XML基础入门(A)

讨论 xml 文件以前我们先看一个例子：

<person>

? Alan Turing

</person>

这就是一个标记完好的xml文件，<person>和</person>分别是开始标记和结束标记。

l 开始标记：以<开始，以>结束，中间是标记名称。

l 结束标记：以</开始，以>结束，中间是标记名称。

注意：开始标记和结束标记对应的标记名称必须相同，但是具体使用什么作为名称就没有规定，这个和 html是不同的（html的标记名是若干个确定的），你可以使用person来标记一个人，使用cat来标记一只猫。

标记中间的Alan Turing就是数据，其中Alan和Turing之间的空格也是数据，也就是说标记里面的数据中的空格不会别忽略。

有时候我们也许需要没有任何数据的元素（元素指开始标记和结束标记之间的内容，包含开始标记和结束标记，比如上面提到的例子就是一个元素），例如下面的：

<person></person>

这是一个空标记，但是我们有另外更简捷的标记表示空标记：

<person/>

注意：xml是区分大小写的，这与html不同。 <Person> 和<PERSON>是不同标记，比如你有一个元素以<person>开始，那么你就不能使用</ Person > 作为结束标记。

上面的例子指含有一个元素，我们现在给出一个复杂点的例子，然后给出 xml 树的概念。

<person>

<name>

<first_name>Alan</first_name>

<last_name>Turing</last_name>

</name>

<profession>computer scientist</profession>

<profession>mathematician</profession>

<profession>cryptographer</profession>

</person>

 

显然上面的例子外层仍然是一个person元素，但是与先前不同的是这个元素含有4个子元素，1个name元素和3个profession元素。我们称person是name的父元素，显然他也是profession的父元素，同样我们可以看到name是first_name和last_name的父元素。

上面的例子我们发现标记进行了嵌套，这是允许的。但是重叠标记是非法的，比如：
<strong><em> this common example from HTML</strong></em>

应该是：

<strong><em> this common example from HTML</em></strong>

现在我们给出一个混合数据的 xml 文件的例子，

<biography>

<name><first_name>Alan</first_name> <last_name>Turing</last_name>

</name> was one of the first people to truly deserve the name 

<emphasize>computer scientist</emphasize>. Although his contributions 

to the field are too numerous to list, his best-known are the 

eponymous <emphasize>Turing Test</emphasize> and 

<emphasize>Turing Machine</emphasize>.

<definition>The <term>Turing Test</term> is to this day the standard

test for determining whether a computer is truly intelligent. This 

test has yet to be passed. </definition>

<definition>The <term>Turing Machine</term> is an abstract finite 

state automaton with infinite memory that can be proven equivalent 

to any any other finite state automaton with arbitrarily large memory. 

Thus what is true for a Turing machine is true for all equivalent 

machines no matter how implemented.

</definition>

<name><last_name>Turing</last_name></name> was also an accomplished 

<profession>mathematician</profession> and

<profession>cryptographer</profession>. His assistance 

was crucial in helping the Allies decode the German Enigma

machine. He committed suicide on <date><month>June</month> 

<day>7</day>, <year>1954</year></date> after being 

convicted of homosexuality and forced to take female 

hormone injections.

</biography>

上面的例子我不作解释，但是你要知道他是一个合法的 xml 文件，也就是说标记和内容可以混排。但是这样格式的 xml 文件在程序的处理上就很麻烦，所以不推荐使用。

接着我们谈谈属性（Attributes ）。看例子：

<person born="1912-06-23" died="1954-06-07">

Alan Turing

</person>

其中红色标记的born和died就是属性。其中born是属性名，1912-06-23是属性值，属性值是用”筐起来的，当然也可以用单引号’筐起来。

<person died = '1954-06-07' ? born = '1912-06-23' >

Alan Turing

</person>

使用单引号的作用是你可以在属性的值里面添加双引号。

到这里我们发现一个问题：

<person>

<name first="Alan" last="Turing"/>

<profession value="computer scientist"/>

<profession value="mathematician"/>

<profession value="cryptographer"/>

</person>

这个例子中我在person元素里面添加了4个子元素，每个元素有自己的属性，以及对应的值，然后这4个元素都是空元素。对照前面我们给出的对应的例子，你觉得是把值限定在属性里面好还是直接放在标记之间好呢？这是一个争论不休的问题，我的看法是由你自己定，看哪个爽就使用哪个。但是要注意对同一个元素，他不能同时含有几个相同名称的属性。

<person born="1912-06-23" born="1954-06-07">

Alan Turing

</person>

上面的是非法的xml文件。

接着我们看看特殊字符带来的问题。由于<和>是作为标记使用的，所以一般情况下我们不能在数据部分直接包含<和>，而是使用 &lt; 和 &gt; ，其实这个问题在 html 里面就有了，处理方式也是和 html 一样，比如 & 我们使用 &amp; ，双引号 ” 使用 &quot; 等。

再看看注释，方法和html是一样的：

<!-- 左边的是注释开始标记，右边的是结束标记 -->

但是注意注释的内容不能包含 ? -- ，同时注释里面的任何标记都会被忽略！同时需要注意的是注释不能出现在一个元素的标记里面。

现在我们从整体上来看 xml ：

1. xml 声明

所有的xml文档可能（也应该！）由一个xml声明（XML Declaration）开始。虽然文档声

明使用的是同指令处理类似的语法，但从技术上讲，根据X M L推荐标准它们并不是一回事，因

为声明是xml中的保留部分。

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

<person>

Alan Turing

</person>

如果包括X M L声明，它必须处在文档最前面—前面不允许有任何空白或注释。严格地讲，

在X M L当中这种声明并不是必须的，但我们后面会看到，当处理文档时，它确实会起到一些优化的作用。

这些属性已经在XML 1.0规范中做出了定义：

version —不能省略；值必须为“1.0”；该属性用来保证对X M L未来版本的支持。

e n c o d i n g —可选；值必须是一种合法的字符编码，例如“ U T F - 8”、“U T F - 1 6”或者

“I S O - 8 8 5 9 - 1”（即L a t i n - 1字符编码）。所有X M L解析器都要求至少支持U T F - 8和U T F - 1 6。

如果没有包含这个属性，就假设是“ U T F - 8”或“ U T F - 1 6”编码，这取决于开始的“< ? x m l”字符串的格式。

s t a n d a l o n e —可选；值必须是“ y e s”或“n o”；如果是“y e s”就意味着所有必须的实体声明都包含在文档中，如果是“ n o”就意味着需要外部的D T D。DTD将在后面介绍。

最后给出好的xml的相关要求：

1. 每个开始标记必须有一个结束标记匹配

2. 标记可以嵌套但是不能重叠

3. 每个xml文件只有一个根元素

4. 一个元素不能含有两个相同名字的属性

5. 注释不能出现在元素标记里面

6. 没有<或者&等类似的字符出现在元素值或者属性值里面