第二章 XML 的语法基础

第二章 XML的语法基础 2.1 XML的语法基础 2.2 XML的文档结构 2.3 名称空间 2.4 语言标识

2.1 XML的语法基础 为了便于讨论，先给出一个XML文档的样本，通过分析，逐渐展开。 <?xml version="1.0" encoding="GB2312"?> <booklist> <book isbn="7-04-008653-0"> <name>数据通信与计算机网络</name> <author>王震江</author> <press>高等教育</press> <pubdate>2000.7</pubdate> <price>23.9</price> </book> <book isbn="7-113-05310-6/TP.956"> <name>操作系统</name> <author>薛智文</author> <press>中国铁道</press> <pubdate>2003.6</pubdate> <price>32.00</price> </book> </booklist>

2.1 XML的语法基础 这是一个描述图书信息的XML文档。根元素是booklist，下面有若干个子元素book，在book中有表示具体数据的子元素name、author、press、pubdate、price 五个元素。另外，book元素还包含一个附属于它的属性isbn。

2.1.1结构良好性 结构良好性（well-formedness）是XML规范中特别强调的重要概念，XML文档的书写必须满足“结构良好（well-formed）”的原则。所谓的结构良好的必要条件是： (1) 它总体是一个XML文档。 (2)它满足所有在XML1.0规范中提出的关于结构良好性的约束。

2.1.1结构良好性 (3)在XML文档中被直接或间接引用的每一个实体也是结构良好的。其中关于XML文档的定义如下： ◆它包含至少一个元素。 ◆有一个叫做根或文档的元素，它不能作为任何其他元素的内容出现。

2.1.1 结构良好性 是什么原因使W3C对结构良好性如此重视，以至于在XML1.0规范的开篇之处就讨论结构良好的问题？这是因为，过去几年来，WWW在Internet上取得了巨大成就，但是，用于描写WWW的基本编程语言是HTML。相当数量的人在书写HTML时的不规范性和随意性，使得HTML文件的可读性大大降低，甚至出现混乱的局面，如写标签时不写结束标签，写属性值

2.1.1 结构良好性 不用引号（”或’），不区分大小写等。W3C的专家们期望XML规范是下一代的WWW的主要编程语言和标准，他们不希望几年后，XML的使用也象HTML一样出现任何问题。所以，把结构良好性写在了XML1.0规范的重要位置，用以强调XML文档中的所有词素和语法必须是定义明确的，结构良好的。

2.1.2XML声明 在例2.1中的第一行出现的<?xml version=”1.0”?>是XML规范规定的所有XML文件必须具有的一行，称为XML声明，并规定，这个声明必须写在每一个XML文档的第一行，以标记这是一个XML文档，否则它就不是一个XML文档，并依此来区别于其他文档。 1、XML声明 XML声明的格式为： <?xml version=”1.0” encoding=”” standalone=””?>

2.1.2XML声明 一般情况下，上面格式中可以省去encoding和standalone。 XML的解析程序可以正确地得到上面文本的正确结果。对于其它的字符集合，必须事先声明。 2、XML的字符选择 XML文档的默认字符系统是UTF-8，与传统的ACSII字符集一致，如果处理的是英文字符，这已经满足了需要。此时XML文档可以使用英文字符。如果使用其它国家的代码，如拉丁文字，中文、朝鲜文、日文，则必须使用Unicode字符集来定义

2.1.2XML声明 XML文档将要使用的特定字符。为了解决不同语言标准互不兼容的问题，Unicode为每一个字符提供一个唯一的编号。 Unicode用16位二进制代码对字符进行编码，这样可以产生65536个可能的不同字符。 ASCII字符集在Unicode中只占很小的一点。目前常见的字符集有UTF-8、UTF-16、Windows-1252、ISO-8859-n、ISO-10646-UCS-2。下面是用几种不同的字符集对XML文档进行定义和改写例2.2后的代码。

2.1.2XML声明 【例2.3】字符集为ISO-8859-1的XML文档。 <?xml version="1.0" encoding="ISO-8859-1"?> <hello>Good morning!</hello> 【例2.4】字符集为ISO-8859-1的XML文档。 <?xml version="1.0" encoding="ISO-8859-1"?> <hello>早上好！</hello> 要想使用其他字符集，可以如法炮制。读者可以编辑这些程序，然后用IE浏览器浏览，查看其结果如何？以理解XML的代码集合的正确使用。如果要使用中文字符集，必须有

