Java Web基础入门第一讲 XML语言——初识XML语言

什么是XML？

学习一门新的技术，首先应该搞清楚两点，第一它是什么，第二为什么我们要学习它，带着这样的疑问，开始XML的学习之旅。

• 什么是XML？
  Extensible Markup Language，翻译过来为可扩展标记语言。XML技术是W3C组织发布的，目前推荐遵循的是W3C组织于2000发布的XML1.0规范。
• 为什么学习XML？
  在现实生活中大量存在有关系的数据，如图所示：
  
  由此引来一个问题：这样的数据如何交给计算机处理呢？

XML技术用于解决什么问题？

XML语言出现的根本目标在于描述上图那种，在现实生活中经常出现的有关系的数据。在XML语言中，它允许用户自定义标签。一个标签用于描述一段数据；一个标签可分为开始标签和结束标签，在开始标签和结束标签之间，又可以使用其它标签描述其它数据，以此来实现数据关系的描述。例如：

<中国>
    <北京>
        <海淀>海淀>
        <朝阳>朝阳>
    北京>
    <福建>
        <福州>福州>
        <龙岩>龙岩>
    福建>
    <湖北>
        <武汉>武汉>
        <天门>天门>
    湖北>
中国>

XML常见应用

XML常见应用有以下两点：

• XML技术除用于保存有关系的数据之外，它还经常用作软件配置文件，以描述程序模块之间的关系；

• 在一个软件系统中，为提高系统的灵活性，它所启动的模块通常由其配置文件决定。例如一个软件在启动时，它需要启动A、B两个模块，而A、B这两个模块在启动时，又分别需要A1、A2和B1、B2模块的支持，为了准确描述这种关系，此时使用XML文件最为合适不过。

  
  <soft>
      <a>
          <a1>a1>
          <a2>a2>
      a>
      <b>
          <b1>b1>
          <b2>b2>
      b>
  soft>
  

XML语法

一个XML文件分为如下几部分内容：

• 文档声明；
• 元素；
• 属性；
• 注释；
• CDATA区 、特殊字符；
• 处理指令（processing instruction）。

XML语法－文档声明

在编写XML文档时，需要先使用文档声明，声明XML文档的类型。最简单的声明语法为：

还可用encoding属性说明文档的字符编码，即告诉浏览器用哪个编码表来解析文档。

当XML文件中有中文时，必须使用encoding属性指明文档的字符编码，例如：encoding="GB2312"或者encoding=“UTF-8”，并且在保存文件时，也要以相应的文件编码来保存，否则在使用浏览器解析XML文件时，就会出现解析错误的情况。例如，有如下XML文件，

<softCompany>
	<company>MicroSoftcompany>
	<company>googlecompany>
	<company>Applecompany>
	<company>百度company>
softCompany>

使用“记事本”来保存该XML文件时，没有使用encoding属性来指明文档的字符编码，但文档里面有“百度”这样的中文字符，在使用Chrome浏览器解析该XML文件时，Chrome就不知道该使用什么编码去解析该文件，就无法解析了，如下图所示：

要想正确解析该XML文档，就可以使用encoding属性指明该文档的字符编码。例如：

<softCompany>
	<company>MicroSoftcompany>
	<company>googlecompany>
	<company>Applecompany>
	<company>百度company>
softCompany>

并且使用“记事本”保存文件时，也要以相应的文件编码(UTF-8)来保存。此时再次使用Chrome浏览器来解析该XML文件，就可以正常解析出里面的中文字符了，如下图所示：

还可用standalone属性说明文档是否独立，即文档在工作的过程中是否依赖于另一个文档。

浏览器打开之后，并不会将standalone属性解析出来。

常见错误

在编写XML文档时，你会遇到的第一个常见错误如下：

编写XML文件你会遇到的第二个常见问题就是经典的乱码问题。XML文件一般使用国际化通用的编码“UTF-8”，所以平时看到的XML文件的头部都会有这样的代码：

如果我们使用“记事本”等文本编辑工具编写XML文件时，例如使用“记事本”编写如下的XML文件：

<CharacterEncoding>
	<中国>
 		<encoding>GB2312encoding>
		<encoding>GBKencoding>
	中国>
	<日本>
		<encoding>JISencoding>
	日本>
CharacterEncoding>

当我们在保存文件时，文件的编码默认是以“ANSI”来保存的，如下图所示：

我们编写XML文件时，使用encoding="UTF-8"来指明了文档的字符编码，但是在保存的时候却使用了“ANSI”编码来保存文件，由于我们在XML文件中使用encoding="UTF-8"来指明了文档的字符编码，所以当Chrome浏览器解析该XML文件时，就是使用“UTF-8”编码来解析，解析结果如下图所示：

