本文介绍了XML的基础知识，包括XML的特点、语法、元素定义等，并详细解释了XML与HTML的区别，以及如何利用DTD和Schema进行XML文档约束。
XML基础
XML概述
W3C组织简介
由W3C正式发布的标准称为W3C推荐标准。
什么是XML
是一种通用的数据交换格式，可以使数据在各种应用程序之间轻松地实现数据的交换。
XML与HTML的比较
HTML是不区分大小写的，而XML是严格区分大小写的。
HTML可以有多个根元素，而格式良好的XML有且只能有一个根元素。
HTML中，属性值的引号是可用可不用的，而XML中，属性值必须放在引号中。
HTML中，空格是自动过滤的，而XML中，空格则不会自动删除。
HTML中的标记是预定义的，而XML中的标记是可以随便定义的，并且可扩展。
注意：XML不是HTML的升级，也不是HTML的替代产品，它们的应用领域和范围完全不同
XML语法
文档声明
XML文档声明的语法格式如下所示：
<?xml 版本信息[编码信息][文档独立性信息]?>
从上面的语法格式中可以看出，文档声明以符号“<?”开头，以符号“?>”结束，中间可以声明版本信息，编码信息以及文档独立性信息。
一个完整的XML声明如下所示：
<?xml version="1.0" encoding="gb2312" standalone="yes"?>
版本声明version、文档编码声明encoding、独立文档声明standalone默认为no
注意：XML声明必须位于文档的第一行，前面不能有任何字符。在XML声明时，如果同时设置了encoding和standalone属性，standalone属性要位于encoding属性之后。
元素定义
元素一般是由开始标记，属性，元素内容和结束标记构成，具体示例如下：
<城市>北京</城市>
需要注意的是，如果一个元素没有嵌套在其它元素内，则这个元素称为根元素，根元素是XML文档定义的第一个元素。
一个元素中如果没有嵌套子元素，也没有包含文本内容，则这样的元素称为空元素，空元素可以不使用结束标记，例如：<img></img>可以简写成<img/>。
在XML文档中，元素的名称可以包含字母、数字以及其它一些可见的字符，但是在命名XML元素时，应该遵守以下规范：
（1）区分大小写，例如：<P>和<p>是两个不同的标记。
（2）元素名称中，不能包含空格、冒号、分号、逗号和尖括号等，元素不能以数字开头，否则XML文档会报错。
（3）建议不要使用“.”，因为在很多程序语言中，“.”用于引用对象的属性。
（4）建议不要用减号（-），而以下划线（_）代替，以避免与表达式中的减号（-）运算符发生冲突。
（5）建议名称不要以字符组合xml（或XML、或Xml等）开头。
（6）建议名称的大小写尽量采用同一标准，要么全部大写，要么全部小写。
（7）名称可以使用非英文字符，例如中文，但有些软件可能不支持非英文字符以外的字符，在使用时应考虑这种情况。
属性定义
<售价 单位="元">68</售价>
需要注意的是，在XML文档中，属性的命名规范同元素相同，属性值必须要用双引号（“”）或者单引号（‘’）引起来，否则被视为错误。
属性还可以通过子元素的形式来描述同样的信息，将属性定义的示例代码改写为以下代码，具体如下：
<售价>
<价格>68</价格>
<单位>元</单位>
</售价>
注释
XML注释和HTML注释写法基本一致，具体语法格式如下所示：
<!--注释信息-->
注意：
1、注释不能出现在XML声明之前，XML声明必须是文档的第一行
2、注释不能出现在标记中
3、字符串“--”不能在注释中出现
4、在XML中，不允许注释以“--->”结尾
5、注释不能嵌套使用，因为第一个“<!--”会匹配在它后面第一次出现的“-->”作为一个完整的释符
特殊字符处理
&:&armp、<:<、>:>、":quot、':apos
CDATA区
特殊字符出现在该区中不用使用转换字符，提高了xml文档的可读性
DTD约束
什么是约束
DTD约束
DTD约束是早期出现的一种XML约束模式语言，根据它的语法创建的文件称为DTD文件。
在一个DTD文件中，可以包含元素的定义、元素之间关系的定义、元素属性的定义以及实体和符号的定义。
使用DTD文件约束XML文档，必须在XML文档中引入DTD文件。在XML文档中引入外部DTD文件有两种方式：
