使用 DOM 這類 XML 物件模型時,你很可能會遇到一件惱人的事:文件裡明明只是想排版用的空白,卻被解析成一個又一個只含空白的 TEXT 節點,把整棵樹弄得又亂又難讀。
舉個例子,當某個元素的內容模型宣告為 MIXED(也就是含有 #PCDATA 關鍵字)時,元素與元素之間夾著的空白會被如實保留成 TEXT 節點。這其實是規格「故意」的設計:MIXED 模型允許文字與子元素交錯出現,因此下面這種寫法完全合法:
「My last name is Smith and my first name is John」這類句子裡,元素之間的空白與文字同樣是語意的一部分,一旦刪掉,句子就會黏成一團、無法辨讀。
換句話說,在 MIXED 內容模型下,文字、空白與元素三者息息相關;但在非 MIXED 模型裡,空白往往只是無意義的裝飾。若你希望那些純空白的 TEXT 節點自動消失,做法是從元素宣告中拿掉 #PCDATA 關鍵字,讓內容模型變成只允許特定子元素。這樣解析出來的樹就會乾淨清爽,只剩下有意義的節點。
XML 宣告必須放在文件的第一行,形如 <?xml version="1.0" encoding="UTF-8"?>。它肩負三項任務:
一是宣告這是一份 XML 文件,讓 MIME 探測器在缺少或尚未指定類型時,能辨識出 text/xml;二是標明文件遵循的 XML 版本(目前為 1.0),為日後可能的版本演進預留空間;三是透過 encoding 屬性指定字元編碼,若省略則預設為 UTF-8。
要特別提醒:XML 宣告一定要是文件的第一個字元,前面不能有任何空白或內容,否則會引發解析錯誤。另外,XML 宣告是可選的;如果你打算在頂端放置註解或處理指令,就不要硬塞 XML 宣告,此時編碼會自動採用預設的 UTF-8。
若你用 DOM 從零開始組出一份文件再存成 XML,預設的結果是所有內容擠在同一行、彼此沒有空白,這其實是正常的行為。Internet Explorer 5 內建的預設 XSL 樣式表能把這類文件以樹狀、可讀的方式呈現出來。
不過「美化輸出」是個有陷阱的課題,尤其當文件搭配了不同內容模型的 DTD 時。例如在混合內容模型(#PCDATA)底下,你絕對不能任意插入空格或換行,因為那可能改變內容語意——像「Elephant」這個字一旦被拆成「E」和「lephant」兩行,單字邊界就破壞了。正因如此,自動化美化輸出才顯得棘手。若你確實不需要美化,那麼一切照舊即可;若需要,就得用 DOM 在真正安全的位置插入空白 TEXT 節點。
要在 DTD 裡使用名稱空間,做法是透過 ATTLIST 宣告把名稱空間綁定到使用它的元素上,並將該屬性設為 #FIXED 型別,例如 xmlns:x CDATA #FIXED "x-schema:myschema.XML"。
但要留意一個關鍵界線:DTD 與 XML 架構(Schema)是無法混用的。即使你用 #FIXED 指向某個 .XML 架構檔,也不會真的啟用裡面定義的架構規則。兩者互斥,請擇一使用。
XMLDSO(XML Data Source Object)能讓你把 XML 資料綁定到 ADO 記錄集上,流程大致如下:建立一個 VB 6.0 專案,加入 Microsoft ActiveX Data Objects 2.1(含以上版本)、Microsoft Data Adapter Library 以及 Microsoft XML 2.0 的參考;接著用 XMLDocument 物件的 Load 方法載入 XML 檔,再透過 DataAdapter 把 DSO 對應到新的 ADODB.Recordset 物件,之後就能像一般記錄集那樣以 rs.Fields("name").Value 取值。
要在 Java 裡使用微軟的 XML DOM,前提是已安裝 IE5 版附帶的 MSXML.DLL。在 Visual J++ 6.0 中,從「專案」選單選擇「加入 COM 包裝函式」,再從 COM 物件清單挑選「Microsoft XML 1.0」,便會產生名為 msXML 的 Java 包裝程式套件。使用時先建立 DOMDocument,再以 Variant 包裝檔案路徑呼叫 load 即可。
這裡有個容易踩到的地雷:由於每次擷取節點時實際上都會拿到「新的」包裝物件,因此不能對節點做指標式的相等比較。要判斷兩個節點是否相同,應改用 ComLib.isEqualUnknown(root1, root2),而非直接用 == 比較。
此外,為了精簡元件大小,建議只保留符合 W3C 規範的 IXMLDOM* 系列包裝函式,移除 IE4.0 時代的舊介面(如 IXMLDocument、IXMLElement 等),並視需要刪除 DOMFreeThreadedDocument、XMLHttpRequest、IXTLRuntime、XMLDSOControl 等非必要項目。若再進一步把各節點型別的專用介面(IXMLDOMElement、IXMLDOMText 等)統一改用通用的 IXMLDOMNode,元件還能再瘦身。代價是取用屬性時得改走 getAttributes().setNamedItem(...) 這條路,但整體而言非常划算。