XML － 可扩展标记语言 (Extensible Markup Language)

XML － 可扩展标记语言 (Extensible Markup Language)

XML 是英文 Extensible Markup Language 的缩写，它的中文意思是 "可扩展标记语言"。

编写和浏览一个 XML 文档

XML 文档以 .xml 为后缀。

编写一个 XML 文档，不需要特别的软件，只需要一个文本编辑器就可以，比如记事本程序 (Notepad)。

你可以打开 Notepad，然后将下面这段代码拷贝下来，然后存成以 .xml 为后缀的文件，比如 book.xml，然后存盘，这样就生成了一个 XML 文档。

<?xml version="1.0" encoding="UTF-8"?>
<books ISBN ="9787544238212">
  <title>The Book Thief</title>
  <price>25</price>
  <quantity>10</quantity>
</books>

你可以使用文本编辑器(如 Notepad或 EditPlus)，浏览器 (如IE 或者 Firefox)，或者 XML专用工具 (如XMLSpy) 打开并浏览 XML 文件。

我们可以通过这个 XML 文档的例子对 XML 有个初步的认识。

该 XML 文档的第一行是 XML 声明，定义了 XML 的版本和使用的字符编码。在这个例子中，XML 遵守的版本是 1.0，使用的字符编码是 UTF-8 字符集。

该 XML 文档有一个根元素 (root element) 叫做 books，books 根元素下又有 3 个元素，分别是 title, price, quantity。

每个 XML 元素都以一个起始标记 (opening tag) 开始 ，以一个结束标记 (closing tag) 收尾。

比如 <title> 就是一个起始标记，</title> 就是一个结束标记。

起始标记以 < 开始，以 > 结束。结束标记以 </ 开始，以 > 结束。

XML 元素可以带有属性，属性值要加引号。比如 ISBN 就是 books 的属性，属性值为 9787544238212。

XML 的标记 (tag) 是可以自定义的，用来描述数据。比如该例子中的 title 元素，

<title>The Book Thief</title>

title 标记表示这个元素内的数据是书名，The Book Thief 就是一个具体书名。

你可以修改标记，比如写成

<booktitle>The Book Thief</booktitle>

由于 XML 的标记可以随意定义，我们可以用 XML 描述和存储各种内容的数据。这里举的只是一个有关书的 XML 文档例子，你还可以创建其它 XML 文档，比如有关电影的，或者家具的，等等。也就是说，各种内容的数据，都可以通过 XML 描述和存储起来。

XML 文档是一棵节点树。一个XML 文档只有一个根节点。在该例子中，books 就是根节点，books 下面有子节点 title, price, quantity。

什么是 XML?

根据上面的例子，我们对 XML 有个大致的了解。总的来说，有以下几个要点：

·                                 XML 是一种可扩展的标记语言 (Extensible Markup Language)。

·                                 XML 的标记 (tag) 没有被预定义，用户可以自行定义标记来描述数据。

·                                 XML 主要用来描述和存储数据。

·                                 XML 具有自我描述性。

·                                 XML 是树状结构的文档，是个结构化的文档。

·                                 XML 文档是个文本文件。

使用 XML 的好处

·                                 易携带和传输
XML 文档不依赖于特殊的软件，只要有个文本编辑器，就可以编写 XML 文档，而且是存成文本格式。一个 XML 文档就是一个小小的文本文件，易于携带和传输。

·                                 易于共享和跨平台
XML 本身是个文本文件，而且是有结构化的数据，很容易被各系统读取。

·                                 易于查询
因为 XML 是树状结构，易于查询。

编写 XML 必须遵循一些简单的语法规则，主要列示如下：

·                                 每个开始标记 (opening tag) 必须有结束标记 (closing tag)

·                                 一个 XML 文档只能有一个根元素 (root element)

·                                 所有 XML 元素必须正确嵌套

·                                 属性值必须加引号

·                                 一个元素不能有相同的属性 (attribute)

XML 标记 (tag)，元素 (element) 和属性 (attribute)

在解释上面的语法规则之前，我们先解释一些 XML 最常用的术语：

·                                 标记 (开始标记 opening tag，结束标记 closing tag)

