XML学习总结（1）——XML入门

一、XML语法学习

　　学习XML语法的目的就是编写XML

　　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） 

1.1、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： <?xml version="1.0" ?> 

　　例如：

1 <?xml version="1.0"?>
2 <softCompany>
3     <company>MicroSoft</company>
4     <company>google</company>
5     <company>Apple</company>
6 </softCompany>

　　浏览器解析结果如下：

　　

　　用encoding属性说明文档的字符编码：<?xml version="1.0" encoding="GB2312" ?>

　　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：

1 <?xml version="1.0"?>
2 <softCompany>
3     <company>MicroSoft</company>
4     <company>google</company>
5     <company>Apple</company>
6     <company>百度</company>
7 </softCompany>

　　这个XML文件中没有使用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IE浏览器解析该XML文件时，IE就不知道该使用什么编码去解析该文件，就无法解析了，出现的错误如下图(图-1)所示：

　　

　　　　　　　　　　　　　　　　　　　　图-1

 　　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：

1 <?xml version="1.0" encoding="GB2312"?>
2 <softCompany>
3     <company>MicroSoft</company>
4     <company>google</company>
5     <company>Apple</company>
6     <company>百度</company>
7 </softCompany>

　　此时再次使用IE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(图-2)所示：

　　

　　　　　　　　　　　　　　　　图-2

1.2、编写XML文件常遇到的一个问题

　　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：

1 <?xml version="1.0" encoding="utf-8"?>

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

 1 <?xml version="1.0" encoding="utf-8"?>
 2 <CharacterEncoding>
 3     <中国>
 4         <encoding>GB2312</encoding>
 5         <encoding>GBK</encoding>
 6     </中国>
 7     <日本>
 8         <encoding>JIS</encoding>
 9     </日本>
10 </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(图-3)所示:

　　

　　　　　　　　　　　　　　　　　　　　　　　　图-3

　　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(图-4)所示：

　　　

　　　　　　　　　　　　　　　　　　　　　　　　图-4

　　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IE浏览器X无法解析ML文件的原因：如下图(图-5)所示：

　　

　　　　　　　　　　　　　　　　　　　　　　　　图-5

　　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CharacterEncoding.xml

　　

　　　　　　　　　　　　　　　　　　　　　　　　图-6

　　浏览器的解析结果如下图(图-7)所示：

　　

　　　　　　　　　　　　　　　　　　　　　　　　图-7

　　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MyEclipse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="GB2312"时，保存XML文件时就自动将文件保存成GB2312编码 (如图-8)，指明为encoding="UTF-8"时，就自动保存为UTF-8 (如图-9)。

　　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　图-8

　　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　图-9

　　用standalone属性说明文档是否独立：

1 <?xml version="1.0" encoding="GB2312"  standalone="yes" ?>

 1.3、xml语法——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：<a>www.cnblogs.com/</a>
• 不含标签体的：<a></a>, 简写为：<a/>

　　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：

　　　　错误的写法：<a>welcome to <b>www.cnblogs.com/</a></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：

1 <网址>http://www.cnblogs.com/</网址>

　　第二段：

1 <网址>
2      http://www.cnblogs.com/
3 </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。

　　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，<P>和<p>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（:）

1.4、XML语法——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”> ，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 。

　　多学一招：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：

1 <input>
2   <name>text</name>
3 </input>

1.5、XML语法——注释

　　Xml文件中的注释采用： <!--注释--> 格式。

　　注意：

• XML声明之前不能有注释
• 注释不能嵌套，例如：

<!--大段注释

……

<!--局部注释-->

……

-->  

1.6、XML语法——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：<![CDATA[ 内容 ]]>

　　例如：

 1 <?xml version="1.0" encoding="utf-8"?>
 2 <soft>
 3 <![CDATA[
 4     <a className="gacl.xdp">
 5         <a1>gacl</a1>
 6         <a2>xdp</a2>
 7     </a>
 8 ]]>
 9     <b>
10         <b1>孤傲苍狼</b1>
11         <b2>徐达沛</b2>
12     </b>
13 </soft>

　　该XML文件使用IE浏览器解析引擎解析执行后，结果如下图(图-10)所示：

　　

　　　　　　　　　　　　　　　　　　　　　　　　图-10

　　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。

　　

　　　　　　　　　　　　　　转义字符表

　　例如：

1 <?xml version="1.0" encoding="utf-8"?>
2 <soft>
3     <b>
4         &lt;b1&gt;孤傲苍狼&lt;/b1&gt;
5         <b2>徐达沛</b2>
6     </b>
7 </soft>

　　解析器解析的结果如下图(图-11)所示：

　　

　　　　　　　　　　图-11

1.7、XML语法－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，标签名为中文时，css不起作用。

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

　　例如：

1 <?xml version="1.0" encoding="utf-8"?>
2 <!--在XML文档中可以使用xml-stylesheet指令，通知XML解析引擎，应用country.css文件显示xml文档内容-->
3 <?xml-stylesheet type="text/css" href="country.css"?>
4 <Country>
5     <c1>中国</c1>
6     <c2>美国</c2>
7     <c3>日本</c3>
8     <c4>韩国</c4>
9 </Country>

　　Country.css样式文件代码如下：

 1 c1{
 2     font-size:200px;
 3     color:red;
 4 }
 5 c2{
 6     font-size:150px;
 7     color:green;
 8 }
 9 c3{
10     font-size:100px;
11     color:#ccc;
12 }
13 c4{
14     font-size:130px;
15     color:blue;
16 }

　　在浏览器中解析该XML文件的结果如下图(图-12)所示：

　　

　　　　　　　　　　　　　　　　　　　　　　　　　　图-12

　　处理指令必须以"<?"作为开头，以"?>"作为结尾，XML声明语句(<?xml version="1.0" encoding="utf-8"?>)就是最常见的一种处理指令。

　　到此，关于XML语法方面的讲解就全部讲完了。