XML技术小小总结

XML技术小小总结

本文于2020-4-25重构
删去大部分XML约束的内容，只保留一点基本的约束知识
如需扩展，我下文中提供了相应的网址

XML概述

XML全称为eXtensible Markup Language, 意思是可扩展的标记语言，它是 SGML（标准通用标记语言）的一个子集。而HTML（HyperText Mackeup Language）为超文本标记语言

XML语法上与HTML相似，但HTML中的元素是固定的，XML的标签由用户自定义

XML可以用来

• 编写程序的配置文件
• 数据交换，不同语言之间用来交换数据（在WEB中已被JSON取代）
• 小型数据库，用来当数据库使用（没必要）

XML与HTML比较:

• HTML 元素是固定的，XML可以自定义元素‘
• HTML用浏览器解析执行，XML的解析器通常需要自己来写（因为元素是自定义的）
• HTML只能用来表示网页，XML可以做的事情很多

XML与properties（属性文件）的比较:

• 属性文件只能存储平面信息，而XML可以存储结构化信息
• 解析属性文件只需要用properties类就可以了，解析XML文档是相对复杂的

XML文档展示:

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<students>
	<student number="1001">
		<name>zhangSan</name>
		<age>23</age>
		<sex>male</sex>
	</student>
	<student number="1002">
		<name>liSi</name>
		<age>32</age>
		<sex>female</sex>
	</student>
</students>

一份XML文档包含：

• XML文档声明
• XML处理指令
• XML元素
• XML特殊字符与CDATA区（转义区）
• XML注释

XML文档声明

概述：

可以把XML文档声明看成是XML文档说明

最简单的XML文档声明：<?xml version="1.0">

注意：XML区分大小写

XML文档声明结构：

• version属性：用于说明当前XML文档的版本，默认使用1.0，version属性是必须的

• encoding属性:说明当前XML文档使用的字符编码集，XML解析器会使用这个编码来解析XML文档，encoding属性是可选的，默认utf-8

• standalone属性：用于说明当前XML文档是否独立文档（yes/no），若XML文档不是独立的，即依赖外部的约束文件，默认yes

• xml文档声明必须从xml文档的1行1列开始

XML元素

闭合原则：

XML元素包含：开始标签、元素体（内容）、结束标签

例如：<hello>大家好</hello>

空元素：空元素只有开始标签，没有元素体和结束标签，但空元素一定要闭合。例如：< hello/>

支持嵌套：

• xml元素可以包含子元素或文本数据。例如：<a><b>hello</b></a>，a元素的元素体内容是b元素，而b元素的元素体内容是文本数据hello

根元素：

比较以下两端XML代码：

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<students>
	<student number="1001">
		<name>zhangSan</name>
		<age>23</age>
		<sex>male</sex>
	</student>
	<student number="1002">
		<name>liSi</name>
		<age>32</age>
		<sex>female</sex>
	</student>
</students>

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<student number="1001">
	<name>zhangSan</name>
	<age>23</age>
	<sex>male</sex>
</student>
<student number="1002">
	<name>liSi</name>
	<age>32</age>
	<sex>female</sex>
</student>

针对student的存储来说：

student1.xml是格式良好的xml文档，只有一个根元素，即students元素。

student2.xml不是格式良好的xml文档，有两个根元素，即两个student根元素。

格式良好的XML文档一般只有一个根元素

不要留空白:

注意：编写XML元素时，出现空白，在解析XML程序时，可能会出现异常，如

<a>
  <b>
hello
  </b>
</a>

命名规范：

xml元素名可以包含字母、数字以及一些其它可见字符，但必须遵循下面的一些规范：

• 区分大小写：<a>和<A>是两个元素；
• 不能以数字开头：<1a>都是错误的；
• 最好不要以xml开头：<xml>、<Xml>、<XML>；
• 不能包含空格；

元素属性：

• 属性由属性名与属性值构成，中间用等号连接；
• 属性值必须使用引号括起来，单引或双引；
• 定义属性必须遵循与标签名相同的命名规范；
• 属性必须定义在元素的开始标签中；
• 一个元素中不能包含相同的属性名；

