XML 快速入门

1. XML

1.1 XML overview

• XML：Extensible Markup Language，可扩展标记语言；
  • 用途：
    • 用于系统间数据交换，不同于 HTML 被用于显示数据；
    • 表示数据间的关系；
    • 用做配置文件；
  • XML 的标签未被预定义，需要用户自行定义；
  • 版本：XML 1.0，XML 1.1，目前常用 XML 1.0，因为 XML 1.1 不能向下兼容；

1.2 XML 语法

1.2.1 文档声明

• 文档声明：必须作为文件第一行；
  • 编码：
    • GBK：“国标”、“扩展”的汉语拼音首字母，汉字内码扩展规范；
    • UTF-8；
    • ISO8859-1：不含中文；

<?xml version="1.0" encoding="gbk"?>

• 避免中文字符乱码：
  • XML 文档声明中指定的编码标准，用于读取文档内容；
  • 在保存 XML 文档时，应选择相同的编码标准；
  • 若两者不一致，则发生乱码；

1.2.2 定义标签和属性

• 标签：亦称元素，可嵌套；
  • 一个文件中有且仅有一个根标签；
  • 空格和换行：被视为标签内容的一部分，而不是为提高可读性引入的内容；
  • 含有内容的标签；
  • 不含内容的标签；

<tag1>content</tag1>
<tag2/>

• 标签命名要求：
  • 区分大小写；
  • 不含冒号、空格；
  • 不能以数字、下划线开头；
  • 不能以XML、Xml、xml开头；
• 属性定义要求：
  • 属性命名要求与标签命名要求相同；
  • 一个标签上可有多个属性；
  • 每个属性有不同的名称和各自的取值，属性值用单引号或双引号限定；
  • 标签属性也可作为子标签；

1.2.3 注释和转义字符

• XML 注释：不能嵌套；

<!-- comment -->

• 转义字符：

特殊字符	替代符号
&	&
<	&lt;
>	&gt;
"	&quot;
’	&apos;

• CDATA ：Character Data，将其中的标签视为普通文本，无需转义；

<![CDATA[content]]>

1.2.4 处理指令

• PI：Processing Instruction，处理指令，设置 XML 的样式；
  • XML 声明；
  • xml-stylesheet 指令：指定 XML 文档使用的 CSS 样式 XSL，但对中文无效；

<?xml-stylesheet type="text/css" href="some.css"?>

2. DTD

2.1 DTD Overview

• DTD：Document Type Definition，文档定义类型;
  • 文件名后缀为.dtd；
  • 对根标签、子标签分别加以约束；

<!ELEMENT tagName (subTagName1,subTagName2,...)>
<!ELEMENT subTagName1 (#PCDATA)>
<!ELEMENT subTagName2 (#PCDATA)>

2.2 DTD 的引入方式

• DTD 的引入方式::
  • 内部 DTD 文件；
  • 外部 DTD 文件；
  • 网络上的 DTD 文件；

<!-- Inner DTD file-->
<!DOCTYPE rootTagName [
    <!ELEMENT person (name,age)>
    <!ELEMENT name (#PCDATA)>
    <!ELEMENT age (#PCDATA)>
]>

<!-- Outer DTD file -->
<!DOCTYPE rootTagName SYSTEM "FilePath">

<!-- DTD file from Internet -->
<!DOCTYPE rootTagName PUBLIC "fileName" "URL">

2.3 使用 DTD 定义元素

• 使用 DTD 定义元素：
  • 定义简单元素：无嵌套；
  • 定义复杂元素：有嵌套；
• 定义简单元素时的约束：
  • (#PCDATA)：元素为字符串类型；
  • EMPTY：元素为空；
  • ANY：元素可为任意值；
• 约束复杂元素的出现次数：
  • ?：出现0次或1次；
  • *：出现0次或多次；
  • +：出现1次或多次；
  • |：只出现多个元素中的某1个；
  • ,：用逗号分隔的元素按顺序出现；

<!-- 定义简单元素 -->
<!ELEMENT tagName constraint>
<!-- 定义复杂元素 -->
<!ELEMENT person (name,age,sex,school)>

2.4 使用 DTD 定义属性

• 使用 DTD 定义属性的格式：跟在元素定义之后；

<!ATTLIST tagName
	tagName tagType constraint
    ...
>

• 属性值类型：
  • CDATA：属性值为字符串；
  • ID：属性值不能重复，且只能由字母和下划线组成，不能有空白；
  • (Value1|Value2|...)：枚举类型无关键字，由|符号体现；
• 属性约束：
  • #REQUIRED：该属性必须出现；
  • #IMPLIED：该属性可有可无；
  • #FIXED：该属性的取值为一个固定值；
  • 直接值：无关键字，即给出默认值；

2.6 定义实体

• 实体：尽量将实体定义在内部 DTD 中，因为部分浏览器无法正常读取外部 DTD 中的实体；
  • 定义实体；
  • 引用实体；

<!-- Definition -->
<!ENTITY name "value">
<!-- Reference -->
&name;

3. 解析XML

3.1 Overview

• W3C：World Wide Web Consortium，万维网联盟；
• XML 解析方式：
  • DOM：Document Object Model，文档对象模型，W3C 推荐的解析方式；
    • 根据 XML 的层级结构，在内存中分配一个树形结构，将文件中的标签、属性和文本都封装成对象；
    • 优点：便于实现增删改操作；
    • 缺点：若文件过大，则内存溢出；
  • SAX：Simple API for XML，几乎所有的 XML 解析器都支持；
    • 采用事件驱动，边读边解析，解析到某个对象后返回对象名称；
    • 优点：不会造成内存溢出，便于实现查询操作；
    • 缺点：无法实现增删改操作；
• XML 解析开发包：
  • JAXP：SUN 公司推出的解析标准实现；
  • dom4J：由开源组织 dom4J 推出，更常用；
  • JDOM：由开源组织 JDOM 推出；

3.2 JAXP

• JAXP：Java API for XML Processing，是 Java SE 的一部分；
  • org.w3c.dom：提供 DOM 方式解析 XML 的标准接口；
  • org.xml.sax：提供 SAX 方式解析 XML 的标准接口；
  • javax.xml：提供解析 XML 的类；
  • javax.xml.parsers：定义了几个工厂类，借助其可得到对 XML 进行解析的 DOM 和 SAX 解析器对象；
    • DOM：
      • DocumentBuilder：解析器类；
        • 抽象类，可通过解析器工厂类获取实例；
      • DocumentBuilderFactory：解析器工厂；
    • SAXParserFactory：parser，n. 解析器；
• 注意：添加节点时，由于对 XML 的操作均在内存中进行，因此需要将操作后的结果回写到 XML 文件中；

待整理的内容

• XML 约束：
  • DTD 约束；
  • Schema 约束；