2.1.2XML声明 encoding = "GB2312"声明。因为，GB2312中列出了基本的汉字交换标准。如下的字符声明。【例2.5】字符集为GB2312的XML文档。 <?xml version="1.0" encoding="GB2312"?> <hello>你好，世界！</hello> 请读者用浏览器浏览，看看结果怎样。如果删除encoding = “GB2312”，情况又会怎样？读者可以自己试一试。 3、standalone属性独立文档声明（standalone），以XML声明的成分出现，告

2.1.2XML声明 诉文档是否存在一个外部的文档实体或参数实体。即，在XML声明中的standalone 属性用来定义是否存在外部的标记声明。如果不存在外部的标记声明，standalone 取值为“yes”。如果可能存在这类外部标记声明，则取值为“no”。如果不存在外部的标记声明，standalone声明没有意义。如果存在外部标记声明而又没有写明standalone的取值，则系统取值为“no”。任何有standalone=”no”声明的XML文档，可以在算法上转变成可独立（standalone）文档，这种文档对某些网络发布应用可能是需要的。

2.1.3 XML的元素 1.元素标记元素标记简称标记（tag）。XML的标记与HTML中的标记一样，所不同的是HTML的标记由HTML规范规定，XML的标记由用户自己规定。在XML中，标记分为开始标记和结束标记。开始标记由小于符号“<”和“>”大于符号把标记名括起来。结束标记是在开始标记的小于符号“<”后紧跟符号“/”。如上例中的<book>，<name>是开始标记，它们的结束标记分别是</book>，</name>。

2.1.3 XML的元素 在开始标记和结束标记中包含的任意字符串称为元素值。除了包含元素值以外，在开始标记和结束标记还可以包含下一级子元素。如，<name>数据通信与计算机网络</name>定义了一个图书书名的元素，元素值是“数据通信与计算机网络”。而<book>……</book>包含的就是多个下一级子元素。标记的一般命名规则要求具有确切含义，如booklist定义了图书列表，author定义了作者元素，press定义了出版社元素等。除此之外，还有如下要求： ①首字符是英文、汉字字符或其他字符，后跟数字或其他符号。

2.1.3 XML的元素 ②严格区分英文字母的大小写。 ③不能使用XML或xml作为元素名称。 ④不能独立使用数字作为元素名。 ⑤在元素名中可以使用“_”、“.”等符号。 ⑥不能使用“<、>、?、/、&、+、*”等符号作为元素名。为了便于理解上述定义，下面是一些合法和非法的标记名示例。

2.1.3 XML的元素 不合法的元素标记： <123></123> 数字开头 <Name></name> 大小写不匹配 <person></PERSON> 大小写不匹配 <STUDENT?NO></STUDENT?NO> 使用非法字符 <press>高等教育出版社<press> 没有结束标记

2.1.3 XML的元素 合法的元素标记： <x123></x123> <student_name></student_name> <Name></Name> <person></person> <student_no></student_no> <学号></学号> <姓名></姓名>

2.1.3 XML的元素 2、元素嵌套每个XML文档必须有一个且只能有一个称之为“根”（root）的元素，如例2.1中的<booklist>。其他元素必须写在一对根元素<booklist>和</booklist>之间。元素可以包含值，可以为空值，还可以有下层子元素。某元素的子元素写在该元素的开始标记之后和结束标记之前，如每一个<book>元素下的所有子元素写在<book>之后和</book>之前，这种结构称为元素嵌套。

2.1.3 XML的元素 元素嵌套子元素，子元素可以嵌套下一级子元素。这种嵌套必须严格。图2.1是几种嵌套情况，在（a）中的<a>元素有两个平级子元素、<c>，、<c>元素书写正确。(b）中<a>元素有两级子元素、<c>，其中<c>又是的子元素，<c>元素书写正确。（c）中<a>元素有、<c>，但、<c>元素交叉嵌套，因此错误。（d）中<a>和是同级元素，但交叉嵌套，因此错误。

