XML 指可扩展标记语言。标记指计算机所能理解的信息符号,通过此种标记,计算机之间可以处理包含各种信息的文章等。
XML 广泛应用于数据的存储与传输。
简介
什么是 XML
- XML,即可扩展标记语言(eXtensible Markup Language )。
- XML 的设计宗旨是传输数据,而不是显示数据。
- XML 标签没有被预定义。需要使用者自行定义标签。
- XML 具有自我描述性。
XML 与 HTML 之间的差异
XML 和 HTML 为不同的目的而设计:
- XML 被设计用来传输和存储数据,其焦点是数据的内容。
- HTML 被设计用来显示数据,其焦点是数据的外观。
HTML 旨在显示信息,而 XML 旨在传输信息。
对 XML 最好的描述是:XML 是独立于软件和硬件的信息传输工具。
XML 不会做任何事情
下面的示例是 Jenny 写给 Tom 的便签,存储为 XML:
<note>
<to>Tom</to>
<from>Jenny</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!</body>
</note>
上面这条便签(<note>
)具有自我描述性。它包含了发送者(<from>
)和接收者(<to>
)的信息,同时拥有标题(<heading>
)以及消息主体(<body>
)。
但是,这个 XML 文档仍然没有做任何事情。它仅仅是包装在 XML 标签中的纯粹的信息。我们需要编写软件或者程序,才能传送、接收和显示出这个文档。
通过 XML 可以自定义标签
上面示例中的标签没有在任何 XML 标准中定义过(比如 <to>
和 <from>
)。这些标签是由 XML 文档的创作者发明的。
这是因为 XML 语言没有预定义的标签。
HTML 中使用的标签都是预定义的。HTML 文档只能使用在 HTML 标准中定义过的标签(如 <p>
、<h1>
等等)。
XML 允许创作者定义自己的标签和自己的文档结构。
用途
XML 把数据从 HTML 分离
如果需要在 HTML 文档中显示动态数据,那么每当数据改变时将花费大量的时间来编辑 HTML。
通过 XML,数据能够存储在独立的 XML 文件中。这样就可以专注于使用 HTML/CSS 进行显示和布局,并确保修改底层数据不再需要对 HTML 进行任何的改变。
通过使用几行 JavaScript 代码,就可以读取一个外部 XML 文件,并更新网页的数据内容。
XML 简化数据传输与共享
在真实的世界中,计算机系统和数据使用不兼容的格式来存储数据。
XML 数据以纯文本格式进行存储,因此提供了一种独立于软件和硬件的数据存储方法。
这让创建不同应用程序可以共享的数据变得更加容易。
XML 用于创建新的互联网语言
很多新的互联网语言是通过 XML 创建的。
这里有一些示例:
- XHTML
- 用于描述可用的 Web 服务 的 WSDL
- 作为手持设备的标记语言的 WAP 和 WML
- 用于新闻 feed 的 RSS 语言
- 描述资本和本体的 RDF 和 OWL
- 用于描述针对 Web 的多媒体 的 SMIL
树结构
XML 文档形成了一种树结构,它从“根部”开始,然后扩展到“枝叶”。
树结构通常称作 XML 树,可以很容易地描述任何 XML 文档。
通过采用树状结构,可以知道所有从根开始的后续的分行及支行。
举例说明
XML 文档使用简单的具有自我描述性的语法:
<?xml version="1.0" encoding="utf-8"?>
<note>
<to>Tom</to>
<from>Jenny</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!</body>
</note>
第一行是 XML 声明。它定义 XML 的版本(1.0)和所使用的编码(UTF-8)。
下一行描述文档的根元素(像在说:“本文档是一个便签”):
<note>
接下来四行描述根的 4 个子元素(to、from、heading 和 body):
<to>Tom</to>
<from>Jenny</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!</body>
最后一行定义根元素的结尾:
</note>
可以假设,从这个示例中,XML 文档包含了一张 Jenny 写给 Tom 的便签。
XML 文档形成一种树结构
XML 文档必须包含根元素。该元素是所有其他元素的父元素。
XML 文档中的元素形成了一棵文档树。这棵树从根部开始,并扩展到树的最底端。
所有的元素都可以有子元素:
<root>
<child>
<subchild>…</subchild>
</child>
</root>
父、子以及同胞等术语用于描述元素之间的关系。父元素拥有子元素。相同层级上的子元素成为同胞(兄弟或姐妹)。
所有的元素都可以有文本内容和属性(类似 HTML 中)。
示例
上图表示下面的 XML 中的一本书:
<bookstore>
<book category="COOKING">
<title lang="en">Everyday Italian</title>
<author>Giada De Laurentiis</author>
<year>2005</year>
<price>30.00</price>
</book>
<book category="CHILDREN">
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
<book category="WEB">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price>39.95</price>
</book>
</bookstore>
示例中的根元素是 <bookstore>
。文档中的所有 <book>
元素都被包含在 <bookstore>
中。
<book>
元素有 4 个子元素:<title>
、<author>
、<year>
、<price>
。
语法
所有的 XML 元素都必须有一个关闭标签
在 HTML 中,某些元素不必有一个关闭标签:
<p>This is a paragraph.
