一文带你弄懂XML

Yuhano
419 阅读8分钟

什么是XML

XML，全称 eXtensible Markup Language（可扩展标记语言），是一种用于标记电子文件使其具有结构性的标记语言。XML 被设计用来传输和存储数据，其重点在于数据的内容，而不是数据的显示，这与 HTML（HyperText Markup Language）形成了对比，后者更多地关注于如何呈现数据。

以下是一些关于 XML 的关键特点：

  1. 可扩展性：XML 的一大特点是可扩展，允许用户自定义标记，这使得它能够适应各种数据描述的需求。
  2. 自我描述性：XML 文件包含了数据的结构信息，这意味着数据不仅仅是纯文本，还包括了描述数据结构的标记。
  3. 严格规范：XML 文档必须是“格式良好”（Well-formed）的，即所有开始标记必须有对应的结束标记，所有属性值必须加引号，所有标记必须正确嵌套等。
  4. 文档类型定义（DTD）和 Schema：为了进一步规范 XML 文件的结构，可以使用 DTD 或 XML Schema 来定义 XML 文件的结构规则。
  5. 跨平台兼容性：XML 是一种基于文本的格式，可以在不同的操作系统和应用之间交换数据。
  6. 数据传输：XML 常被用于 Web 服务和应用程序之间的数据传输，因为其格式清晰，易于解析和生成。
  7. 存储：XML 也用于存储数据，尤其是在需要人类可读性和结构化的场景中。
  8. 解析：XML 文件可以使用 DOM（Document Object Model）或 SAX（Simple API for XML）等技术来解析和处理。
  9. 命名空间：XML 支持命名空间，这有助于避免不同来源的元素名称发生冲突。
  10. 注释：XML 支持注释，可以用来在文件中添加非结构化的文本信息，帮助理解和维护文件。
  11. 编码：XML 文件可以使用不同的字符编码，如 UTF-8，以支持全球范围内的字符集。

XML 曾经是数据交换的主流格式之一，但随着 JSON（JavaScript Object Notation）的兴起，JSON 因其更简洁的格式和在 Web 应用中的广泛适用性，在许多情况下取代了 XML 的位置。尽管如此，XML 在某些领域和应用中仍然非常重要，特别是在那些需要严格数据结构和格式的场景中。

HTML与XML

HTML（HyperText Markup Language）和XML（eXtensible Markup Language）虽然都属于标记语言，但在设计目的、语法和使用场景上有显著的区别。下面是它们之间的一些主要区别：

  1. 设计目的:

    • HTML: 主要用于网页的布局和显示，强调的是如何呈现信息，即信息的表现形式。
    • XML: 主要用于数据的存储和传输，强调的是数据的结构和意义，即信息的内容。

  2. 语法灵活性:

    • HTML: 具有较大的灵活性，比如可以省略结束标签，不区分大小写，属性值的引号可选。
    • XML: 更加严格，要求所有标签都必须正确关闭，严格区分大小写，属性值必须用引号包围，且不允许有重复的属性。

  3. 标记语义:

    • HTML: 使用预定义的标签，如 <div>, <span>, <p> 等，这些标签有特定的含义和用途。
    • XML: 标签没有预定义，完全自定义，允许用户定义自己的标签来描述数据，如 <customer>, <order> 等。

  4. 数据焦点:

    • HTML: 关注数据的外观和布局，适合于网页展示。
    • XML: 关注数据的结构和内容，适合于数据交换和存储。

  5. 可扩展性:

    • HTML: 不具备扩展性，其标签和属性是固定的。
    • XML: 可以用于定义新的标记语言，如RSS、SOAP、XSLT等，具有高度的可扩展性。

  6. 解析行为:

    • HTML: 解析器通常会容忍错误，如忽略未关闭的标签或多余的空格。
    • XML: 解析器要求严格遵循语法规则，任何语法错误都会导致解析失败。

  7. 平台和语言无关性:

    • HTML: 虽然可以在各种平台上显示，但其解释和渲染可能因浏览器而异。
    • XML: 独立于平台和语言，可以被任何能够解析XML的软件或语言读取和处理。

  8. 数据描述:

    • HTML: 不包含数据描述信息，通常需要额外的CSS和JavaScript来增强页面的样式和交互。
    • XML: 数据自我描述，可以通过DTD（Document Type Definition）或Schema来定义数据的结构和约束。

总体来说，HTML更适合于网页展示，而XML更适合于数据存储、交换和处理。两者在现代Web开发中都有重要的应用，但各自专注于不同的领域。

XML文档约束

XML文档约束是用来确保XML文档符合预定的结构和数据类型规则的一系列机制。这很重要，因为约束可以帮助验证XML文档是否按照预期的方式构建，从而保证数据的一致性和完整性。我们将介绍一下 DTD 和 Schema 约束：

DTD约束

DTD（Document Type Definition，文档类型定义）是XML中最早使用的约束机制，用于定义XML文档的结构和元素的属性。DTD定义了一组规则，规定了哪些元素可以出现在文档中，它们可以包含什么类型的内容，以及元素和属性的顺序和组合规则。

