XML入門精解之結構與語法 (轉)

（作者：廖家序　2000年12月13日 13:04）

　　■建立的工具
　　XML檔案和HTML檔案一樣，實際上是一個文字檔案。顯然大家立刻就會明白，建立XML檔案最普通的工具和HTML一樣，就是“記事本”了。除了“記事本”之外，當然還有一些更加方便的工具，如XML Notepad、XML Pro、CLIP！XML Editor等，這些工具的一大特點是：能夠檢查你所建立的XML檔案是否符合XML規範。不過，現在這些工具都只有英文版的，並且需要付費使用。當然，你仍然能夠使用FrontPage、DreamWeaver等工具，不過使用起來不是很方便。隨著XML的逐漸普及，相信在不久後，也會出現非常好用的建立XML檔案的工具。

　　■一個XML檔案的例子
　　現在我們暫且使用“記事本”來建立我們的XML檔案吧。先看一個XML檔案：

　　例1

　　——————————————————————

　　〈?xml version="1.0" encoding="gb2312" ?〉

　　〈參考資料〉

　　 〈書籍〉

　　 〈名稱〉XML精解〈/名稱〉

　　 〈作者〉張三〈/作者〉

　　 〈價格 貨幣單位="人民幣"〉20.00〈/價格〉

　　 〈/書籍〉

　　 〈書籍〉

　　 〈名稱〉XML語法〈/名稱〉

　　 〈!--此書即將出版--〉

　　 〈作者〉李四〈/作者〉

　　 〈價格 貨幣單位="人民幣"〉18.00〈/價格〉

　　 〈/書籍〉

　　〈/參考資料〉

　　——————————————————————

　　這是一個典型的XML檔案，編輯好後儲存為一個以.xml為字尾的檔案。我們可以將此檔案分為檔案序言（Prolog）和檔案主體兩個大的部分。在此檔案中的第一行即是檔案序言。該行是一個XML檔案必須要宣告的東西，而且也必須位於XML檔案的第一行，它主要是告訴XML解析器如何工作。其中，version是標明此XML檔案所用的標準的版本號，必須要有；encoding指明瞭此XML檔案中所使用的字元型別，可以省略，在你省略此宣告的時候，後面的字元碼必須是Unicode字元碼（建議不要省略）。因為我們在這個例子中使用的是GB2312字元碼，所以encoding這個宣告也不能省略。在檔案序言部分還有一些宣告語句，我們在後面給予介紹。

　　檔案的其餘部分都是屬於檔案主體，XML檔案的內容資訊存放在此。我們可以看到，檔案主體是由開始的〈參考資料〉和結束的〈/參考資料〉控制標記組成，這個稱為XML檔案的“根元素”；〈書籍〉是作為直屬於根元素下的“子元素”；在〈書籍〉下又有〈名稱〉、〈作者〉、〈價格〉這些子元素。貨幣單位是〈價格〉元素中的一個“屬性”，“人民幣”則是“屬性值”。

　　〈!--此書即將出版--〉這一句同HTML一樣，是註釋，在XML檔案裡，註釋部分是放在“〈!--”與“--〉”標記之間的部分。

　　大家可以看到，XML檔案是相當簡單的。同HTML一樣，XML檔案也是由一系列的標記組成，不過，XML檔案中的標記是我們自定義的標記，具有明確的含義，我們可以對標記中的內容的含義作出說明。

　　■XML檔案的語法
　　對XML檔案有了初步的印象之後，我們就來詳細地談一談XML檔案的語法。在講語法之前，我們必須要了解一個重要的概念，就是XML解析器（XML Parse）。

　　1.XML解析器

　　解析器的主要功能就是檢查XML檔案是否有結構上的錯誤，剝離XML檔案中的標記，讀出正確的內容，以交給下一步的應用處理。XML是一種用來結構化檔案資訊的標記語言，XML規範中對於如何標記檔案的結構性有一個詳細的法則，解析器就是根據這些法則寫出來的（多用寫成）。同HTML一樣，在中，必須有HTML的解析器，這樣瀏覽器才能夠“讀懂”各種用HTML標記所組成的網頁，將它們顯示在我們面前。如果有瀏覽器的HTML解析器讀不懂的標記，將會返回給我們錯誤資訊。

