這一輪整理幾個在 XML 物件模型實作時最容易踩到的細節:空白字元為什麼會冒出來、XML 宣告該放哪裡、怎麼把一團沒換行的 XML 印得好看,以及 Visual Basic 與 Java 各自該怎麼操作 DOM。
某些情況下,XML 物件模型會顯示出「只含空白字元」的 TEXT 節點。若直接把它們砍掉,有時反而會製造混亂。以這樣一份文件為例:
<person> <lastname>Smith</lastname> <firstname>John</firstname> </person>
解析出來的樹長得像這樣:person 元素底下除了 lastname、firstname,還夾著幾個只有空白的 TEXT 節點。原因是 person 的內容模型是 MIXED,也就是宣告裡出現了 #PCDATA 關鍵字;MIXED 明確允許元素之間存在文字,所以像下面這種寫法也完全合法:
My last name is <lastname>Smith</lastname> and my first name is <firstname>John</firstname>
這時候如果把 is 前後、標籤左右的空白拿掉,句子就讀不通了。所以對 MIXED 內容模型而言,文字、空白與元素三者是互相依賴的;非 MIXED 模型就沒有這個顧慮。真的想讓空白節點消失,把 person 元素宣告中的 #PCDATA 移除即可,樹會立刻變乾淨——只剩 Processing Instruction、DocType 與三個 ELEMENT。
XML 宣告必須放在文件最前面,它同時交代三件事:這是 XML 文件(MIME 探測器在缺少型別資訊時可據此判定 text/xml)、文件遵循 XML 1.0 規範(未來版本演進時很重要)、以及字元編碼(encoding 屬性可省略,預設 UTF-8)。
要注意的是它必須是檔案的第一行。前面只要多一個空白或註解,解析器就會丟出「無效的 XML 宣告」並指出發生的行與位移。反過來說,XML 宣告本身是可選的;如果你需要在最前面放註解或處理指令,那就不放宣告,此時編碼預設走 UTF-8。
用 DOM 從零開始組出來的 XML,預設所有內容都擠在同一行、彼此沒有空白,這是設計上的正常行為。IE5 內建的預設 XSL 樣式表就是拿來解決這個問題的:瀏覽器會把 XML 折疊成可展開的樹狀畫面,方便閱讀與列印。
但「美化輸出」其實是個燙手山芋。當文件帶有 DTD、且元素內容模型是混合模式(#PCDATA)時,你不能隨便插入空白,因為空白可能改變語意。例如 Elephant 被斷行輸出成 E 與 lephant,單字邊界就破壞了。因此自動化印表機必須先讀懂 DTD 才能判斷哪些位置安全。若你並不需要可讀格式,最省事的做法是不要插入任何空白節點。
做法是在使用該命名空間的元素 ATTLIST 宣告裡補上一個屬性,且型別必須是 #FIXED:
<!ATTLIST mytag xmlns:x CDATA #FIXED "x-schema:myschema.xml">
屬性自身的命名空間也一樣處理。要特別提醒的是:DTD 與 XML Schema 不能混用。即使你寫了 xmlns:x CDATA #FIXED "x-schema:myschema.xml",也不會因此載入 myschema.xml 裡定義的架構——兩者是互斥的路線。
XMLDSO 讓你把 XML 直接綁到 ADO 記錄集上。步驟是:建立 VB 6.0 專案,加入 Microsoft ActiveX Data Objects 2.1 以上版本、Microsoft Data Adapter Library 與 Microsoft XML 2.0 的參考,接著載入文件並完成對應。
Dim dso As New XMLDSOControl
Dim doc As IXMLDOMDocument
Set doc = dso.XMLDocument
doc.Load ("d:\test.xml")
Dim da As New DataAdapter
Set da.Object = dso
Dim rs As New ADODB.Recordset
Set rs.DataSource = da
MsgBox rs.Fields("name").Value '顯示 Mark Hanson
前提是先裝好含 MSXML.dll 的 IE5。在 Visual J++ 6.0 裡從「專案」選單加入 COM 包裝函式,挑選 Microsoft XML 1.0,工具會把所需的 Java 包裝類別放進名為 msXML 的套件中(也可直接下載現成的包裝類別)。
import com.ms.com.*;
import msXML.*;
public class Class1 {
public static void main (String[] args) {
DOMDocument doc = new DOMDocument();
doc.load(new Variant("file://d:/samples/ot.xml"));
System.out.println("Loaded " + doc.getDocumentElement().getNodeName());
}
}
Variant 類別是拿來包裝 Win32 VARIANT 基本型別用的。這裡有個容易誤踩的陷阱:每次取節點其實都會拿到一個新的包裝物件,所以不能對節點做指標比較。
//不要這樣寫 IXMLDOMNode root1 = doc.getDocumentElement(); IXMLDOMNode root2 = doc.getDocumentElement(); if (root1 == root2) ... //應該這樣寫 if (ComLib.isEqualUnknown(root1, root2)) ...
完整 .class 包裝約 160KB。若只求符合 W3C 規範,其實只保留 IXMLDOM* 系列即可,把 IE 4.0 時代的舊介面(IXMLAttribute*、IXMLDocument*、IXMLElement*、IXMLElementCollection* 等)刪掉,可降到約 147KB。再移除 DOMFreeThreadedDocument、XMLHttpRequest、IXTLRuntime、XMLDSOControl、XMLDOMDocumentEvents 這些非必要項目,約 116KB。
還想更小,可以記住 DOM 本身是兩層結構:核心層包含 DOMDocument、IXMLDOMNode*、IXMLDOMNodeList*、IXMLDOMNamedNodeMap*、IXMLDOMDocumentFragment*、IXMLDOMImplementation、IXMLDOMParseError;DTD 相關資訊則是 IXDOMDocumentType、IXMLDOMEntity、IXMLDOMNotation,視需求保留。由於所有節點型別本質上都是 IXMLDOMNode,把 DOMDocument 包裝類別改成一律使用 IXMLDOMNode,就能一口氣刪掉 IXMLDOMAttribute、CDATASection、CharacterData、Comment、Element、ProcessingInstruction、EntityReference、Text 等專用介面,精簡到約 61KB。唯一要付出的小代價是 getAttribute/setAttribute 得改寫成 getAttributes().setNamedItem(...)。