XML基礎教程(第2版)第2章規(guī)范的XML文件

《XML基礎教程(第2版)》第2章規(guī)范的XML文件

本章主要內容第2章規(guī)范的XML文件§2.1規(guī)范性

符合W3C制定的基本語法規(guī)則的XML文件稱為規(guī)范的XML文件。規(guī)范的XML文件如果再符合額外的一些約束就稱為有效的XML文件?！?.2XML聲明規(guī)范的XML文件應當以XML聲明作為文件的第一行，在其前面不能有空白、其他的處理指令或注釋。XML聲明以

“<?xml”

標識開始、

以“?>”

標識結束。以下是一個最基本的XML聲明：

<?xmlversion=“1.0”?>

如果一個XML文件省略XML聲明,各種XML解析器將默認該XML文件是有XML聲明的,而且XML聲明是：

<?xmlversion="1.0"encoding="UTF-8"?>注：W3C在XML規(guī)范中建議每個XML文件都顯示地寫有XML聲明。

2.2.1version屬性

一個簡單的XML聲明中可以只包含屬性version，目前該屬性的只可以值可以取1.0，指出該XML文件使用的XML版本。2.2.2encoding屬性

encoding屬性規(guī)定XML文件采用哪種字符集進行編碼,該屬性的默認值是“UTF-8”.<?xmlversion="1.0"encoding="UTF-8"?>注：

encoding屬性值不同，XML文件保存時的編碼要與之對應。1.如果XML使用UTF-8編碼，那么標記的名字以及標記包含文本內容中就可以使用漢字、日文、英文等，XML解析器就會識別標記的名字并正確解析標記中的文本內容。這時XML文件必須選擇“UTF-8”編碼來保存。2.如果在編寫XML文件時只準備使用ASCII字符和漢字，可以將encoding屬性的值設置為“gb2312”。例：<?xmlversion="1.0"encoding="gb2312"?>這時XML文件必須使用“ANSI”編碼保存。

3.如果在編寫XML文件時只準備使用ASCII字符，可以將encoding屬性的值設置為“ISO-8859-1”。例如：<?xmlversion="1.0"encoding="ISO-8859-1"?>這時XML文件也必須使用“ANSI”編碼保存。ASCII、GB2312、GBK、unicode、UTF-8字符集編碼ASCII字符集編碼

ASCII碼是7位編碼，編碼范圍是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯數(shù)字和標點符號等字符。其中0x00-0x20和0x7F共33個控制字符。

只支持ASCII碼的系統(tǒng)會忽略每個字節(jié)的最高位，只認為低7位是有效位。HZ字符編碼就是早期為了在只支持7位ASCII系統(tǒng)中傳輸中文而設計的編碼。早期很多郵件系統(tǒng)也只支持ASCII編碼，為了傳輸中文郵件必須使用BASE64或者其他編碼方式。

GB2312字符集編碼

GB2312是基于區(qū)位碼設計的，區(qū)位碼把編碼表分為94個區(qū)，每個區(qū)對應94個位，每個字符的區(qū)號和位號組合起來就是該漢字的區(qū)位碼。區(qū)位碼一般用10進制數(shù)來表示，如1601就表示16區(qū)1位，對應的字符是“啊”。在區(qū)位碼的區(qū)號和位號上分別加上0xA0就得到了GB2312編碼。

GB2312字符集中除常用簡體漢字字符外還包括希臘字母、日文平假名及片假名字母、俄語西里爾字母等字符，未收錄繁體中文漢字和一些生僻字?？梢杂梅斌w漢字測試某些系統(tǒng)是不是只支持GB2312編碼。

GB2312的編碼范圍是0xA1A1-0x7E7E，去掉未定義的區(qū)域之后可以理解為實際編碼范圍是0xA1A1-0xF7FE。

EUC-CN可以理解為GB2312的別名，和GB2312完全相同。

區(qū)位碼更應該認為是字符集的定義，定義了所收錄的字符和字符位置，而GB2312及EUC-CN是實際計算機環(huán)境中支持這種字符集的編碼。HZ和ISO-2022-CN是對應區(qū)位碼字符集的另外兩種編碼，都是用7位編碼空間來支持漢字。區(qū)位碼和GB2312編碼的關系有點像Unicode和UTF-8。GBK字符集編碼

GBK編碼是GB2312編碼的超集，向下完全兼容GB2312，同時GBK收錄了Unicode基本多文種平面中的所有CJK漢字。同GB2312一樣，GBK也支持希臘字母、日文假名字母、俄語字母等字符，但不支持韓語中的表音字符（非漢字字符）。GBK還收錄了GB2312不包含的漢字部首符號、豎排標點符號等字符。