可以看到，浏览器解析失败了，这是为什么呢？我们明明指定了文档的字符编码是“UTF-8”了呀，为什么里面的中文解析不出来呢？这里不得不说说ANSI编码到底代表的是神马意思了。
不同的国家和地区制定了不同的标准，由此产生了GB2312，BIG5，JIS等各自的编码标准。这些使用2个字节来代表一个字符的各种汉字延伸编码方式，称为ANSI编码。在简体中文系统下，ANSI编码代表GB2312编码，在日文操作系统下，ANSI编码代表JIS编码。不同ANSI编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段ANSI编码的文本中。
下面分析一下为什么Chrome浏览器无法解析XML文件的原因，如下图所示：

所以千万要记住，使用“记事本”或者“EditPlus”等文本编辑工具编写XML文件时一定要以XML文件的encoding属性指明的编码来保存文件，这样才能保证浏览器解析XML文件时可以正常解析。上述的问题将CharacterEncoding.xml文件再以“UTF-8”编码保存一次就可以正常解析出该文件了。
在使用一些比较智能的IDE编写XML文件时，IDE在保存XML文件时，会自动以encoding属性指明的编码来保存文件。例如在Eclipse中编写XML文件时，就可以根据encoding属性指明的字符编码，指明为encoding="GBK"时，保存XML文件时就自动将文件保存成GBK编码(如下图)，

指明为encoding="UTF-8"时，就自动保存为UTF-8(如下图)。

元素

XML元素指XML文件中出现的标签，一个标签分为开始标签和结束标签，一个标签有如下几种书写形式，例如：

• 包含标签体：www.baidu.com；
• 不含标签体的：，可简写为：。

一个标签中也可以嵌套若干子标签。但所有标签必须合理的嵌套，绝对不允许交叉嵌套，例如以下代码就是错误的表率。

<a>welcome to <b>www.it315.orga>b>

格式良好的XML文档必须有且仅有一个根标签，其它标签都是这个根标签的子孙标签。
对于XML标签中出现的所有空格和换行，XML解析程序都会当作标签内容进行处理。例如：下面两段内容的意义是不一样的。

• 第一段：

  <网址>www.baidu.com网址>
  

• 第二段：

  <网址>
      www.baidu.com
  网址>
  

由于在XML中，空格和换行都作为原始内容被处理，所以，在编写XML文件时，使用换行和缩进等方式来让原文件中的内容清晰可读的“良好”书写习惯可能要被迫改变。
最后，我讲一下元素的命名规范——一个XML元素可以包含字母、数字以及其它一些可见字符，但必须遵守下面的一些规范：

1. 区分大小写，例如，

   和

   是两个不同的标记；

2. 不能以数字或"_" (下划线)开头；
3. 不能以xml(或XML、或Xml等)开头；
4. 不能包含空格；
5. 名称中间不能包含冒号（:）。

属性

一个标签可以有多个属性，每个属性都有它自己的名称和取值，例如：

<input name="text">

注意：属性值一定要用双引号（"）或单引号（’）引起来，定义属性必须遵循与标签相同的命名规范。
在XML技术中，标签属性所代表的信息，也可以被改成用子元素的形式来描述，例如，以上代码又可改写为：

<input>
    <name>textname>
input>

注释

XML文件中的注释采用格式。要注意两点：

1. XML声明之前不能有注释；

2. 注释不能嵌套，例如：

   
   ……
   -->
   

CDATA区

在编写XML文件时，有些内容可能不想让解析引擎解析执行，而是当作原始内容处理。遇到此种情况，可以把这些内容放在CDATA区里，对于CDATA区域内的内容，XML解析程序不会处理，而是直接原封不动的输出。语法为：

        中国
        
    
]]>

转义字符

对于一些单个字符，若想显示其原始样式，也可以使用转义的形式予以处理。

要注意，转义字符和CDATA区的区别： 一段XML文档，你要输出给人看，给人看到原始样子，要用转义；你要交给程序处理，把某一段XML文档作为原始内容交给程序处理，就用CDATA区。

处理指令

处理指令，简称PI（processing instruction）。处理指令用来指挥解析引擎如何解析XML文档内容。例如，在XML文档中可以使用xml-stylesheet指令，通知XML解析引擎，应用css文件显示XML文档内容。
config1.css内容为：

#a1 {
    font-size: 300px;
    color: red;
}
#a2 {
    font-size: 100px;
    color: green;
}
#b1 {
    font-size: 20px;
}
#b2 {
    font-size: 200px;
    color: blue;
}

config1.xml文档内容为：

<soft>
    <a>
        <a1 id="a1">中国a1>
        <a2 id="a2">美国a2>
    a>
    <b>
        <b1 id="b1">小日本b1>
        <b2 id="b2">英国b2>
    b>
soft>

注意：标签名为中文时，css不起作用。还要注意处理指令必须以作为开头，以?>作为结尾，XML声明语句就是最常见的一种处理指令。