2.1.3 XML的元素 <a> <c></c> </a> (a) <a> <c></c> </a> (b) <a> <c> </c> </a> (c) <a> </a> (d) 图2.1 上述嵌套中（a）（b）正确，（c）（d）错误。

2.1.3 XML的元素 3、空元素当元素标记之间没有元素值时，这样的元素叫空元素。如图2.1（a）中的元素、<c>是空元素，但是<a>不是空元素，因为它包含了两个子元素，虽然其子元素为空。当元素为空值时，其表示可以简化成用“<”和“/>”包括元素名。如：<name></name>简化成<name/>，<phone></phone>可以简写成<phone/>。对于在XML转换文档中的出现的某些无结束元素的HTML元素，如<img>、 、<hr>，为了满足结构良好性，在XML转换

2.1.3 XML的元素 程序中使用时应该写成<img/>、 、<hr/>。这样就保证即可以满足XML的结构良好性要求，又可以在XML应用中使用HMTL中的既定元素。与HTML一样，XML元素也有属性。为了便于理解XML中的属性，我们先看几个HTML中几个元素的属性。如：、<img src=”” width=”” height=”” alt=””> 对于熟悉HTML语法的读者，很容易理解上面两个标签的含义和用法。前者是定义字符的标签，其中color、face、size

2.1.4 属性 都是属性分别定义颜色、字体、字大小。后者定义图形，其中src、width、height、alt也是属性。这说明在HTML中大量使用了属性。 1. 属性的定义在XML文档中，属性是用来与元素联系起来的一对“名字-值”，属性的定义不能出现在元素的开始标记和空元素标记之外。元素的属性可以是一个，也可以是多个。当出现多个属性时，每个属性之间用空格分隔。多个属性又叫属性列表，对于一个给定的元素，属性列表是附属于这个元素的属性集合，

2.1.4 属性 可以确定这些属性的类型约束，可以为属性提供默认的属性值。属性和属性值之间用“=”号连接，属性值必须用英文的引号（”或’）括起来。在例2.1中，每个<book>元素中定义了一个isbn的属性，其取值是每本书的isbn号，其形式是isbn=“7-04-008653-0”。例2.6是关于服装中衬衫的XML文档，在该文档中为元素<price>定义了currency和unit两个属性，currency定义了衬衫价格的货币种类是人民币（RMB），unit定义了衬衫价格的货币单位是元（Yuan）。这样的定义容易使人把price元素与货币种类currency和货币单位unit这两个属性关联起来，使之

2.1.4 属性 成为一个整体。【例2.6】关于服装的XML文档 <?xml version="1.0" encoding="GB2312"?> <clothes> <shirt> <name>金利来</name> <size>170/92A</size> <price currency="RMB" unit="Yuan">420.00</price> </shirt > </clothes> 在XML文档中，属性和元素之间是没有本质差别，例2.6中价格的属性可以分别设计成独立的元素，这并不违反XML的语

2.1.4 属性 法规则。如例2.7所示。此时currency和unit这两个原来是price元素的属性，现在成为<shirt>的子元素，与price元素形成平级关系，这并不违反XML的语法规则。但是这样做，消除了currency和unit这两个元素跟price元素之间的直接关联关系，可以把它们理解成是与其它元素平级的元素，这与原来的设计意图是矛盾的。另外作为独立元素的unit到底是想表示价格的单位还是衬衫的单位，意义就不明确。所以在设计元素和元素属性时，事先应该仔细考虑。

2.1.4 属性 【例2.7】把例2.6中price 元素的属性写成元素 <?xml version="1.0" encoding="GB2312"?> <clothes> <shirt> <name>金利来</name> <size>170/92A</size> <price>420.00</price> <currency>RMB</currency> <unit>Yuan</unit> </shirt > </clothes>

2.1.4 属性 2、属性类型 XML属性类型有三种：字符串类型、标记化类型和枚举类型。字符串类型可以取任意的文字串作为值。标记化类型有不同的词法和语义约束。有关属性的定义、使用和说明将在第三章DTD和第四章XML Schema中进行。

2.1.5 实体 1、实体概念 XML文档可以包含至少一个存储单元，这些存储单元叫实体，它们全部都有内容且由实体名称来标识（除了文档实体和外部DTD子集外）。每个XML文档有一个叫文档的实体，用来做为XML处理器的起始位置，并可以包含整个XML文档。实体可以是可解析的和不可解析的。所谓可解析实体是：其内容与替换文本相联系，这个替换文本是XML文档的一个整体部分。所谓不可解析实体的是：它的内容可以是或者不是文本（text），如果是文本，那么不是XML。每一个不可

