XML是什么

<!-- @font-face {font-family:宋体; panose-1:2 1 6 0 3 1 1 1 1 1; mso-font-alt:SimSun; mso-font-charset:134; mso-generic-font-family:auto; mso-font-pitch:variable; mso-font-signature:3 135135232 16 0 262145 0;} @font-face {font-family:ˎ̥; panose-1:0 0 0 0 0 0 0 0 0 0; mso-font-alt:"Times New Roman"; mso-font-charset:0; mso-generic-font-family:roman; mso-font-format:other; mso-font-pitch:auto; mso-font-signature:0 0 0 0 0 0;} @font-face {font-family:"/@宋体"; panose-1:2 1 6 0 3 1 1 1 1 1; mso-font-charset:134; mso-generic-font-family:auto; mso-font-pitch:variable; mso-font-signature:3 135135232 16 0 262145 0;} p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-parent:""; margin:0cm; margin-bottom:.0001pt; text-align:justify; text-justify:inter-ideograph; mso-pagination:none; font-size:10.5pt; mso-bidi-font-size:12.0pt; font-family:"Times New Roman"; mso-fareast-font-family:宋体; mso-font-kerning:1.0pt;} @page {mso-page-border-surround-header:no; mso-page-border-surround-footer:no;} @page Section1 {size:612.0pt 792.0pt; margin:72.0pt 90.0pt 72.0pt 90.0pt; mso-header-margin:36.0pt; mso-footer-margin:36.0pt; mso-paper-source:0;} div.Section1 {page:Section1;} -->

现在我们暂且使用 “ 记事本 ” 来创建我们的 XML 文件吧。先看一个 XML 文件：

例 1:

〈 ?xml version="1.0" encoding="gb2312" ? 〉 〈参考资料〉   〈书籍〉   〈名称〉 XML 入门精解〈 / 名称〉   〈作者〉张三〈 / 作者〉   〈价格 货币单位 =" 人民币 " 〉 20.00 〈 / 价格〉   〈 / 书籍〉   〈书籍〉   〈名称〉 XML 语法〈 / 名称〉   〈 !-- 此书即将出版 -- 〉   〈作者〉李四〈 / 作者〉   〈价格 货币单位 =" 人民币 " 〉 18.00 〈 / 价格〉   〈 / 书籍〉 〈 / 参考资料〉

这是一个典型的 XML 文件，编辑好后保存为一个以 .xml 为后缀的文件。我们可以将此文件分为文件序言（ Prolog ）和文件主体两个大的部分。在此文件中的第一行即是文件序言。该行是一个 XML 文件必须要声明的东西，而且也必须位于 XML 文件的第一行，它主要是告诉 XML 解析器如何工作。其中， version 是标明此 XML 文件所用的标准的版本号，必须要有； encoding 指明了此 XML 文件中所使用的字符类型，可以省略，在你省略此声明的时候，后面的字符码必须是 Unicode 字符码（建议不要省略）。因为我们在这个例子中使用的是 GB2312 字符码，所以 encoding 这个声明也不能省略。在文件序言部分还有一些声明语句，我们在后面给予介绍。

文件的其余部分都是属于文件主体， XML 文件的内容信息存放在此。我们可以看到，文件主体是由开始的〈参考资料〉和结束的〈 / 参考资料〉控制标记组成，这个称为 XML 文件的 “ 根元素 ” ；〈书籍〉是作为直属于根元素下的 “ 子元素 ” ；在〈书籍〉下又有〈名称〉、〈作者〉、〈价格〉这些子元素。货币单位是〈价格〉元素中的一个 “ 属性 ” ， “ 人民币 ” 则是 “ 属性值 ” 。

〈 !-- 此书即将出版 -- 〉这一句同 HTML 一样，是注释，在 XML 文件里，注释部分是放在 “ 〈 !--” 与 “-- 〉 ” 标记之间的部分。

大家可以看到， XML 文件是相当简单的。同 HTML 一样， XML 文件也是由一系列的标记组成，不过， XML 文件中的标记是我们自定义的标记，具有明确的含义，我们可以对标记中的内容的含义作出说明。

对 XML 文件有了初步的印象之后，我们就来详细地谈一谈 XML 文件的语法。在讲语法之前，我们必须要了解一个重要的概念，就是 XML 解析器（ XML Parse ）。