GBK的整體編碼范圍是為0x8140-0xFEFE，不包括低字節(jié)是0×7F的組合。高字節(jié)范圍是0×81-0xFE，低字節(jié)范圍是0x40-7E和0x80-0xFE。

低字節(jié)是0x40-0x7E的GBK字符有一定特殊性，因為這些字符占用了ASCII碼的位置，這樣會給一些系統(tǒng)帶來麻煩。

有些系統(tǒng)中用0x40-0x7E中的字符（如“|”）做特殊符號，在定位這些符號時又沒有判斷這些符號是不是屬于某個GBK字符的低字節(jié)，這樣就會造成錯誤判斷。在支持GB2312的環(huán)境下就不存在這個問題。需要注意的是支持GBK的環(huán)境中小于0x80的某個字節(jié)未必就是ASCII符號；另外就是最好選用小于0×40的ASCII符號做一些特殊符號，這樣就可以快速定位，且不用擔心是某個漢字的另一半。Big5編碼中也存在相應問題。

CP936和GBK的有些許差別，絕大多數(shù)情況下可以把CP936當作GBK的別名。unicode字符集編碼

每一種語言的不同的編碼頁，增加了那些需要支持不同語言的軟件的復雜度。因而人們制定了一個世界標準，叫做unicode。unicode為每個字符提供了唯一的特定數(shù)值，不論在什么平臺上、不論在什么軟件中，也不論什么語言。也就是說，它世界上使用的所有字符都列出來，并給每一個字符一個唯一特定數(shù)值。

Unicode的最初目標，是用1個16位的編碼來為超過65000字符提供映射。但這還不夠，它不能覆蓋全部歷史上的文字，也不能解決傳輸?shù)膯栴}(implantationhead-ache's)，尤其在那些基于網(wǎng)絡的應用中。已有的軟件必須做大量的工作來程序16位的數(shù)據(jù)。

因此，Unicode用一些基本的保留字符制定了三套編碼方式。它們分別是UTF-8,UTF-16和UTF-32。正如名字所示，在UTF－8中，字符是以8位序列來編碼的，用一個或幾個字節(jié)來表示一個字符。這種方式的最大好處，是UTF－8保留了ASCII字符的編碼做為它的一部分，例如，在UTF－8和ASCII中，“A”的編碼都是0x41.

UTF－16和UTF－32分別是Unicode的16位和32位編碼方式?？紤]到最初的目的，通常說的Unicode就是指UTF-16。在討論Unicode時，搞清楚哪種編碼方式非常重要。UTF-8字符集編碼

UnicodeTransformationFormat-8bit，是用以解決國際上字符的一種多字節(jié)編碼，它對英文使用8位（即一個字節(jié)），中文使用24為（三個字節(jié)）來編碼。UTF-8包含全世界所有國家需要用到的字符，是國際編碼，通用性強。UTF-8編碼的文字可以在各國支持UTF8字符集的瀏覽器上顯示。如，如果是UTF8編碼，則在外國人的英文IE上也能顯示中文，他們無需下載IE的中文語言支持包。

GBK的文字編碼是用雙字節(jié)來表示的，即不論中、英文字符均使用雙字節(jié)來表示，為了區(qū)分中文，將其最高位都設定成1。GBK包含全部中文字符，是國家編碼，通用性比UTF8差，不過UTF8占用的數(shù)據(jù)庫比GBD大。

GBK、GB2312等與UTF8之間都必須通過Unicode編碼才能相互轉換：

GBK、GB2312－－Unicode－－UTF8

UTF8－－Unicode－－GBK、GB2312

對于一個網(wǎng)站、論壇來說，如果英文字符較多，則建議使用UTF－8節(jié)省空間。不過現(xiàn)在很多論壇的插件一般只支持GBK。Java應用程序，輸出的“你”的UTF-8編碼

classInputUTF_8{publicstaticvoidmain(Stringargs[]){Strings1="你",s2="α";try{byteb[]=s1.getBytes("UTF-8");System.out.print("漢字\'你\'的UTF-8編碼:");

for(intk=0;k<b.length;k++){Stringstr=Integer.toBinaryString(b[k]);

str=str.substring(str.length()-8);System.out.print(""+str);}}catch(Exceptione){}}}2.2.3

standalone屬性

在XML聲明中可以指定standalone屬性的值，該屬性的默認值是“no”。該屬性可以取值“yes”或“no”，以說明XML文件是否是完全自包含的。下列XML聲明指定standalone屬性的值為“yes”：<?xmlversion="1.0"encoding="UTF-8"standalone="yes"?>§2.3標記