(1)<!DOCTYPE 根元素名称 SYSTEM "外部DTD文件的URI">
(2)<!DOCTYPE 根元素名称 PUBLIC "DTD名称" "外部DTD文件的URI">
DTD语法
文档声明
2.外部 DTD一本地 DTD ,DTD文档在本地系统上,公司内部自己项目使用 。
3.外部DTD一公共DTD ,DTD 文挡在网络上, 一般都有框架提供 。
元素定义
<!ELEMENT 元素名称 元素内容>
“元素内容”共有五种内容形式，具体如下：
(1)#PCDATA：表示元素中嵌套的内容是普通文本字符串
(2)子元素：说明元素包含的元素
(3)混合内容：表示元素既可以包含字符数据，也可以包含子元素
(4)EMPTY：表示该元素既不包含字符数据，也不包含子元素，是一个空元素
(5)ANY：表示该元素可以包含任何的字符数据和子元素
在定义元素时，“元素内容”中可以包含一些符号，其中常见的符号具体如下：
问号[?]：表示该对象可以出现0次或1次。
星号[*]：表示该对象可以出现0次或多次。
加号[+]：表示该对象可以出现1次或多次。
竖线[|]：表示列出的对象中选择1个。
逗号[,]：表示对象必须按照指定的顺序出现。
括号[()]：用于给元素进行分组。
属性定义
设置说明
定义元素的属性时，有四种设置说明可以选择，具体如下：
1）#REQUIRED：表示元素的该属性是必须的
2）#IMPLIED：表示元素可以包含该属性，也可以不包含该属性
3）#FIXED：表示一个固定的属性默认值，在XML文档中不能将该属性设置为其它值。
4）默认值：和FIXED一样，如果元素不包含该属性，该属性将被自动设置为DTD中定义的默认值
属性类型
1）CDATA
这是最常用的一种属性类型，表明属性类型是字符数据，与元素内容说明中的#PCDATA相同。
2）Enumerated(枚举类型)
在声明属性时，可以限制属性的取值只能从一个列表中选择，这类属性属于Enumerated(枚举类型)。需要注意的是，在DTD定义中并不会出现关键字Enumerated。
3）ID
一个ID类型的属性用于唯一标识XML文档中的一个元素。其属性值必须遵守XML名称定义的规则。一个元素只能有一个ID类型的属性，而且ID类型的属性必须设置为#IMPLIED或#REQUIRED。
4）IDREF和IDREFS
5）NMTOKEN和NMTOKENS
NMTOKEN是Name Token的简写，它表示由一个或者多个字母、数字、句点(.)、连字号(-)或下划线(_)所组成的一个名称。NMTOKENS关键字表示一种列表类型。一个元素的NMOTOKENS类型的属性设置值可以是同一个XML文件中的另外多个NMTOKEN类型的属性的设置值，每个NMTOKEN属性值之间用空格分隔。
6）NOTATION
通过设置NOTATION类型的属性来让一个外部应用程序进行处理。在DTD文件中，NOTATION定义语句分为两种情况，具体如下：
第一种情况：<!NOTATION 符号名 SYSTEM "MIME类型">
第二种情况：<!NOTATION 符号名 SYSTEM "URL路径名">
7）ENTITY和ENTITYS
ENTITY对应的中文意思为实体，当某个属性的类型设置为ENTITY时，表明其属性值必须为在DTD中使用<!ENTITY …>语句定义的一个实体（entity）的引用。
实体定义
引用实体
引用实体的定义方式如下所示：
（1）<!ENTITY 实体名称 "实体内容">
（2）<!ENTITY 实体名称 SYSTEM "外部XML文档的URL">
引用实体用于解决XML文档中内容重复的问题，其引用方式方法为：
&实体名称;
参数实体
参数实体只能被DTD文件自身使用，它的语法格式如下所示：
<!ENTITY % 实体名称 "实体内容">
注意：在声明参数实体时，ENTITY、%、实体名和“实体内容”之间各有一个空格。
引用参数实体的方式是：%实体名称;
Schema约束
什么是Schema约束
（1）DTD采用的是非XML语法格式，而XML Schema采用的是XML语法格式，而且它本身也是一种XML文档。
（2）DTD和XML Schema都用于对XML文档进行描述，都被用作验证XML合法性的基础。但是，DTD本身合法性的验证必须采用另外一套机制，而XML Schema则采用与XML文档相同的合法性验证机制。