DTD的基本组成部分：

  1. 元素声明：定义元素的类型，如元素可以包含其他元素或者文本。
<!ELEMENT elementName EMPTY>
<!ELEMENT elementName ANY>
<!ELEMENT elementName (element1, element2?, element3*)>
  1. 实体声明：定义可以被替换的文本或外部资源。
<!ENTITY entityName "replacement text">
<!ENTITY externalEntity SYSTEM "http://www.example.com/external.dtd">
  1. 属性列表声明：定义元素可以拥有的属性。
<!ATTLIST elementName attributeName CDATA #IMPLIED>
  1. 符号类型：* 表示零次或多次；+ 表示一次或多次；? 表示零次或一次。
  2. 数据类型：CDATA 表示字符数据；ID 和 IDREF 用于唯一标识和引用；ENUMERATION 用于指定属性或元素的值的固定集合。

使用DTD：

  1. 内嵌DTD：DTD可以放在XML文档的<!DOCTYPE>声明中，直接内嵌在XML文档里。
<?xml version="1.0"?>
<!DOCTYPE document [
  <!ELEMENT document (title, content)>
  <!ELEMENT title (#PCDATA)>
  <!ELEMENT content (#PCDATA)>
]>
<document>
  <title>My Document</title>
  <content>This is the content of my document.</content>
</document>
  1. 外部DTD：DTD也可以是一个独立的文件，通过<!DOCTYPE>声明引用。
<?xml version="1.0"?>
<!DOCTYPE document SYSTEM "document.dtd">
<document>
  <title>My Document</title>
  <content>This is the content of my document.</content>
</document>

document.dtd 文件内容可能如下：

<!ELEMENT document (title, content)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT content (#PCDATA)>
  1. 公共DTD：如果DTD是广泛使用的标准，可以使用公共标识符引用。
<?xml version="1.0"?>
<!DOCTYPE document PUBLIC "-//example//DTD Document//EN"
        "http://www.example.com/dtd/document.dtd">
<document>
  <!-- ... -->
</document>

验证XML文档：

当XML文档被解析时，如果指定了DTD，解析器将自动检查文档是否符合DTD定义的规则。如果文档不符合DTD的约束，解析器将报告一个错误。这种验证有助于确保数据的完整性和一致性。

使用DTD的缺点是它不支持XML命名空间和复杂的数据类型。对于更复杂的约束需求，通常会使用XML Schema（XSD）。然而，DTD在一些遗留系统和简单场景中仍然被广泛使用。

Schema约束

XML Schema（XSD）是W3C（World Wide Web Consortium）定义的一种用于描述XML文档结构的语言。与DTD（Document Type Definition）相比，XML Schema提供了更丰富、更强大的功能，包括复杂的数据类型定义、命名空间的支持以及更详细的元素和属性约束。

XML Schema的基本组成部分：

  1. Schema元素：这是XML Schema文档的根元素，它定义了整个Schema的命名空间和目标命名空间。
  2. Element声明：用于定义XML文档中的元素，可以指定元素的类型、是否可选、是否重复等。
  3. ComplexType和SimpleType：用于定义数据类型。ComplexType可以包含子元素和属性，而SimpleType通常用于基本数据类型（如字符串、整数、日期等）的扩展。
  4. Attribute声明：用于定义元素的属性，可以指定属性的类型、是否可选等。
  5. Sequence、All、Choice：这些元素用于控制子元素的排列顺序和组合方式。
  6. MinOccurs和MaxOccurs：用于指定元素或属性的最小和最大出现次数。

如何使用XML Schema：

创建XML Schema文件：

一个典型的XML Schema文件可能如下所示：

<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"
           targetNamespace="http://www.example.com/books"
           xmlns:b="http://www.example.com/books"
           elementFormDefault="qualified">

  <xs:element name="book">
    <xs:complexType>
      <xs:sequence>
        <xs:element name="title" type="xs:string"/>
        <xs:element name="author" type="xs:string"/>
        <xs:element name="year" type="xs:gYear"/>
      </xs:sequence>
    </xs:complexType>
  </xs:element>

  <!-- 更多的类型和元素定义 -->

</xs:schema>

引用XML Schema：

在XML文档中引用XSD文件，可以使用<!DOCTYPE>声明（虽然这种方式在XML 1.0中是非规范的）或在文档根元素上使用xsi:noNamespaceSchemaLocation或xsi:schemaLocation属性：

<?xml version="1.0"?>
<book xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
      xsi:noNamespaceSchemaLocation="book.xsd">
  <title>The Great Gatsby</title>
  <author>F. Scott Fitzgerald</author>
  <year>1925</year>
</book>

或

<?xml version="1.0"?>
<ns:book xmlns:ns="http://www.example.com/books"
          xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
          xsi:schemaLocation="http://www.example.com/books book.xsd">
  <ns:title>The Great Gatsby</ns:title>
  <ns:author>F. Scott Fitzgerald</ns:author>
  <ns:year>1925</ns:year>
</ns:book>

验证XML文档：

验证XML文档是否符合其Schema，可以使用多种工具或编程语言中的库。例如，Java中有JAXB和XSOM，Python中有lxml库，而在.NET中则有XML Schema Definition Tool (xsd.exe)。

总之，XML Schema提供了非常强大的功能来定义和约束XML文档的结构和内容，适用于需要精细控制和数据验证的应用场景。

avatar
文章
阅读
粉丝