·                                 元素 (element)

·                                 属性 (attribute)

<books ISBN ="9787544238212">

        <title>The book thief</title>

        <price>25</price>

        <quantity>10</quantity>

</books>

上面是一个简单的 XML 文档，我们看到有很多这样的相同特征的字符串，<title>，<price>，<quantity>，</books> 等等。

它们都是由小于号 < 开始，由大于号 > 结束，在 XML 文档里，我们将其称为 XML 标记 (tag)。

标记又有开始标记和结束标记之分。

开始标记由 < 开始，由 > 结束。比如<title>，<price>，<quantity>。

结束标记由 </ 开始，由 > 结束。比如</title>，</price>，</quantity>。

而 XML 元素 (element) 指的是从一个开始标记到它的结束标记的一段内容。

比如 <title>The book thief</title> 就是一个元素。

元素是 XML 文档的基本单位，一个 XML 文档可以由一个或者多个元素构成。

一个元素可以带有属性 (attribute)，属性写在开始标记里，写在元素名称的后面。比如

<books ISBN ="9787544238212">

其中 ISBN ="9787544238212" 就是 books 元素的一个属性， ISBN 是属性的名称，9787544238212 是属性值，属性值必须加引号。

XML 的语法规则

接下来，我们逐个解释 XML 文档的语法规则。

每个开始标记 (opening tag) 必须有结束标记 (closing tag)

比如上面的例子中， 开始标记 <price> 必须有相应的结束标记 </price>。

一个 XML 文档只能有一个根元素 (root element)

XML 文档是树状结构的，象一棵节点树。比如上面例子中，books 就是根元素，而 title，price，quantity 则是 books 的子节点。

如果写成下面这样，一个文档有两个 books 根元素，就出错了。

<?xml version="1.0" encoding="UTF-8"?>

<books ISBN ="9787544238212">

        <title>偷书贼</title>

        <price>25</price>

        <quantity>10</quantity>

</books>

<books ISBN ="978758225">

        <title>香水</title>

        <price>100</price>

        <quantity>12</quantity>

</books>

所有 XML 元素必须正确嵌套

正确的嵌套：

<books><title>香水</title></books>

错误的嵌套：

<books><title>香水</books></title>

属性值必须加引号

一个 XML 元素可以带有属性 (attribute)，属性写在开始标记里，写在元素名称的后面。比如

<books ISBN ="9787544238212">

其中 ISBN ="9787544238212" 就是 books 元素的一个属性， ISBN 是属性的名称，9787544238212 是属性值，属性值必须加引号。

一个元素不能有相同的属性 (attribute)

下面的写法是错误的，因为一个 XML 元素不能有两个相同的属性名称，虽然属性值不同。

<books ISBN ="9787544238212" ISBN ="97875442dr">

不过，如果你将 ISBN 小写，写成如下，就是对的。

因为 XML 文档是区分大小写的 (case sensitve)。ISBN 和 isbn 表示两个不同的属性。

<books ISBN ="9787544238212" isbn ="97875442dr">

XML 元素是 XML 文档的基本单位。一个 XML 文档由一个或者多个 XML 元素构成。

比如 <site>woyouxian.net</site> 就是一个 XML 元素，也可以是一个最简单的 XML 文档。

一个 XML 元素从一个起始标记开始，到对应的结束标记结束。在起始标记和结束标记之间的内容，我们称为 XML 元素的内容 (element's content)。比如，woyouxian.net 就是元素 <site>woyouxian.net</site> 的内容。

空元素 (empty element)

如果一个 XML 元素没有内容，比如，<site></site> 我们称其为空元素 (empty element)。

空元素有一种特殊的写法，以 < 开始，然后是元素名称，然后以 /> 结束。比如，<site /> 。

大小写敏感 (case sensitive)