1.XML 解析器

解析器的主要功能就是检查 XML 文件是否有结构上的错误，剥离 XML 文件中的标记，读出正确的内容，以交给下一步的应用程序处理。 XML 是一种用来结构化文件信息的标记语言， XML 规范中对于如何标记文件的结构性有一个详细的法则，解析器就是根据这些法则写出来的软件（多用 Java 写成）。同 HTML 一样，在浏览器中，必须有 HTML 的解析器，这样浏览器才能够 “ 读懂 ” 各种用 HTML 标记所组成的网页，将它们显示在我们面前。如果有浏览器的 HTML 解析器读不懂的标记，将会返回给我们错误信息。

由于现在的 HTML 标记实际上相当混乱，存在大量不规范的标记（有的网页用 IE 能正常显示，而用 Netscape Navigator 则不行），所以从一开始， XML 的设计者就严格规定了 XML 的语法和结构，我们编写的 XML 文件必须遵循这些规定，否则 XML 解析器将毫不留情地给你显示错误信息。

有两种 XML 文件，一种是 Well-Formed XML 文件，一种是 Validating XML 文件。

如果一个 XML 文件满足 XML 规范中的某些相关法则，且没有使用 DTD （文件格式定义 —— 后详述）时，可称这份文件是 Well-Formed 。而如果一个 XML 文件是 Well-Formed ，且正确地使用了 DTD ， DTD 中的语法又是正确的，那么这个文件就是 Validating 。对应两种 XML 文件，有两种 XML 解析器，一种是 Well-Formed 解析器，一种是 Validating 解析器。 IE 5 中就内含 Validating 解析器， Validating 解析器也可用来解析 Well-Formed XML 文件。

检查它是否满足了 Well-Formed 的条件。我们可以将刚才编辑的第一个 XML 文件用 IE 5 以上版本的浏览器打开。

大家可能要问为什么在浏览器中的显示和我的源文件一样？没错，因为对于 XML 文件，我们鼋龉匦乃 的内容，而它的显示形式是交给 CSS 或 XSL 来完成的。这里，我们并没有给这个 XML 文件定义它的 CSS 或 XSL 文件，所以它按照原来的形式来显示。实际上，对于电子数据交换，仅仅需要一个 XML 文件即可，如果要将它以某种形式显示出来，我们就必须编辑 CSS 或 XSL 文件（这个问题会在以后讨论）。

2.Well-Formed 的 XML 文件

我们知道， XML 必须是 Well-Formed 的，才能够被解析器正确地解析出来，显示在浏览器中。那么什么是 Well-Formed 的 XML 文件呢？主要有下面几个准则，我们在创建 XML 文件的时候，必须满足它们。

1.XML 文件的第一行必须是声明该文件是 XML 文件以及它所使用的 XML 规范版本。在文件的前面不能够有其它元素或者注释。

2. 在 XML 文件中有且只能够有一个根元素。我们的第一个例子中，〈参考资料〉 ... 〈 / 参考资料〉就是此 XML 文件的根元素。

3. 在 XML 文件中的标记必须正确地关闭，也就是说，在 XML 文件中，控制标记必 须有与之对应的结束标记。如：〈名称〉标记必须有对应的〈 / 名称〉结束标记，不像 HTML ，某些标记的结束标记可有可无。如果在 XML 文件中遇到自成一个单元的标记，就是类似于 HTML 中的〈 img src=..... 〉的这些没有结束标记的时候， XML 把它称为 “ 空元素 ” ，必须用这样的写法：〈空元素名 / 〉，如果元素中含有属性时写法则为：〈空元素名 属性名 =“ 属性值 ”/ 〉。

4. 标记之间不得交叉。在以前的 HTML 文件中，可以这样写：

〈 B 〉〈 H 〉 XXXXXXX 〈 /B 〉〈 /H 〉 , 〈 B 〉和〈 H 〉

标记之间有相互重叠的区域，而在 XML 中，是严格禁止这样标记交错的写法，标记必须以规则性的次序来出现。

5. 属性值必须要用 “ ” 号括起来。如第一个例子中的 “1.0” 、 “gb2312” 、 “ 人民币 ” 。都是用 “ ” 号括起来了的，不能漏掉。

6. 控制标记、指令和属性名称等英文要区分大小写。与 HTML 不同的是，在 HTML 中， 类似〈 B 〉和〈 b 〉的标记含义是一样的，而在 XML 中，类似〈 name 〉、〈 NAME 〉或〈 Name 〉这样的标记是不同的。