<br>
在 XML 中,省略关闭标签是非法的。所有元素都必须有关闭标签:
<?xml version="1.0" encoding="UTF-8" ?>
<p>This is a paragraph.</p>
在上面的示例中,注意到 XML 第一行中声明没有关闭标签。这不是错误。声明不是 XML 文档本身的一部分,它没有关闭标签。
XML 标签对大小写敏感
XML 标签对大小写敏感。标签 <Message>
与 <message>
是不同的。
必须使用相同的大小写来编写打开标签和关闭标签:
<Message>This is incorrect</message>
<message>This is correct</message>
打开标签和关闭标签通常称为开始标签和结束标签。
XML 必须正确嵌套
在 HTML 中,常会看到没有正确嵌套的元素:
<b><i>This text is bold and italic</b></i>
在 XML 中,所有元素都必须彼此正确地嵌套:
<b><i>This text is bold and italic</i></b>
在上面的示例中,正确嵌套的意思是:由于 <i>
元素是在 <b>
元素内打开的,那么它必须在 <b>
元素内关闭。
XML 文档必须有根元素
XML 文档必须有一个元素是所有其他元素的父元素。该元素称为根元素。
<root>
<child>
<subchild>…</subchild>
</child>
</root>
XML 属性值必须加引号
与 HTML 类似,XML 元素也可拥有属性(名称/值的对)。
在 XML 中,属性值必须加引号。
<note date=12/11/2007>
<to>Tom</to>
<from>Jenny</from>
</note>
实体引用
在 XML 中,一些字符拥有特殊的意义。
如果把字符 <
放在 XML 元素中,会发生错误,这是因为解析器会把它当作新元素的开始:
<message>if salary < 1000 then</message>
为了避免这个错误,用实体引用来代替 <
字符:
<message>if salary < 1000 then</message>
在 XML 中,有 5 个预定义的实体引用:
预定义实体引用 | 符号 | 意义 |
---|---|---|
< |
< | 小于 |
> |
> | 大于 |
& |
& | 表示“and” |
' |
' | 单引号 |
" |
" | 双引号 |
在 XML 中,只有字符
<
和&
确实是非法的。大于号是合法的,但是用实体引用来代替它是一个好习惯。
XML 中的注释
在 XML 中编写注释的语法与 HTML 的语法很相似。
<!-- This is a comment -->
在 XML 中,空格会被保留
HTML 会把多个连续的空格字符裁减(合并)为一个:
HTML: | Hello Tom |
---|---|
输出: | Hello Tom |
在 XML 中,文档中的空格不会被删减。
XML 以 LF 存储换行
在 Windows 应用程序中,换行通常以一对字符来存储——回车符(CR)和换行符(LF),即回车换行符(CRLF)。
在 UNIX、Linux、macOS 中,使用 LF 来存储新行。
XML 以 LF 存储换行。
元素
什么是 XML 元素
XML 元素指的是从(且包括)开始标签直到(且包括)结束标签的部分。
一个元素可以包含:
- 其他元素
- 文本
- 属性
- 或混合以上所有……
<bookstore>
<book category="CHILDREN">
<title>Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
<book category="WEB">
<title>Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price>39.95</price>
</book>
</bookstore>
在上面的示例中,<bookstore>
和 <book>
都有 元素内容,因为它们包含其他元素。<book>
元素也有属性(category="CHILDREN"
)。<title>
、<author>
、<year>
和 <price>
有文本内容,因为它们包含文本。
XML 命名规则
XML 元素必须遵循以下命名规则:
- 名称可以包含字母、数字以及其它的字符。
- 名称不能以数字或者标点符号开始。
- 名称不能以字母 xml(或者 XML、Xml 等等)开始。
- 名称不能包含空格。
可使用任何名称,没有保留的字词。
最佳命名习惯
使名称具有描述性。使用下划线的名称也很不错:<first_name>
、<last_name>
。
名称应简短和简单,比如 <book_title>
,而不是 <the_title_of_the_book>
。
- 避免
-
字符。如果按照这样的方式进行命名:“first-name”,一些软件会认为想要从 first 里边减去 name。 - 避免
.
