XML文件格式语法及DTD
(2012-07-31 08:18:13) 标签: 杂谈 |
XML文件和HTML文件一样,实际上是一个文本文件。显然大家立刻就会明白,创建XML文件最普通的工具和HTML一样,就是“记事本”了。除了
现在我们暂且使用“记事本”来创建我们的XML文件吧。先看一个XML文件:
例1
〈?xml
这是一个典型的XML文件,编辑好后保存为一个以.xml为后缀的文件。我们可以将此文件分为文件序言(Prolog)和文件主体两个大的部分。在此文件中的第一行即是文件序言。该行是一个XML文件必须要声明的东西,而且也必须位于XML文件的第一行,它主要是告诉XML解析器如何工作。其中,version是标明此XML文件所用的标准的版本号,必须要有;encoding指明了此XML文件中所使用的字符类型,可以省略,在你省略此声明的时候,后面的字符码必须是Unicode字符码(建议不要省略)。因为我们在这个例子中使用的是GB2312字符码,所以encoding这个声明也不能省略。在文件序言部分还有一些声明语句,我们在后面给予介绍。
文件的其余部分都是属于文件主体,XML文件的内容信息存放在此。我们可以看到,文件主体是由开始的〈参考资料〉和结束的〈/参考资料〉控制标记组成,这个称为XML文件的“根元素”;〈书籍〉是作为直属于根元素下的“子元素”;在〈书籍〉下又有〈名称〉、〈作者〉、〈价格〉这些子元素。货币单
〈!--此书即将出版--〉这一句同HTML一样,是注释,在XML文件里,注释部分是放在“〈!--”与“--〉”标记之间的部分。
大家可以看到,XML文件是相当简单的。同HTML一样,XML文件也是由一系列的标记组成,不过,XML文件中的标记是我们自定义的标记,具有明确的含义,我们可以对标记中的内容的含义作出说明。
对XML文件有了初步的印象之后,我们就来详细地谈一谈XML文件的语法。在讲语法之前,我们必须要了解一个重要的概念,就是XML解析器(XML
1.XML解析器
解析器的主要功能就是检查XML文件是否有结构上的错误,剥离XML文件中的标记,读出正确的内容,以交给下一步的应用程序处理。XML是一种用来结构化文件信息的标记语言,XML规范中对于如何标记文件的结构性有一个详细的法则,解析器就是根据这些法则写出来的软件(多用Java写成)。同
由于现在的HTML标记实际上相当混乱,存在大量不规范的标记(有的网页用IE能正常显示,而用Netscape
有两种XML文件,一种是Well-Formed
如果一个XML文件满足XML规范中的某些相关法则,且没有使用DTD(文件格式定义——后详述)时,可称这份文件是Well-Formed。
检查它是否满足了Well-Formed的条件。我们可以将刚才编辑的第一个XML
大家可能要问为什么在浏览器中的显示和我的源文件一样?没错,因为对于XML文件,我们仅仅关心它的的内容,而它的显示形式是交给CSS或XSL来完成的。这里,我们并没有给这个XML文件定义它的CSS或XSL文件,所以它按照原来的形式来显示。实际
2.Well-Formed的XML文件
我们知道,XML必须是Well-Formed的,才能够被解析器正确地解析出来,显示在浏览器中。那么什么是Well-Formed的XML文件呢?主要有下面几个准则,我们在创建XML文件的时候,必须满足它们。
首先,XML文件的第一行必须是声明该文件是XML文件以及它所使用的XML规范版本。在文件的前面不能够有其它元素或者注释。
第二,在XML文件中有且只能够有一个根元素。我们的第一个例子中,〈参考资料〉...
第三,在XML文件中的标记必须正确地关闭,也就是说,在XML文件中,控制标记必须有与之对应的结束标记。如:〈名称〉标记必须有对应的〈/名称〉结束标记,不像HTML,某些标记的结束标记可有可无。如果在XML文件中遇到自成一个单元的标记,就是类似于HTML
第四,标记之间不得交叉。在以前的HTML文件中,可以这样写:
〈B〉〈H〉XXXXXXX〈/B〉〈/H〉,〈B〉和〈H〉
标记之间有相互重叠的区域,而在XML中,是严格禁止这样标记交错的写法,标记必须以规则性的次序来出现。
第五,属性值必须要用“
第六,控制标记、指令和属性名称等英文要区分大小写。与HTML不同的是,在HTML中,
第七,我们知道,在HTML文件中,如果我们要浏览器原封不动地将我们所输入的东西显示出来,可以将这些东西放到〈pre〉〈/pre〉或者
例2
〈![CDATA[飞翔的xml〉〉〉〉〉,:-)
第八,XML处理空白字符和HTML不一样。HTML标准规定,不管有多少个空白,都当作一个空白来处理;而在XML中规定,所有标记以外的空白,解析器都要忠实地交给下游的应用程序处理。这样,我们有时必须摒弃编写HTML文件时的缩排习惯,因为缩排的空格,解析器也要处理。如:
上述内容对于解析器来说是不同的(后者在〈作者〉〈/作者〉标记之内除了张三这个字符以外,还包括两个换行记号以及“张三”前的文字缩排符号)。所以解析器在去掉标记后将信息传给应用程序将有不同的处理结果。
如果我们想明确地告诉XML程序,标记中的空白有明确的含义,不要随便去掉(如在一些诗中,空格有它具体的意义),则可在标记中加入一个XML内置的属性——xml:space
〈诗歌
另外,在XML文件中,如果要用到表1的特殊字符,必须用相应符号代替。
表1
特殊字符
在此做个小结:符合上述规定的XML文件就是Well-Formed的XML文件。这是编写XML文件的最基本要求。可以看到XML文件的语法规定比HTML要严格多了。由于有这样的严格规定,软件工程师编写XML的解析器就容易多了,不像编写HTML语言的解析器,必须费尽心思去适应不同的网页写法,提高自己浏览器的适应能力。实际上,这对于我们初学者来说,也是一件好事。该怎样就怎样,不必像原来那样去疑惑各种HTML的写法。