XML文件中的標記分為空標記和非空標記兩種.2.3.1空標記_1.語法格式1.語法格式所謂空標記就是不含有任何內容的標記?？諛擞浺浴?lt;”標識開始，用“/>”標識結束.空標記的語法格式分別為：<空標記的名稱屬性列表/>或

<空標記的名稱/>以下是2個空標記(正確的空標記)：<張三age="28"sex="男"/><water/>錯誤的空標記：×<張三age="28"sex="男"/><water/>正確的空標記：<張三age="24"sex="男"/><water/>2.3.1空標記_2.作用

由于空標記不包含任何內容，因此在實際編寫XML文件時，空標記的名稱主要用于抽象帶有屬性的數(shù)據(jù)，該數(shù)據(jù)本身并不需要用具體文本進行描述，比如，如果XML需要描述寬12、長20的長方形，但不準備有任何關于長方形的文字描述，那么就可以使用如下的標記：

<長方形width="12"length=20/>XML解析器主要關心空標記中的屬性，并可以解析出這些屬性的值。2.3.2非空標記_1.語法格式非空標記必須由“開始標簽”與“結束標簽”構成，它們之間是該標記的內容。開始標簽以“<”標識開始，用“>”標識結束，標識之間是標記的名稱和屬性列表開始標簽的語法格式分別為：<標記的名稱屬性列表>或<標記名稱>注意：在標識“<”和標記名稱之間不要含有空格，允許“>”的前面可以有空格或回行。

結束標簽以"</"標識開始，用">"標識結束，之間是標記的名稱。"</"和標記名稱之間不要含有空格，允許">"的前面可以有空格或回行。正確的空標記：<name>李云龍</name>錯誤的空標記：×<name>李云龍</name>2.3.2非空標記_2.非空標記的內容

例子1說明標記內容中的文本數(shù)據(jù)和子標記，為了敘述方便，用符號“□”表示編輯操作所輸入的空格、“?”代表編輯操作所輸入的回行符。

<?xmlversion="1.0"encoding="UTF-8"?><student>?<name>?□□□□□□張大山?□□□□□□<grade>?□□□□□□□□□一年級?□□□□□□</grade>?□□</name>?</student>2.3.2非空標記_3．作用非空標記包含的內容中既可以有文本數(shù)據(jù)也可以有子標記.當需要用“整體-部分”關系來描述數(shù)據(jù)時，就可以使用非空標記，XML文件中的可以有如下結構的標記：當需要使用文本來描述一個數(shù)據(jù)時，也需要使用非空標記

<學生><姓名>張三</姓名><學號>A1001</學號></學生><價格>129元</價格><ISBN>7-675-32591-2</ISBN>特別注意下列標記：<speak></speak>是不包含任何內容的非空標記，或者說是含有“\0”的非空標記，而<speak/>才是真正的空標記。2.3.3標記的名稱

名稱可以由字母、數(shù)字、下劃線（“_”）、點（“.”）或連字符（“-”）組成，但必須以字母或下劃線開頭。標記名稱區(qū)分大小寫.<name>張三</name>與<Name>張三</Name>是完全不同的標記。2.3.4根標記

XML文件必須有且僅有一個根標記，其它標記都必須封裝在根標記中。XML文件的標記必須形成樹型結構。

注意：以下是一個不規(guī)范的XML文件，標記未形成樹狀結構?！靶彰睒擞浀慕Y束標簽與“出生日期”標記的開始標簽之間形成交叉。

<root>×

<姓名>張三<出生日期></姓名>1998年12月28日</出生日期></root>2.3.5標記的子孫關系

規(guī)范的XML文件有且僅有一個根標記，其它標記都必須封裝在根標記中，文件的標記必須是樹形結構。一個標記的子標記的子標記稱作該標記的孫標記。稱一個標記的子標記為該標記的1級子標記，孫標記為該標記的2級子標記等，

§2.4特殊字符

XML有5種字符屬于特殊字符，左尖括號“<”、右尖括號“>”、與符號“&”

、單引號“'”和雙引號“"”。標記的內容可以有兩部分構成：文本數(shù)據(jù)和標記，按著W3C制定的規(guī)范，文本數(shù)據(jù)中不可以含有這些特殊字符，下列標記中的文本內容是非法的：<姓名>張&三</姓名>

在文本數(shù)據(jù)中通過實體引用使用這些特殊字符。下列標記中的文本內容是合法的：<姓名>張&三</姓名>解析器解析出該標記的文本數(shù)據(jù)是：張&三