字符。如果按照这样的方式进行命名:“first.name”,一些软件会认为“name”是对象“first”的属性。 - 避免
:
字符。冒号会被转换为命名空间来使用(稍后介绍)。
XML 文档经常有一个对应的数据库,其中的字段会对应 XML 文档中的元素。有一个实用的经验——使用数据库的命名规则来命名 XML 文档中的元素。
在 XML 中,éòá 等非拉丁字母是完全合法的,不过需要留意软件供应商不支持这些字符时可能出现的问题。
XML 元素是可扩展的
XML 元素是可扩展,以携带更多的信息。
XML 的优势之一,就是可以在不中断应用程序的情况下进行扩展。
在现有 XML 文档中添加新的内容而不改动原有的内容时,不会对当前正在使用该 XML 文档的应用程序产生影响。
XML 属性
属性是 XML 元素的一部分。一个元素可以有多个独特的属性。属性提供了有关 XML 元素的详细信息。
什么是属性
XML 属性始终是一个名称-值的对。
在 HTML 中,属性提供有关元素的额外信息:
<img src="computer.gif">
<a href="demo.html">
属性通常提供不属于数据组成部分的信息。在下面的示例中,文件类型与数据无关,但是对需要处理这个元素的软件来说却很重要:
<file type="gif">computer.gif</file>
XML 属性必须加引号
属性值必须被引号包围,不过单引号和双引号均可使用。比如一个人的性别,person
元素可以这样写:
<person sex="female">
或者这样:
<person sex='female'>
如果属性值本身包含双引号,可以使用单引号:
<gangster name='George "Shotgun" Ziegler'>
XML 元素 VS. 属性
<person sex="female">
<firstname>Anna</firstname>
<lastname>Smith</lastname>
</person>
<person>
<sex>female</sex>
<firstname>Anna</firstname>
<lastname>Smith</lastname>
</person>
在第一个示例中,sex
是一个属性。在第二个示例中,sex
是一个元素。这两个示例都提供相同的信息。
没有什么规矩可以告诉我们什么时候该使用属性,而什么时候该使用元素。在 HTML 中,属性用起来很便利,但是在 XML 中,应该尽量避免使用属性。如果信息感觉起来很像数据,那么请使用元素吧。
避免 XML 属性?
因使用属性而引起的一些问题:
- 属性不能包含多个值(元素可以)
- 属性不能包含树结构(元素可以)
- 属性不容易扩展(为未来的变化)
属性难以阅读和维护。请尽量使用元素来描述数据。而仅仅使用属性来提供与数据无关的信息。
下面是一个过度使用属性的极端的例子。应注意避免,这不是使用 XML 的应该的方式:
<note day="10" month="01" year="2008"
to="Tove" from="Jani" heading="Reminder"
body="Don't forget me this weekend!">
</note>
针对元数据的 XML 属性
有时候会向元素分配 ID 引用。这些 ID 索引可用于标识 XML 元素,它起作用的方式与 HTML 中 id 属性是一样的。这个示例向我们演示了这种情况:
<messages>
<note id="501">
<to>Tove</to>
<from>Jani</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!</body>
</note>
<note id="502">
<to>Jani</to>
<from>Tove</from>
<heading>Re: Reminder</heading>
<body>I will not</body>
</note>
</messages>
上面的 id 属性仅仅是一个标识符,用于标识不同的便签。它并不是便签数据的组成部分。
在此我们极力向您传递的理念是:元数据(有关数据的数据)应当存储为属性,而数据本身应当存储为元素。
规则总结
以下是总结性的 XML 属性需要遵循的规则:
- 属性名称不能在同一起始标签或空元素标签中出现一次。
- 一个属性必须使用属性表声明的文档类型定义(DTD)的声明。
- 属性值不能包含直接或间接的实体引用外部实体。
- 任何实体的替换文本称为直接或间接的属性值中不能包含任何小于号。
文档类型定义
文档类型定义(Document Type Definition ),简称 DTD。
XML 验证
拥有正确语法的 XML 被称为“形式良好”的 XML。
通过 DTD 验证的XML是“合法”的 XML。
形式良好的 XML 文档
“形式良好”的 XML 文档拥有正确的语法。
在前面的章节描述的语法规则:
- XML 文档必须有一个根元素。
- XML 元素都必须有一个关闭标签。
- XML 标签对大小写敏感。
- XML 元素必须被正确地嵌套。
- XML 属性值必须加引号。
验证 XML 文档
合法的 XML 文档是“形式良好”的 XML 文档,这符合 DTD 的规则。
<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE note SYSTEM "Note.dtd">