我们看到,在XML文件中,用的大多都是自定义的标记。但是大家考虑一下,如果两个同行业的公司A和B要用XML文件相互交换数据,A公司用
如果一个XML文件是Well-Formed的,并且它是正确的依据某个DTD建立的,那么,这个XML文件就被称为:Validating
内部DTD
内部DTD是在XML文件的文件序言区域中定义的。语法:
〈!DOCTYPE |
〈!DOCTYPE
Element-name
[.........]〉
下面,我们来看一下怎样给XML文件定义DTD,请见例1。
例1中的DTD定义区可以看作是一个DTD定义的大概框架,为其他XML文件定义DTD,结构和例1的DTD差不多,只是可能需要添加、删除或者更改一些东西而已。在DTD定义的中间是元素设定,这是一个DTD的最主要部分,其主要语法如下:
〈!ELEMENT |
〈!ELEMENT:表示开始元素设置,注意此处ELEMENT关键字是大写。
element-name:表示要设置的元素的名称。
element-definition:指明要对此元素进行怎样的定义,就是说〈元素〉...〈/元素〉之间能够包含什么内容,是其他元素还是一般性的文字。
在例1中,大家可以看到,〈!ELEMENT
在元素设置中,如果元素包含多个子元素,如:〈!ELEMENT
表1符号 | 代表标记出现的次数 |
? | 不出现或只出现一次 |
* | 不出现或可出现多次 |
+ | 必须出现一次以上 |
无符号 | 只能出现一次 |
例如:〈!ELEMENT
在一些父元素的声明中,有可能它包含的子元素是在多个子元素中选择一个来使用,那么我们声明此父元素时,就可以把它声明成选择性元素,例如:〈!ELEMENT
〈配偶〉 |
只从中选择一个子元素。
在我们的XML文件中,还可能包括很多“空元素”,即:元素是单独存在的,没有〈/元素〉这样的结束标记。那么在DTD中是用EMPTY关键字来声明的。
在DTD中,还可以声明一些称为Entity的东西,让DTD和XML文件使用。我们可以把Entity看作是一个常量,它有一定的值。在DTD
在例1中,〈!ATTLIST
下面我们举几个例子来看一下几个常用的元素属性的设定。例:
〈!ATTLIST
〈!ATTLIST
该属性设定是为“姓名”元素设定一个名为“号码”的属性,属性值类别是ID,意味着在XML文件中为此属性赋值的时候,值在此XML文件中是唯一的,如在同一份XML文件中出现下面的XML语句:
〈姓名
〈姓名
注意:“号码”属性的值重复了,这样,在解析过程中将会出现错误信息。此属性设定中的属性内定值为#REQUIRED,表示这个属性在XML文件的〈姓名〉标记中必须出现,否则解析会发生错误。
〈!ATTLIST
表2属性值类别 | 描述 |
cdata | 属性值仅仅是一般的文字。 |
enumerated | 列出该属性的取值范围,一次只能有一个属性值能够赋予属性。 |
nmtoken | 表示属性值只能由字母、数字、下划线、. |
nmtokens | 表示属性值能够由多个nmtoken组成,每个nmtoken之间用空格隔开。 |
id | 该属性在xml文件中是唯一的,常用来表示人的身份证号码。 |
idref | 表示该属性值是参考了另一个id属性。 |
idrefs | 表示该属性值是参考了多个id属性,这些id属性的值用空格隔开。 |
entity | 表示该属性的设定值是一个外部的entity,如一个图片文件。 |
entities | 该属性值包含了多个外部entity,不同的entity之间用空格隔开。 |
notation | 属性值是在dtd中声明过的notation(声明用什么应用软件解读某些二进制文件,如图片)。 |
在XML的规范中,还规定了两个内定的属性,即:xml:space和xml:lang
我们前面已经讲过,空白格在XML文件是有含义的,xml:space属性就是来设置解析器将XML文件中的空白格传给应用程序后的处理方法。
xml:lang属性是用来设置标记中的文字信息是使用哪种语言,ISO-639规定了不同语言的代表缩写,如:xml:lang="en"
外部DTD
外部DTD是一个独立于XML文件的文件,实际上也是一个文本文件,只是使用.dtd为文件扩展名。因为外部DTD独立于XML文件,
外部DTD的创建方式、语法和内部DTD是一样的,把例1的内部DTD的例子用外部DTD来写,文件如下所示。文件存为后缀名为
〈?xml |
除了没有内部DTD中的〈!DOCTYPE
XML文件使用〈!DOCTYPE
表3属性内定值 | 描述 |
#required | 表示在标记中必须出现此属性。 |
#implied | 标记中可以不出现此属性。 |
#fix | 属性的值是固定的某个值。 |
字符串 | 标记中如没有指定属性的值,那么此字符串就是此属性的值。 |
此语句必须位于XML文件的文件序言区,其中,〈!DOCTYPE表示开始声明应用外部DTD;element-name是指该DTD的根元素的名
〈?xml |
Schema简介
DTD的语法相当复杂,并且它不符合XML文件的标准,自成一个体系。上面的介绍也仅仅是作了一个简介,目的是帮助大家能读懂DTD文件以及在必要时创建简单的DTD文件,因为现在很多的XML应用是建立在DTD之上的。
另外,一个代替DTD的就是W3C定义的Schema,Schema相对于DTD的明显好处是XML
例1
DTD定义区:
〈?xml |