7. 我们知道，在 HTML 文件中，如果我们要浏览器原封不动地将我们所输入的东西显示出来，可以将这些东西放到〈 pre 〉〈 /pre 〉或者〈 xmp 〉〈 /xmp 〉标记中间。这对于我们创建 HTML 教学的网页是必不可少的，因为网页中要显示 HTML 的源代码。而在 XML 中，要实现这样的功能，就必须使用 CDATA 标记。在 CDATA 标记中的信息被解析器原封不动地传给应用程序，并且不解析该段信息中的任何控制标记。 CDATA 区域是由： “ 〈 ![CDATA[” 为开始标记，以 “> 〉 ” 为结束标记。例如：例 2 中的源码，除了 “ 〈 ![CDATA[” 和 “> 〉 ” 符号，其余的内容解析器将原封不动地交给下游的应用程序，即使 CDATA 区域中的开始和结尾的空白以及换行字符等，都同样会被转交（注意 CDATA 是大写的字符）。

例 2:

〈 ![CDATA[ 飞翔的 xml 〉〉〉〉〉 ,:-) oooo 〈〈〈〈〈〈〈 > 〉

8.XML 处理空白字符和 HTML 不一样。 HTML 标准规定，不管有多少个空白，都当作一个空白来处理；而在 XML 中规定，所有标记以外的空白，解析器都要忠实地交给下游的应用程序处理。这样，我们有时必须摒弃编写 HTML 文件时的缩排习惯，因为缩排的空格，解析器也要处理。如：

〈作者〉张三〈 / 作者〉 和   〈作者〉   张三   〈 / 作者〉

上述内容对于解析器来说是不同的（后者在〈作者〉〈 / 作者〉标记之内除了张三这个字符以外，还包括两个换行记号以及 “ 张三 ” 前的文字缩排符号）。所以解析器在去掉标记后将信息传给应用程序将有不同的处理结果。

如果我们想明确地告诉 XML 程序，标记中的空白有明确的含义，不要随便去掉（如在一些诗中，空格有它具体的意义），则可在标记中加入一个 XML 内置的属性 ——xml:space 。如（注意属性名称和值的大小写）：

〈诗歌 xml:space="preserver" 〉   祖国啊！ 祖国！   我的祖国！   〈 / 诗歌〉

另外，在 XML 文件中，如果要用到表 1 的特殊字符，必须用相应符号代替。

表 1:

特殊字符          替代符号 　 &&             & 　 <             &it; 　 >               > 　 "              " 　 '            &apos;

小结：

符合上述规定的 XML 文件就是 Well-Formed 的 XML 文件。这是编写 XML 文件的最基本要求。可以看到 XML 文件的语法规定比 HTML 要严格多了。由于有这样的严格规定，软件工程师编写 XML 的解析器就容易多了，不像编写 HTML 语言的解析器，必须费尽心思去适应不同的网页写法，提高自己浏览器的适应能力。实际上，这对于我们初学者来说，也是一件好事。该怎样就怎样，不必像原来那样去疑惑各种 HTML 的写法。

我们看到，在 XML 文件中，用的大多都是自定义的标记。但是大家考虑一下，如果两个同行业的公司 A 和 B 要用 XML 文件相互交换数据， A 公司用〈价格〉标记来表示他们产品的价格信息，而 B 公司可能用〈售价〉来表示价格信息。如果一个 XML 应用程序来读取他们各自的 XML 文件中的信息时，如果它只知道〈价格〉标记里表示的是价格信息，那么 B 公司的价格信息就读不出来，必将产生错误。显然，对于想利用 XML 文件来交换信息的实体来说，他们之间必须有一个约定 —— 即编写 XML 文件可以用哪些标记，母元素中能够包括哪些子元素，各个元素出现的顺序，元素中的属性怎样定义等。这样他们在用 XML 交换数据时才能够畅通无阻。这种约定称为 DTD （ Document Type Definition ，文档格式定义）。可以把 DTD 看作编写 XML 文件的模板。对于同行业之间的 XML 数据交换，有一个固定的 DTD 将会方便很多。比如说，如果网上的各大电子商场的 XML 网页都遵循同一个 DTD 时，那么我们就可以轻松地依据这个 DTD 编写一个应用程序，去网上将我们感兴趣的东西自动抓回来。事实上已经有了好几个定义好的 DTD ，如前面所说的 MathML 、 SMIL 等。

如果一个 XML 文件是 Well-Formed 的，并且它是正确的依据某个 DTD 建立的，那么，这个 XML 文件就被称为： Validating XML 文件。相应的解析器就称为： Validating Parser 。