<note>
<to>Tove</to>
<from>Jani</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend!</body>
</note>
在上面的示例中,DOCTYPE
声明是对外部 DTD 文件的引用。下面的段落展示了这个文件的内容。
XML DTD
DTD 的目的是定义 XML 文档的结构。它使用一系列合法的元素来定义文档结构:
<!DOCTYPE note
[
<!ELEMENT note (to, from, heading, body)>
<!ELEMENT to (#PCDATA)>
<!ELEMENT from (#PCDATA)>
<!ELEMENT heading (#PCDATA)>
<!ELEMENT body (#PCDATA)>
]>
XML Schema
W3C 支持一种基于 XML 的 DTD 替代者,它名为 XML Schema:
<xs:element name="note">
<xs:complexType>
<xs:sequence>
<xs:element name="to" type="xs:string"/>
<xs:element name="from" type="xs:string"/>
<xs:element name="heading" type="xs:string"/>
<xs:element name="body" type="xs:string"/>
</xs:sequence>
</xs:complexType>
</xs:element>
命名空间
命名空间是一组唯一的名称,该命名空间是确定的 URI(统一资源标识符)。
命名冲突
在 XML 中,元素名称是由开发者定义的。当两个不同的文档使用相同的元素名时,就会发生命名冲突。
这个 XML 携带 HTML 表格的信息:
<table>
<tr>
<td>Apples</td>
<td>Bananas</td>
</tr>
</table>
这个 XML 文档携带有关桌子的信息(一件家具):
<table>
<name>African Coffee Table</name>
<width>80</width>
<length>120</length>
</table>
假如这两个 XML 文档被一起使用,由于两个文档都包含带有不同内容和定义的 <table>
元素,就会发生命名冲突。
XML 解析器无法确定如何处理这类冲突。
使用前缀来避免命名冲突
在 XML 中的命名冲突可以通过使用名称前缀从而容易地避免。
该 XML 携带某个 HTML 表格和某件家具的信息:
<h:table>
<h:tr>
<h:td>Apples</h:td>
<h:td>Bananas</h:td>
</h:tr>
</h:table>
<f:table>
<f:name>African Coffee Table</f:name>
<f:width>80</f:width>
<f:length>120</f:length>
</f:table>
在上面的示例中,不会有冲突,因为两个 <table>
元素有不同的名称。
xmlns 属性
当在 XML 中使用前缀时,一个所谓的用于前缀的命名空间必须被定义。
命名空间是在元素的开始标签的 xmlns 属性中定义的。
命名空间声明的语法如下:
xmlns:前缀="URI"
<root>
<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>
<f:table xmlns:f="//www.w3cschool.cn/furniture">
<f:name>African Coffee Table</f:name>
<f:width>80</f:width>
<f:length>120</f:length>
</f:table>
</root>
在上面的示例中,<table>
标签的 xmlns
属性定义了 h:
和 f:
前缀的合格命名空间。
当命名空间被定义在元素的开始标签中时,所有带有相同前缀的子元素都会与同一个命名空间相关联。
命名空间可以在使用它们的元素中或者在根元素中声明:
<root xmlns:h="http://www.w3.org/TR/html4/"
xmlns:f="//www.w3cschool.cn/furniture">
<h:table>
<h:tr>
<h:td>Apples</h:td>
<h:td>Bananas</h:td>
</h:tr>
</h:table>
<f:table>
<f:name>African Coffee Table</f:name>
<f:width>80</f:width>
<f:length>120</f:length>
</f:table>
</root>
命名空间 URI 不会被解析器用于查找信息。
其目的是赋予命名空间一个唯一的名称。不过,很多公司常常会作为指针来使用命名空间指向实际存在的网页,这个网页包含关于命名空间的信息。
默认的命名空间
为元素定义默认的命名空间可以让我们省去在所有的子元素中使用前缀的工作。语法如下:
xmlns="namespaceURI"
这个 XML 携带 HTML 表格的信息:
<table xmlns="http://www.w3.org/TR/html4/">