<引用左尖括號：“<” >引用右尖括號“>” '引用單引號“'” "引用雙引號“"” &引用與符號“&”

§2.5CDATA段

CDATA段用“<![CDATA[”做為段的開始，用“]]>”作為段的結束，段開始和段結束之間稱為CDATA段的內容，解析器不對CDATA段的內容做分析處理。CDATA段中的內容可以包含任意的字符。但是，W3C規(guī)定，CDATA段中不可以嵌套另一個CDATA段。

以下是一個正確的CDATA段：<![CDATA[

booleanboo=true&&false<你好>]]>

§2.6標記的文本數(shù)據(jù)

一個標記的內容可以有兩部分構成：文本數(shù)據(jù)部分和子標記部分。一個標記包含的文本數(shù)據(jù)中可以有普通字符、CDATA段和所引用的特殊字符

。

例題2

page19<?xmlversion="1.0"encoding="UTF-8"?><car><audi>這是一汽生產(chǎn)的轎車。<![CDATA[<power>2.8</power>]]></audi></car>§2.7屬性

屬性是指標記的屬性，可以為標記添加附加信息。

2.7.1屬性的構成屬性是一個名值對，即屬性必須由名字和值組成。屬性必須在非空標記的開始標記或空標記中聲明，用“=”為屬性指定一個值。

語法如下<標記名稱

屬性列表>…</標記名稱><標記名稱

屬性列表/>

例如：<桌子width="300"height="600"length="1000">辦公專用桌</桌子><cloudcolor="white"/>屬性名字的命名規(guī)則和標記的命名規(guī)則相同，可以由字母、數(shù)字、下劃線（“_”）、點（“.”）或連字符（“-”）組成，但必須以字母或下劃線開頭。屬性的名字區(qū)分大小寫。屬性值是一個用單引號或雙引號括起的字符串，如果屬性值需要包含左尖括號“<”、右尖括號“>”、與符號“&”、單引號“'”或雙引號“"”符，就必須使用字符引用或實體引用。2.7.2使用屬性的原則屬性不體現(xiàn)數(shù)據(jù)的結構，只是數(shù)據(jù)的附加信息。

不要因為屬性的頻繁使用破壞XML的數(shù)據(jù)結構。<?xmlversion="1.0"encoding="UTF-8"?><root>

<樓房height="23m"length="56m"width="12m"><結構>混土結構</結構><建筑商>華海建筑集團</建筑商><類別>商用</類別></樓房></root>例子3example2_3.xml§2.8注釋

XML文件的注釋和HTML文件相同，注釋以“<!--

”開始，以“-->”結束，XML解析器將忽略注釋的內容，不對它們實施解析處理。例：<?xmlversion="1.0"encoding="UTF-8"?><!--簡單的XML文件--><root><speak>你好</speak></root>下列注釋出現(xiàn)的位置是錯誤的×<!--簡單的XML文件--><?xmlversion="1.0"encoding="UTF-8"?><root><speak>你好</speak></root>§2.9名稱空間名稱空間的目的是有效的區(qū)分名字相同的標記，當兩個標記的名字相同時，它們可以通過隸屬不同的名稱空間來相互區(qū)分。

名稱空間通過使用聲明名稱空間來建立，分為有前綴名稱空間和無前綴名稱空間.例子4example2_4.xml<?xmlversion="1.0"encoding="UTF-8"?><簡歷總匯><張三>1990年出生，獲得過二等獎學金。</張三><張三>1991年出生，曾獲得數(shù)學競賽一等獎。</張三></簡歷總匯>2.9.1有前綴和無前綴的名稱空間◆聲明有前綴的名稱空間的語法如下

xmlns:前綴＝名稱空間的名字例如xmlns:person="China.dalian"聲明了一個名字為“China.dalian”的名稱空間◆無前綴的名稱空間聲明語法如下

xmlns＝名稱空間的名字例如：xmlns=

稱兩個名稱空間相同當且僅當它們的名字相同.

名稱空間的前綴僅僅為了方便地引用名稱空間而已，不能用于區(qū)分名稱空間是否相同。

下列是兩個相同的名稱空間（名稱為apple）：xmlns:hello="apple"

xmlns:ok="apple"

下列是三個不同的名稱空間：xmlns:north="liaoning"xmlns:north="Liaoning"xmlns:center="beijing"2.9.2標記中聲明名稱空間

名稱空間的聲明必須在標記的“開始標簽”中，而且名稱空間的聲明必須放在開始標簽中標記名字的后面，例如：<張三xmlns:p1="liaoning">1986年出生。</張三>

2.9.3