（3）XML Schema对名称空间支持的非常好，而DTD几乎不支持名称空间。
（4）DTD支持的数据类型非常有限。
（5）DTD定义约束的能力非常有限，无法对XML实例文档作出更细致的语义限制。
（6）Schema是新的XML 文档约束:Schema 要比 DTD 强大很多，是 DTD 替代者 ;
名称空间
名称空间就是用来处理元素和属性的名称冲突问题，与Java中的包是同一用途。如果每个元索和属性都有自己的名称空间，那么就不会出现名字冲突问题，就像是每个类都有自己所在的包一样,那么类名就不会出现冲突。
它可以唯一标识一个元素或者属性。声明名称空间的语法如下所示：
<元素名 xmlns:prefixname="URI">
Schema语法
元素定义
<xs:element name="xxx" type="yyy"/>
element用于声明一个元素，xxx指的是元素的名称，yyy 指元素的数据类型。
在XML Schema 中有很多内建的数据类型，其中最常用的有以下几种：
xs:string：表示字符串类型
xs:decimal：表示小数类型
xs:integer：表示整数类型
xs:boolean：表示布尔类型
xs:date：表示日期类型
xs:time：表示时间类型
XML的示例代码，具体示例如下：
<lastname>Smith</lastname>
<age>28</age>
<dateborn>1980-03-27</dateborn>
这三个元素对应的Schema定义如下所示：
<xs:element name="lastname" type="xs:string"/>
<xs:element name="age" type="xs:integer"/>
<xs:element name="dateborn" type="xs:date"/>
属性定义
<xs:attribute name="xxx" type="yyy"/>
element用于声明一个元素，xxx指的是元素的名称，yyy 指元素的数据类型。
XML的简单例子，具体示例如下所示：
<lastname lang="EN">Smith</lastname>
应的Schema定义方式如下所示：
<xs:attribute name="lang" type="xs:string"/>
简单类型
（2）xs:enumeration元素对一组值的限定
（3）xs:pattern元素对一系列值的限定
（4）xs:restriction元素对空白字符的限定
如果需要对空白字符（whitespace characters）进行处理，可以使用 whiteSpace元素。whiteSpace元素有三个属性值可以设定，分别是preserve、replace和collapse。
复杂类型
指的不包含内容，只包含属性的元素，具体示例如下：
<product prodid="1345" />
（2）包含其它元素的元素
（3）仅包含文本的元素
（4）包含元素和文本的元素
dom4j
XML解析概述
解析方式和解析器
1. DOM: 要求解析器把整个XML文档装载到内存,并解析成一个Document 对象 。
a) 优点:元素与元素之间保留结构关系,故可以进行增删改查操作 。
b) 缺点: XML文档过大,可能出现内存溢出显现 。
2. SAX: 是一种速度更快,更有效的方法,它逐行扫描文档,一边扫描一边解析 。并以事件驱动的方式进行具体解析，每执行一行,都将触发对应的事件.
a) 优点 : 处理速度快，可 以处理大文件
b) 缺点 : 只能读 ，逐行后将释放资源 。
3.PULL: Android内置的XML解析方式,类似 SAX.
解析器:就是根据不同的解析方式提供的具体实现。有的解析器操作过于繁琐，为了方便开发人员,有提供易于操作的解析开发包 。
DOM解析原理及结构模型
DOM 中的核心概念就是节点,在XML文档中的元素、属性、文本等，在DOM中都是节点!
1.如果需要使用dom4j,必须导入jar包。
2.dom4j必须使用核心类SaxReader加载xml文档获得 Document,通过Document对象获得文档的根元素，然后就可以操作了
扫一扫
1646
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