<tr>
<td>Apples</td>
<td>Bananas</td>
</tr>
</table>
这个 XML 携带有关一件家具的信息:
<table xmlns="//www.w3cschool.cn/furniture">
<name>African Coffee Table</name>
<width>80</width>
<length>120</length>
</table>
CDATA
CDATA 指字符数据,我们将其定义为文本块。
XML 文档中的所有文本均会被解析器解析。只有 CDATA 区段中的文本会被解析器忽略。
PCDATA——被解析的字符数据
XML 解析器通常会解析 XML 文档中所有的文本。
当某个 XML 元素被解析时,其标签之间的文本也会被解析:
<message>This text is also parsed</message>
解析器之所以这么做是因为 XML 元素可包含其他元素,就像这个示例中,其中的 <name>
元素包含着另外的两个元素(first
和 last
):
<name><first>Bill</first><last>Gates</last></name>
而解析器会把它分解为像这样的子元素:
<name>
<first>Bill</first>
<last>Gates</last>
</name>
解析字符数据(PCDATA)是 XML 解析器解析的文本数据使用的一个术语。
CDATA——(未解析)字符数据
术语 CDATA 指的是不应该由 XML 解析器解析的文本数据。
像 <
和 &
字符在 XML 元素中都是非法的:
-
<
会产生错误,因为解析器会把该字符解释为新元素的开始。 -
&
会产生错误,因为解析器会把该字符解释为字符实体的开始。
某些文本,比如 JavaScript 代码,包含大量 <
或 &
字符。为了避免错误,可以将脚本代码定义为 CDATA。
CDATA 部分中的所有内容都会被解析器忽略。
CDATA 部分由“<![CDATA[
”开始,由“]]>
”结束:
<script>
<![CDATA[
function matchwo(a, b)
{
if (a < b && a < 0) then
{
return 1;
}
else
{
return 0;
}
}
]]>
</script>
在上面的示例中,解析器会忽略 CDATA 部分中的所有内容。
CDATA 部分不能包含字符串“]]>
”。也不允许嵌套的 CDATA 部分。
标记 CDATA 部分结尾的“]]>
”不能包含空格或换行。
服务器上的 XML
如果想要让浏览器能够访问 Web 项目,那么需要配置服务器里面的 web.xml
文件。一旦配置不成功,浏览器就无法进行访问。
XML 能够通过标准的 Web 服务器轻松地存储和生成。
通过 ASP 生成 XML
XML 可在不安装任何 XML 软件的情况下在服务器端生成。
如需从服务器生成 XML 响应,只需简单地编写以下代码并在 Web 服务器上把它保存为一个 ASP 文件:
<%
response.ContentType="text/xml"
response.Write("<?xml version='1.0' encoding='utf-8'?>")
response.Write("<note>")
response.Write("<from>Jani</from>")
response.Write("<to>Tove</to>")
response.Write("<message>Remember me this weekend</message>")
response.Write("</note>")
%>
请注意,此响应的内容类型必须设置为“text/xml”。
从 Access 数据库生成 XML
XML 可在不安装任何 XML 软件的情况下从数据库生成。
如需从服务器生成 XML 数据库响应,只需简单地编写以下代码,并把它在 Web 服务器上保存为 ASP 文件:
<%
response.ContentType = "text/xml"
set conn=Server.CreateObject("ADODB.Connection")
conn.provider="Microsoft.Jet.OLEDB.4.0;"
conn.open server.mappath("/db/database.mdb")
sql="select fname,lname from tblGuestBook"
set rs=Conn.Execute(sql)
response.write("<?xml version='1.0' encoding='utf-8'?>")
response.write("<guestbook>")
while (not rs.EOF)
response.write("<guest>")
response.write("<fname>" & rs("fname") & "</fname>")
response.write("<lname>" & rs("lname") & "</lname>")
response.write("</guest>")
rs.MoveNext()
wend
rs.close()
conn.close()
response.write("</guestbook>")
%>
上面的示例使用了带有 ADO 的 ASP。