注释：

<!--  -->

• 注释以<!--开头，以-->结束；

• 注释中不能包含–；

转义

因为在xml文档中有些字符是特殊的，不能使用它们作为文本数据。例如：不能使用“<”或“>”等字符作为文本数据，所以需要使用转义字符来表示。

例如<a><a></a>，你可能会说，其中第二个< a >是a元素的文本内容，而不是一个元素的开始标签，但XML解析器是不会明白你的意思的。

解决方法一：使用转义字符（不推荐）

把<a><a></a>中元素值a的敏感字符使用转义符替代

<a>&lt;a&gt;</a>

常见的转义字符：

转义字符都是以“&”开头，以“;”结束。这与后面我们学习的实体是相同的

CDATA区（CDATA段）（推荐）：

当大量的转义字符出现在xml文档中时，会使xml文档的可读性大幅度降低，这时如果使用CDATA段就会好一些

<a><![CDATA[<a>]]></a>

在CDATA段中不能包含“]]>”，即CDATA段的结束定界符

XML约束(选读)

因为XML文档是可以自定义元素的，这会让使用XML文档的应用程序无法知道XML文档的真实结构。通常应用程序都会要求XML文件的结构是固定的，以满足自己的需求，这就说明，不同的应用程序要求自己的XML文档必须符合一定的要求

XML文档约束是用另一个文件来约束XML文档的结构，例如要求XML文档的根元素必须是< students >，在< students >元素下可以包含0~n个< student >元素，每个< student >元素必须有一个number属性，而且还要有三个子元素，分别为< name >、< age >、< sex >，这三个子元素的内容必须为文本内容，而不能是子元素

DTD约束（淘汰）

dtd是平面式文档，dtd文件不是xml文档，通常扩展名为“.dtd”。它是最早的xml约束

编写相关DTD文件：

<!ELEMENT students (student+)>
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>

在XML文档中指定DTD约束文件

<?xml version="1.0" encoding="utf-8" standalone="no" ?>
<!DOCTYPE students SYSTEM "students.dtd">   <-----
<students>
	<student>
		<name>zhangSan</name>
		<age>23</age>
		<sex>male</sex>
	</student>
</students>

• 其中< !DOCTYPE students SYSTEM "students.dtd" >，表示指定dtd文件

• SYSTEM表示dtd文件在本地

在XML文档中指定外部公共DTD约束：

<?xml version="1.0" encoding="utf-8" standalone="no" ?>
<!DOCTYPE students PUBLIC "-//rlteach//DTD ST 1.0//ZH" "http://www.rlteach.com/xml/dtds/st.dtd">
<students>
	<student>
		<name>zhangSan</name>
		<age>23</age>
		<sex>male</sex>
	</student>
</students>

外部公共DTD是说，DTD由某个公司或权威组织发布，如下：

< !DOCTYPE 根元素 PUBLIC "DTD名称" "DTD网址">

当然你需要知道要使用的DTD的名称和网址。如果某个机构公布了DTD，那么一定也会公布DTD的名称和网址

如果想继续学习更多内容或者自己编写DTD，可以参考
DTD教程

Schema约束

这个约束是比较重要的，也是现在主流的指定约束方式

DTD的局限性

• DTD不遵守XML语法（写XML文档实例时候用一种语法，写DTD的时候用另外一种语法）

• DTD数据类型有限（与数据库数据类型不一致）

• DTD不可扩展

• DTD不支持命名空间（命名冲突）

Schema的新特性

• Schema基于XML语法

• Schema可以用能处理XML文档的工具处理

• Schema大大扩充了数据类型，可以自定义数据类型

• Schema支持元素的继承

• Schema支持属性组

Schema文档结构

• <xs:schema>：xs是命名空间的别名，也可以自定义，但是建议使用默认的

• xmlns：约束当前xml的命名空间

更多内容参考：

XML Schema 教程