XML语法及与HTML的对比

前言

标记语言是一类非常重要的语言，其中又属HTML和XML使用最为频繁，这两种语言形式上的相似性会造成一定的误解，故此文对两种语言进行对比学习，主要聚焦于XML语法层面。

一、什么是XML和HTML

XML指可扩展性标记语言，扩展性体现在其标签完全由使用者自己定义。它是由W3C推荐的一种数据传输格式。xml文件只是文件的后缀名为.xml的文件。

HTML指超文本标记语言，超文本是指超越文字文本，也就是包括视频、音频、图片在内的文本。html文件只是文件的后缀名为.html的文件。

二、XML和HTML的三个最大不同点

1. XML用于数据传输和存储，HTML用于数据展示
2. XML的标签只能自定义，HTML的标签是规定好的，不可以自定义
3. XML语法要求及其严格，必须是成对标签，HTML语法要求不严格

三、XML语法注意点

1. xml必须有一个根节点包住所有的标签

   <root>
   	<lable1> context </lable1>
   	<lable2> context </lable2>
   </root>
   

2. xml的标签必须是成对出现，不能有任何的缺失，并且每一对标签的前后两个标签名必须相同

   <!--以下是错误写法-->
   <root>
   	<lable1> context 
   	<lable2> context </lable1>
   </root>
   

3. xml的标签不可交叉

   <!--以下是错误写法-->
   <root>
   	<a> ddd <b> fff </a> </b>
   </root>
   

4. xml的标签名是大小写敏感的

   <!--以下是错误写法-->
   <root>
   	<User> context </user>
   </root>
   

5. xml第一行可以加入头文件，可以不加，但是建议加

   <?xml version="1.0" encoding="utf-8"?>
   <!--头文件的开头必须是 ?xml-->
   <!--头文件的声明必须放在整个xml文件的第一行，否则无法识别-->
   <!--version属性指定版本，encoding属性指定编码方式，方便后面解码-->
   
   <root>
   	<lable1> context </lable1>
   	<lable2> context </lable2>
   </root>
   

6. xml的标签中可以加入“属性”，但是基本没人用，要说明的是，属性值必须放在双引号里，并且属性的命名规则为：数字字母下划线，数字不能开头。

   <?xml version="1.0" encoding="utf-8"?>
   <root>
   	<man>
   		<name>成龙</name>
   		<age>68</age>
       </man>
   	
   	<man>
   		<name age="59">李连杰</name>
       </man>
   </root>
   

7. xml标签之间的内容中有一些字符需要转义，需要转义的字符有五种，转义的方法有两种
   
   第一种转义方法就如以上表格中所示，第二列即为需要转义的字符，第一列为转义时的写法。

   第二种转义方法是通过CDATA

   <?xml version="1.0" encoding="utf-8"?>
   <root>
   	<!--要输入的文本：如果2>3，那么我们也可以说3<2-->
   	<msg>如果2 &gt; 3，那么我们也可以说3 &lt; 2 </msg>
   	
   	<!--CDATA的使用语法如下-->
   	<!--<![CDATA[……不解析的内容……]]>-->
   	<msg1><![CDATA[如果2>3，那么我们也可以说3<2]]></msg1>
   </root>
   

   Safari展示结果：
   
   Chrome展示结果：
   
   对于以上两种方法，当特殊字符较少时，使用实体替换；当特殊字符较多时，使用CDATA，其中CDATA必须大写。

四、XML命名空间

由于标签全部由用户自己定义，那么就存在这样的问题：两个不同的xml文档用了相同的标签名，这个时候该如何区分二者呢？对于这种情况，XML处理器无法自动区分，需要编写者在语法上提供区别。

<!--xml_1-->
<table>
	<tr>
	<td>apple</td>
	<td>orange</td>
</table>

<!--xml_2-->
<table>
	<width>40cm</width>
	<longth>80cm</longth>
	<height>76cm</height>
</table>

在以上两个不同的xml文件中，都含有table标签，但是xml_1中是一个水果的表格，xml_2中是一个桌子，那么当同时使用以上两个xml文件的时候就会出现命名冲突。解决方法就是为标签加一个前缀来区分，如下：

<!--xml_1-->
<a:table>
	<a:tr>
	<a:td>apple</a:td>
	<a:td>orange</a:td>
</a:table>

<!--xml_2-->
<b:table>
	<b:width>40cm</b:width>
	<b:longth>80cm</b:longth>
	<b:height>76cm</b:height>
</b:table>

这样做在一定程度上能够解决问题，但还是会有冲突的可能，因为只不过是变了标签名而已，万一有一个xml_3文件中，同样使用了a:table标签，不是又和xml_1冲突了吗。为了解决这个问题，XML标准提供了xmlns（xml namespaces）属性，具体做法如下：

<!--xml_1-->
<a:table xmlns:a="http://www.w3.org/TR/html4/">
	<a:tr>
	<a:td>apple</a:td>
	<a:td>orange</a:td>
</a:table>

<!--xml_2-->
<b:table xmlns:b="http://www.w3school.com.cn/furniture">
	<b:width>40cm</b:width>
	<b:longth>80cm</b:longth>
	<b:height>76cm</b:height>
</b:table>

可以看到，其语法如下：

xmlns:namespace-prefix="namespaceURI"

可以对照这个语法和例子来看，当我们为前缀使用了xmlns属性之后，这个前缀就会和后面的namespaceURI绑定，相当于这个namespaceURI别名。而这个的URI是指同一资源标识符，可以保证前缀之间不相互冲突。

新的问题又出现了，这么写的话好像特别麻烦？也有办法解决。在XML标准中规定，每一个xml文件可以定义一个默认的命名空间，当定义了这个默认命名空间之后，文件中的所有标签在处理器处理的时候会自动加上前缀，无需手动加入。具体如下：

<!--xml_1-->
<table xmlns="http://www.w3.org/TR/html4/">
	<tr>
	<td>apple</td>
	<td>orange</td>
</table>

<!--xml_2-->
<table xmlns="http://www.w3school.com.cn/furniture">
	<width>40cm</width>
	<longth>80cm</longth>
	<height>76cm</height>
</table>

结合例子课件其语法如下：

xmlns="namespaceURI"

但是要注意两点：1. 一个xml文档中只可有一个默认命名空间，也就是此语法只能使用一次；2.定义了默认命名空间之后仍然可以定义其他的命名空间，但是需要手动加前缀。具体如下：

<table xmlns="namespaceURI_1"
xmlns:a="namespaceURI_2"
xsi:b="namespaceURI_3">
</table>

在以上例子中，默认命名空间为namespaceURI_1，另外还定义了前缀a和b。

五、如何检验自己的语法是否正确？

由于xml是用于传输数据的，并非展示数据，想要知道xml写的是否正确该怎么办呢？直接在浏览器打开本地xml文件即可直接运行xml文件，在浏览器打开本地文件可以通过快速开启http本地服务共享文件的方法：这个链接里详细讲了如何建立http服务，我建议通过Python的方法，简洁有效，具体如下。

使用Python工具开启http服务：在终端直接输入如下命令

Python3：
python -m http.server 8000
非Python3：
python -m SimpleHTTPServer 8000

注意，运行之后要保持终端开启。然后直接在浏览器中输入localhost:8000或者127.0.0.1:8000即可访问本地文件。

这里要说明的是，尽管xml是通用的数据传输和存储格式，但是不同的浏览器对相同数据的展示方式是不同的。因此，在不同的浏览器打开相同的xml文件可能会有不同的显示方式。在CDATA语法的例子中，我们将相同的代码放在Safari和Chrome中运行得到了不同形式的输出。