2.1.5 实体 解析的实体与一个表示法（notation）联系，由名称标识。除了要求XML处理器把这些用于实体和表示法的标识符应用于应用程序外，XML对不可解析实体的内容没有约束。 2、引入实体的原因在XML文档中，由于规定使用“<、>、’、”、&”等符号作为XML文本的标记和内容声明的组成部分，我们通常把这些符号叫做XML的保留字。当需要在XML文档数据中写入上述这些字符时，如果不进行转换，解析器将会把它们理解成XML规范定义的含义，而无法实现把这些符号作为元素数据的目的。

2.1.5 实体 如： x<y>z表示x小于y，y大于z x&y表示x与y的连接运算，或表示x和y的逻辑与 x>y?x=0:x=yC程序表达式在XML文档中表示上述表达式时，由于使用了XML 规范规定的保留字符，在系统解析时就会产生错误，得到错误的信息和字符。为了解决这个问题，XML提供了五种预定义实体，在文档中需要表示这些字符数据时，使用这些预定义实体对这几个保留字进行转义。表2.1所示。

2.1.5 实体 需要实体的另外一个原因是，可以通过实体引用调用事先定义好的内部或者外部实体，使多个XML文档可以访问和调用同一个实体。 3、实体声明实体类别可以按照引用方式和所处位置这两种方式来分类。按引用方式可以分为一般实体和参数实体，按实体所处的位置可以分为内部实体和外部实体。内部实体和外部实体的具体内容由一般实体和参数实体定义。无论是哪类实体，在使用之前都必须先声明，没有声明的实体的引用被认为是错误的。

2.1.5 实体 如果在XML文档中多次声明了同一个实体，则XML处理器可能发布一个警告。实体的声明因为其类型不同，方法各有差异，下面分别予以介绍。（1）一般实体一般实体的声明格式为： <!ENTITY 实体名实体定义> 其中，前面的“!”和关键词“ENTITY”不能缺少，实体名是将要被定义的实体名称，实体定义是指实体所取的值，通常是一个字符串。

2.1.5 实体 例如： <!ENTITY qhpress "清华大学出版社"> <!ENTITY tdpress “中国铁道出版社”> 上面的两行实体声明中，分别声明了qhpress和tdpress的实体，它们的值是“清华大学出版社”和“中国铁道出版社”。（2）参数实体参数实体的声明格式为： <!ENTITY % 实体名参数实体>

2.1.5 实体 其中，“!”和和关键词“ENTITY”意义同前。参数实体定义必须使用“%”。参数实体是指实体定义可以被引用的一种实体类型，例如： <!ENTITY % datatype “(#PCDATA)”> 这个实体定义了datatype为参数实体，取值为“#PCDATA”。也可以为实体定义多个可以选择的值。例如下面的参数实体type可以取三种数据类型STRING、INTEGER和DATE。 <!ENTITY % type “(STRING | INTEGER | DATE)”>

2.1.5 实体 下面的举例，定义了一个外部实体文件的URL，名为X的参数实体。  <!ENTITY % X SYSTEM "http://www.kmnc.net/xml/x.dtd" > （3）内部实体在XML文档中定义的实体，称为内部实体。一般实体和参数实体均可以作为内部实体或外部实体的内容使用，所以，内部实体也分为一般实体和参数实体。内部实体的定义方法就是一般实体和参数实体的定义方法。

2.1.5 实体 【例2.8】内部实体定义。 <?xml version="1.0" encoding="GB2312"?> <!DOCTYPE books [ <!ENTITY qhpress "清华大学出版社"> <!ENTITY tdpress “中国铁道出版社"> ]> <books> <book> <name>UML 2 工具箱</name> <author>Hans-Erik Eriksson et al.</author> <press>电子工业出版社</press> <price>65.00</price> <book>  <books>

2.1.5 实体 上面的程序中声明了两个实体qhpress和tdpress，因为，它们位于XML文档的内部，所以是内部实体。程序中出现的DOCTYPE声明是用于引用外部或内部的文件或实体的专用命令，其含义和用法将在DTD中详细讨论。 (4)、外部实体在XML文档外部，也可以定义实体。这个实体是与XML文档分离的独立文件，这种实体定义就是外部实体。其定义格式是： <!ENTITY 实体名SYSTEM/ PUBLIC 外部实体文件URI NDATA 类型名>