　　由於現在的HTML標記實際上相當混亂，存在大量不規範的標記（有的網頁用IE能正常顯示，而用scape Navigator則不行），所以從一開始，XML的設計者就嚴格規定了XML的語法和結構，我們編寫的XML檔案必須遵循這些規定，否則XML解析器將毫不留情地給你顯示錯誤資訊。

　　有兩種XML檔案，一種是Well-Formed XML檔案，一種是Validating XML檔案。

　　如果一個XML檔案滿足XML規範中的某些相關法則，且沒有使用DTD（檔案格式定義——後詳述）時，可稱這份檔案是Well-Formed。而如果一個XML檔案是Well-Formed，且正確地使用了DTD，DTD中的語法又是正確的，那麼這個檔案就是Validating。對應兩種XML檔案，有兩種XML解析器，一種是Well-Formed 解析器，一種是Validating解析器。5中就內含Validating解析器，Validating解析器也可用來解析Well-Formed XML檔案。

　　檢查它是否滿足了Well-Formed的條件。我們可以將剛才編輯的第一個XML 檔案用IE 5以上版本的瀏覽器開啟。

　　大家可能要問為什麼在瀏覽器中的顯示和我的原始檔一樣？沒錯，因為對於XML檔案，我們僅僅關心它的內容，而它的顯示形式是交給CSS或來完成的。這裡，我們並沒有給這個XML檔案定義它的CSS或XSL檔案，所以它按照原來的形式來顯示。實際上，對於電子資料，僅僅需要一個XML檔案即可，如果要將它以某種形式顯示出來，我們就必須編輯CSS或XSL檔案（這個問題會在以後討論）。

　　2.Well-Formed的XML檔案

　　我們知道，XML必須是Well-Formed的，才能夠被解析器正確地解析出來，顯示在瀏覽器中。那麼什麼是Well-Formed的XML檔案呢？主要有下面幾個準則，我們在建立XML檔案的時候，必須滿足它們。

　　首先，XML檔案的第一行必須是宣告該檔案是XML檔案以及它所使用的XML規範版本。在檔案的前面不能夠有其它元素或者註釋。

　　第二，在XML檔案中有且只能夠有一個根元素。我們的第一個例子中，〈參考資料〉... 〈/參考資料〉就是此XML檔案的根元素。

　　第三，在XML檔案中的標記必須正確地關閉，也就是說，在XML檔案中，控制標記必 須有與之對應的結束標記。如：〈名稱〉標記必須有對應的〈/名稱〉結束標記，不像HTML，某些標記的結束標記可有可無。如果在XML檔案中遇到自成一個單元的標記，就是類似於HTML 中的〈img src=.....〉的這些沒有結束標記的時候，XML把它稱為“空元素”，必須用這樣的寫法：〈空元素名/〉，如果元素中含有屬性時寫法則為：〈空元素名 屬性名=“屬性值”/〉。

　　第四，標記之間不得交叉。在以前的HTML檔案中，可以這樣寫：

　　〈B〉〈H〉XXXXXXX〈/B〉〈/H〉,〈B〉和〈H〉

　　標記之間有相互重疊的區域，而在XML中，是嚴格禁止這樣標記交錯的寫法，標記必須以規則性的次序來出現。

　　第五，屬性值必須要用“ ”號括起來。如第一個例子中的“1.0”、“gb2312”、“人民幣”。都是用“ ”號括起來了的，不能漏掉。

　　第六，控制標記、指令和屬性名稱等英文要區分大小寫。與HTML不同的是，在HTML中， 類似〈B〉和〈b〉的標記含義是一樣的，而在XML中，類似〈name〉、〈NAME〉或〈Name〉這樣的標記是不同的。