XML 文档是区分大小写的。比如<SITE> 和 <site> 就表示两个不同的元素。这一点在编写 XML 文档时要非常非常注意。

XML 树状结构

XML 文档是树状结构的。它只有一个根元素 (root element)，其它元素都是根元素的后代。

<?xml version="1.0" encoding="UTF-8"?>
<father>Tom Smith
   <son>John Smith
       <grandson>Hans Smith</grandson>
   </son>
   <daughter>Jane Smith</daughter>
</father>

比如，我们看上面的例子，根元素是 father，father 下面有 2 个子节点，即 son 和 daughter 元素，而 son 元素下面又有一个子节点，就是 grandson 元素。

XML 文档的数据，就是象这样，通过树状结构构成的。

XML 元素之间的关系

XML 元素之间的关系，主要有：

·                                 child

·                                 parent

·                                 sibling 兄弟姐妹

以上面的例子来解释这些关系。

son 元素就是 father 元素的 child。

father 元素就是 son 元素和 daughter 的 parent。

daughter 和 son 元素的关系是 sibling 的关系。

XML 可以带有属性 (attribute)，作为 XML 元素 (element) 的附加信息。

比如 <book ISBN ="9787544238212"> 就是一个带有属性的 XML 元素。ISBN 是属性名称 (name)，9787544238212 是属性的值 (value)。

XML 属性是以名称和值 (name-value) 的形式配对出现的。

XML 属性应写在开始标记里面，在开始标记的名称之后。

XML 属性名称是区分大小写的，比如 Name 和 name 就表示两个不同的属性。

XML 属性的值应用引号围起来，你可以用双引号，也可以用单引号，以下的写法都是正确的。不过通常来说，XML 属性采用双引号。

<book ISBN ="9787544238212">

<book ISBN ='9787544238212'>

如果属性的值里包含双引号，就用单引号包围属性值，比如：

<site info ='wo"you"xian.net'>

如果属性值里包含单引号，就用双引号包含属性值。

<site info ="wo'you'xian.net">

一个 XML 元素可以有一个或者多个属性。每个属性都以空格分开。比如：

<site name="woyouxian.net" author="me">

使用 XML 元素还是属性

没有硬性规定说那些数据应该使用元素，哪些数据应该使用属性，比如以下这两种写法都是对的。

第一种写法，使用属性：

<site name="woyouxian.net">

第二种写法，使用元素：

<site>

        <name>woyouxian.net</name>

</site>

通常来说，元数据 (metadata) 应使用属性，而数据本身应当使用元素。

还有，通常 ID 索引，大都使用属性。比如：

<employee ID="6699">

元数据

在计算机语言里，你经常可以看到一个前缀 -- meta，meta 就是"关于" (about) 的意思。

元数据，metadata，意为描述数据的数据，英文即 data about data。

比如一篇文章，文章关键词就是元数据，而文章的内容就是数据本身。示例如下：

<article keywords="XML,属性" >

        <content>XML 可以带有属性 ，作为 XML 元素的附加信息。XML 属性是以名称和值的形式配对出现的。XML 属性应写在开始标记里面，在开始标记的名称之后。</content>

</article>

XML 名称命名规则

XML 名称可以包含英文字母，和数字，或者其它字符（比如下划线)。

XML 名称不能以数字或者标点符号开头。

XML 不能以 xml 开头 (或者 xml 形式的大小写，因为这是 XML 相关标准的保留词)

XML 名称不能包含空格。

 

虽然 XML 名称可以包含非英语的字符，比如 as ö, ç 等，但是考虑到读取 XML 文档的软件未必支持多语言，为求兼容性，建议还是使用英文字母比较安全。

虽然 XML 支持下划线 (_)，连字符 (-)，句号(.) 和冒号(:)，但 XML 开头不能用连字符 (-) 和句号(.) 冒号(:) ，这是 XML Namespace 用到的保留符号，这在以后章节会详述。所以保险起见，你只用下划线 (_) 就行了，其它的标点符号都不用。

正确的 XML 名称示例：

<name>

<first_name>

<one_4_all>

错误的 XML 名称示例：

<mom's pie>

<mon/day/year>

<4-u>

<first name>

XML 文档里，除了表示一个标记的开始之外，不允许有小于号 <，因为小于号 < 总是被XML 解析器解释为一个标记的开始。

<person>if age < 10 </person>

上面的写法会导致 XML 文档的错误。

为避免这样的错误，而你又需要在 XML 文档内容里使用小于号，你可以使用小于号的实体引用 (entity reference) ，即 &lt; 来替换小于号。下面是正确的写法：

