(XML模式)是基于XML的DTD替代品，W3C使得DTD和Schema可以相互替代。

XML文档中发生错误将导致XML程序停止，所以语法正确时XML文档才能解析完成，即此文档是有效的XML文档。

15. DTD语法

DTD是“有效XML文档”的必须文件，通过DTD文件来定义文档中元素和标识的规则及相互关系。

（1）设置元素

元素是XML文档的基本组成部分，使用时需在DTD中定义一个元素，然后在XML文档中使用。元素在DTD中定义的语法格式为：

<!ELEMENT DESCRIPTION (#PCDATA,DEFinitioN)*>

其中“<!ELEMENT” 是元素的声明，说明要定义的是一个元素，声明后面的“DESCRIPTION”是元素的名称，“(#PCDATA,DEFinitioN)*>”则是该元素的使用规则。

（2）DTD元素定义规则表

下表19-2概要列出了DTD中元素定义的规则，DTD中定义的规则说明了元素可以包含的内容以及相互的关系。

表19-2 DTD中元素定义规则表

符号	含义	举例
#PCDATA	包含字符或文本数据	<MYFILE(#PCDATA)> 元素MYFILE包含一个文本数据
#PCDATA,element-name	包含文本和其他子元素	<MYFILE(#PCDTATA,TITLE)>MYFILE元素必须包含文本和TITLE子元素
,	使用逗号分隔排序	<MYFILE (TITLE,AUTHOR,EMAIL)> MYFILE元素必须依次包含TITILE,EMAIL三个子元素
\|	使用"\|"表示或者	<MYFILE (TITLE \| AUTHOR \| EMAIL)> MYFILE元素必须包含TITLE，或者AUTHOR或者EMAIL子元素
name	只能使用一次	<MYFILE (TITLE)> MYFILE元素必须包含TITLE子元素，而且只能使用一次
name?	使用一次或者不使用	<MYFILE (TITLE,AUTHOR?,EMAIL?)> MYFILE元素必须包含TITLE子元素，而且只能使用一次；可以包含或者不包含AUTHOR和EMAIL子元素，但是如果使用，只能一次
name+	使用至少一次或多次	<MYFILE (TITLE+,EMAIL)> MYFILE元素必须包含TITLE子元素，而且使用至少一次；接下来可以跟随AUTHOR子元素，也可以不跟；最后必须包含EMAIL子元素，而且只能使用一次
name*	使用一次，多次，或者根本不使用	<MYFILE (TITLE*)>MYFILE元素可以包含一个，多个或者不包含TITLE子元素
( )	设置组，可以嵌套	<MYFILE(#PCDATA \| TITLE)>元素MYFILE包含一个或者更多的文本或者TITLE子元素。 <MYFILE((TITLE,EMAIL)* \| COMMENT)> MYFILE元素必须包含一些内容，内容或者是一个注释；也或者是多个组，组里包含：一个，多个或者没有TITLE子元素，接着是一个或者没有AUTHOR子元素，再接着是一个必须的EMAIL子元素

（3）DTD定义举例说明

下面建立myfile.xml文件，然后在myfile.dtd中定义此文件的元素规则。

建立myfile.xml文件，文件内容如下：

<title>XML轻松学习手册</title>

建立myfile.dtd文件，文件内容如下：

<!ELEMENT myfile (title,author)>

<!ELEMENT title (#PCDATA)>

<!ELEMENT author (#PCDATA)>

16. XML编码

对XML编码的建议如下：

① 使用一种支持Unicode编码格式的编辑器。

② 确信知道自己正在使用哪种编码格式。

③ 在XML文档中使用属性声明设置编码格式。

④ XML文档说明要以<?开始，以?>结束。

⑤ XML文档编码定义格式如下：

<?xml version="1.0" encoding="ISO-8859-1"?>

<?xml version="1.0" encoding="UTF-8"?>

<?xml version="1.0" encoding="gb2312"?>

17. DOM树

DOM（Document Object Model，即文档对象模型）树是将XML文件或XML字符串在内存建立文档对象树，方便XML节点增删改查操作。

使用XML时，一般需要首先将XML文档读入内存形成DOM树，使之结构化，以便进一步操作。下图19-2画出了DOM树的节点种类及其层次关系，树中的每个 Document、Element、Text和Attr都是DOM节点。

图19-2 DOM树层次图

使用DOM的基本规则为：不要使用DOM来遍历文档。只要可能，就使用XPath来查找节点或遍历文档。使用高级函数库使DOM更易于使用。

下面以bookstore.xml文件来说明DOM树，此文件内容如下：

<title lang="en">Harry Potter</title>

<author>J K. Rowling</author>

</book>

</bookstore>

bookstore.xml文件中的根元素是bookstore，文档中的book元素都被包含在bookstore中，book元素有4个子元素，分别为title、 author、year、price。bookstore.xml形成DOM树如下图19-3所示。

图19-3 DOM树实例图

18.XML术语

① XHTML - 可扩展HTML（Extensible HTML）

② XSL - 可扩展样式表语言（Extensible Style Sheet Language）

XSL由三部分组成: XML文档转换（XML Document Transformation ，又叫XSLT）、模式匹配语法（XPath)、格式化对象（XSL FO）。

③ XSLT - XML转换语言（XML Transformation）

XSLT是一种比CSS功能更强的语言，它可将XML文档转换成其他格式的文档。

④ XPath - XML匹配模式（XML Pattern Matching）

XPath是一种用于标识XML文档各个部分的语言，这是一种为了XSLT和 XPointer而设计出来的语言。

⑤ XPointer - XML指针语言（XML Pointer Language）

XML指针语言（The XML Pointer Language，XPointer），标识XML文档的内部结构，例如元素、属性、内容等。

⑥ XLink - XML链接语言（XML Linking Language）

链接语言（The XML Linking Language，XLink），允许在不同的XML资源之间建立链接关系。

⑦ DTD - 文档类型定义 (Document Type DeFinition)

DTD主要用于定义编写XML文档所使用的元素。

⑧ Namespaces - 命名空间

XML命名空间提供一种可以把元素、属性、命名和URL地址引用相互关联的方法。

⑨ DOM - 文档对象模型（Document Object Model）

DOM定义了XML文档的接口、属性和方法。

⑩ SAX - XML的简单API(Simple API for XML)

SAX是另一种读取和操作XML文档的编程接口（与DOM类似）。

⑪ Schema-中文称模式

与DTD不同，它本身也是基于XML。XML Schema同时还支持名称空间，能够定义比DTD更复杂的数据类型和结构。XML Schema内置支持一系列的简单数据类型，如字符串、小数和整数等，还可以定义元素出现的次数。因此XML Schema更适合以数据为中心的文档。

摘录自《深入浅出Linux工具与编程》