　　第七，我們知道，在HTML檔案中，如果我們要瀏覽器原封不動地將我們所輸入的東西顯示出來，可以將這些東西放到〈pre〉〈/pre〉或者〈xmp〉〈/xmp〉標記中間。這對於我們建立HTML教學的網頁是必不可少的，因為網頁中要顯示HTML的。而在XML中，要實現這樣的功能，就必須使用CDATA標記。在CDATA標記中的資訊被解析器原封不動地傳給應用程式，並且不解析該段資訊中的任何控制標記。CDATA區域是由：“〈![CDATA[”為開始標記，以“]]〉”為結束標記。例如：例2中的原始碼，除了“〈![CDATA[”和“]]〉”符號，其餘的內容解析器將原封不動地交給下游的應用程式，即使CDATA區域中的開始和結尾的空白以及換行字元等，都同樣會被轉交（注意CDATA是大寫的字元）。

　　例2

　　〈![CDATA[飛翔的xml〉〉〉〉〉,:-)

　　oooo〈〈〈〈〈〈〈

　　]]〉

　　第八，XML處理空白字元和HTML不一樣。HTML標準規定，不管有多少個空白，都當作一個空白來處理；而在XML中規定，所有標記以外的空白，解析器都要忠實地交給下游的應用程式處理。這樣，我們有時必須摒棄編寫HTML檔案時的縮排習慣，因為縮排的空格，解析器也要處理。如：

　　 〈作者〉張三〈/作者〉

　　和

　　 〈作者〉

　　 張三

　　 〈/作者〉

　　上述內容對於解析器來說是不同的（後者在〈作者〉〈/作者〉標記之內除了張三這個字元以外，還包括兩個換行記號以及“張三”前的文字縮排符號）。所以解析器在去掉標記後將資訊傳給應用程式將有不同的處理結果。

　　如果我們想明確地告訴XML程式，標記中的空白有明確的含義，不要隨便去掉（如在一些詩中，空格有它具體的意義），則可在標記中加入一個XML內建的屬性——xml:space 。如（注意屬性名稱和值的大小寫）：

　 〈詩歌 xml:space="preserver"〉

　　 祖國啊！ 祖國！

　　 我的祖國！

　　 〈/詩歌〉

　　另外，在XML檔案中，如果要用到表1的特殊字元，必須用相應符號代替。

表1 特殊字元 替代符號
&& &
< &it;
> >
" "
' '

　　在此做個小結：符合上述規定的XML檔案就是Well-Formed的XML檔案。這是編寫XML檔案的最基本要求。可以看到XML檔案的語法規定比HTML要嚴格多了。由於有這樣的嚴格規定，軟體工程師編寫XML的解析器就容易多了，不像編寫HTML語言的解析器，必須費盡心思去適應不同的網頁寫法，提高自己瀏覽器的適應能力。實際上，這對於我們初學者來說，也是一件好事。該怎樣就怎樣，不必像原來那樣去疑惑各種HTML的寫法。

　　我們看到，在XML檔案中，用的大多都是自定義的標記。但是大家考慮一下，如果兩個同行業的公司A和B要用XML檔案相互交換資料，A公司用〈價格〉標記來表示他們產品的價格資訊，而B公司可能用〈售價〉來表示價格資訊。如果一個XML應用程式來讀取他們各自的XML檔案中的資訊時，如果它只知道〈價格〉標記裡表示的是價格資訊，那麼B公司的價格資訊就讀不出來，必將產生錯誤。顯然，對於想利用XML檔案來交換資訊的實體來說，他們之間必須有一個約定——即編寫XML檔案可以用哪些標記，母元素中能夠包括哪些子元素，各個元素出現的順序，元素中的屬性怎樣定義等。這樣他們在用XML交換資料時才能夠暢通無阻。這種約定稱為DTD（Document Type Definition，文件格式定義）。可以把DTD看作編寫XML檔案的模板。對於同行業之間的XML資料交換，有一個固定的DTD將會方便很多。比如說，如果網上的各大電子商場的XML網頁都遵循同一個DTD時，那麼我們就可以輕鬆地依據這個DTD 編寫一個應用程式，去網上將我們感興趣的東西自動抓回來。事實上已經有了好幾個定義好的DTD，如前面所說的MathML、SMIL等。

　　如果一個XML檔案是Well-Formed的，並且它是正確的依據某個DTD建立的，那麼，這個XML檔案就被稱為：Validating XML檔案。相應的解析器就稱為：Validating Parser。