<person>if age &lt; 10 </person>

XML 里也不能用 & 这个字符，因为 & 被解析为某个实体引用的开始。所以，你必须使用& 的实体引用 &amp; 来替代 & 。比如，

<company>John & Hans</company>

应该写成

<company>John &amp; Hans</company>

XML 有 5 个预定的实体引用 (entity references)。它们分别是：

实体引用	字符	说明
&lt;	<	小于号
&gt:	>	大于号
&amp;	&	和
&apos;	'	单引号
&quot;	"	双引号

当 XML 解析器解析含有上述实体引用的 XML 文档时，会将这些实体引用转换成相应的字符。

只有 < 和 & 字符在 XML 是非法的。另外几个是合法的。但是 > 容易被看成一个标记的结束符号，而' 和 " 这两个符号，又经常作为 XML 属性的开始符号和结束符号，所以为了避免 XML 书写的错误，建议将这三个符号也用其实体引用来表示。

为了避免 XML 解析错误，我们应该使用 &lt; 来替代 <，使用 &amp; 替代 &。

但是假设你需要在 XML 文档里写一段内容，里面包含了很多 < 或者 &，要将所有 < 或者 & 转换成实体引用是很讨厌的事情。

这时候，你可以使用 CDATA 区 (CDATA section)。在 CDATA 区里，你可以不必使用实体引用，因为 XML 解析器不会解析 CDATA 区内的内容。

CDATA 区 (CDATA section) 以 <![CDATA[ 开始，以 ]]> 结束。 示例如下：

<mycode> This is a html page

<![CDATA[

        <html>

        <head>

        <title>woyouxian</title>

        </head>

        <body>

        I like woyouxian.net

        </body>

        </html>

        ]]>
</mycode>

注意：在 CDATA 区内，不能出现 ]]> 。

你可以在 XML 文档里写注释，以帮助他人或者自己日后理解。

XML 的注释以 <!-- 开始，以 --> 结束。示例如下：

<!-- This is a comment. -->

注意：在 XML 注释里面，除了结束符 -->，当中不能有连续两个连字符 --。

在结束 XML 注释时，---> 也是非法的。

XML 的注释可以放在 XML 的元素内容里，但是不能放在标记里。

XML 文档应当以 XML 声明 (declaration) 开始，不过不是必须的。

下面就是一个简单的 XML 文档示例，第一行就是 XML 声明。

如果一个 XML 文档含有声明，必须放在 XML 文档的第一行。

XML 文档声明主要有三个参数：

·                                 版本 （version)

·                                 字符编码 (encoding)

·                                 独立 (standalone)

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<site>

   woyouxian.net

</site>

版本(version)

版本表示遵循的是 W3C 的 XML 1.0 的标准。

字符编码 (encoding)

字符编码表示该 XML 文档使用的字符编码。

一些英文的 XML 文档，你会看到它们使用的是单字节的 ISO-8859-1 编码。不过对于中文文档来说，应该使用支持双字节 UTF-8 或者 Unicode。

如果是含有非英语字符的 XML 文档，你需要将 XML 文档存成 UTF-8 或者 Unicode 格式。

独立 (standalone)

如果 XML standalone 的值是 no ，表示它需要 DTD (DTD 放在以后再说)。

不需要 DTD 的 XML 文档， standalone 值应该写 yes。

格式正确 (Well-Formed) 的 XML 文档必须遵循以下规则：

·                                 每个开始标记必须有结束标记。

·                                 XML 文档只有一个根元素。

·                                 XML 元素必须正确嵌套。

·                                 XML 元素不能有相同名称的属性。

·                                 XML 属性值必须加引号。

·                                 XML 注释不能写在标记里。

·                                 XML 文档里不能出现 < 和 & 标记，必须用实体引用 &lt; 替代 <， &amp; 替代 &。