2.1.5 实体 其中，标示符SYSTEM和PUBLIC是不能缺少的，它们是定义外部实体的不可缺少的部分；外部实体文件URI是指外部实体的参考源，其内容是实体的替换文本，它可能与文档实体、包含外部DTD子集的实体、或某些其他的外部参数实体有关系。如果在外部实体定义中出现NDATA部分，则表示的“实体名”是一个不可解析的实体，否则是一个可解析的实体。例如： <!ENTITY fact SYSTEM "http://www.kmnc.net/xml/fact.xml"> <!ENTITY source SYSTEM "Conoff.gif" NDATA GIF> 在最后一个实体定义中，由于出现了NDATA部分，表明source是一个不可解析的实体。这里是把图形文件作为不可解析实体进行处理的。

2.1.5 实体 4、实体参考实体参考是XML规范中正规使用的词汇，通俗的讲，所谓的实体参考就是实体的引用或实体的调用，这与程序设计语言中的函数和过程调用十分类似。实体参考的方法，根据实体定义的不同而不同。对于一般实体，其引用方法为：&实体名; 对于参数实体，其引用方法为：%实体名;

2.1.5 实体 【例2.9】实体引用示例。 <?xml version="1.0" encoding="GB2312"?> <!DOCTYPE books[ <!ENTITY qhpress "清华大学出版社"> <!ENTITY tdpress “中国铁道出版社"> ]> <books> <book> <name>UML 2 工具箱</name> <author>Hans-Erik Eriksson et al.</author> <press>电子工业出版社</press> <price>65.00</price> </book> <book> <name>XML精要:语法详解与编程指南</name> <author>[美]Sandra E. Eddy & B.K.DeLong</author> <press>&qhpress;</press>

2.1.5 实体

2.1.5 实体 <price>68.00</price> </book> <book> <name>电子商务技术与应用</name> <author>越乃真</author> <press>&tdpress;</press> <price>14.90</price> </book> </books> 在除了自己定义的一般实体qhpress和tdpress的引用外，上述程序中还使用了符号实体“&”的引用&。读者可以通过浏览器检验上面程序的显示效果。

2.1.5 实体 关于参数实体的定义和引用，可以从下面的DTD定义中得到说明。 <!ENTITY % datatype " (#PCDATA)"> <!ELEMENT name %datatype;> <!ELEMENT author %datatype;> 在元素name和author中定义了它的类型是PCDATA（可解析字符数据），但是这个类型的定义通过了引用参数实体datatype来实现的。参数实体的多值引用是实体引用中常见的，下面讨论多值参数实体的定义和引用。对于下面这样情况的元素定义，可以使用多值参数实体来实现。

2.1.5 实体 5、注意事项实体声明、定义和引用使XML文档变得结构良好，容易阅读和理解。但是使用实体应该注意： ① 在引用实体之前必须先定义实体。 ② 内部实体位于XML文档内部，外部实体独立于XML文档，是一个结构良好的XML格式文件。 ③实体引用不能出现递归引用，即不能出现A引用B，B又引用A的情形。 ④ 实体引用时，引用符”&”和”%”与实体名之间不能有空格，最后不能缺少英文符号的“;”。

2.1.6处理指令 处理指令允许XML文档包含用于应用程序的指令，简称PI。其格式如下： <?指令名属性=“属性值”?> 处理指令用“<?”和“?>”包括起来。从形式上说，<?xml version=”1.0”?>就是处理指令，它的作用就是对XML文档进行标识。如下面的样式表转换引用的说明也是处理指令。 <?xml-stylesheet type="text/css" href="book.css"?> <?xml-stylesheet type="text/xsl" href="clothes.xsl"?>

2.1.6处理指令 前者是在样式表转换中引入了CSS文档对XML文档进行转换，后者是用XSL对XML文档进行格式转换。 XML的表示法（Notation）机制可以用于PI的正式声明中，在处理指令中不识别参数实体引用。

2.1.7CDATA节 在XML中出现的字符分为可解析的字符数据和不可解析的字符数据CDATA。如下面的程序片段是一段C程序，其功能用来实现在给定字符串的指定位置插入字符。 insert(int y[10],k,a) { int l; if (k<0 || k>10) printf("Error!"); else {for(l=10;l>=k;l--) y[l]=y[l-1]; y[k]=a; } }

第二章 XML 的语法基础

第二章 XML 的语法基础

Presentation Transcript