DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
XML 結構與語法入門:從文件序言到 Well-Formed 規則
編輯:XML詳解     

很多人第一次打開 XML 檔案會有個錯覺:這不就是 HTML 嗎?確實長得像,但個性完全不同。HTML 的標籤是固定集合,瀏覽器遇到寫壞的地方多半會自己「猜」著顯示;XML 沒有預先定義的標籤,你定義什麼就是什麼,相對地,它對語法的要求也嚴格到近乎固執。本文從一個最小可用的範例出發,把 XML 的結構與規則一次講清楚。

先看一個具體例子

用最樸素的記事本就能寫 XML。以下是一份典型的書籍清單:

<?xml version="1.0" encoding="gb2312"?>
<參考資料>
  <書籍>
    <名稱>XML入門精解</名稱>
    <作者>張三</作者>
    <價格 貨幣單位="人民幣">20.00</價格>
  </書籍>
  <書籍>
    <名稱>XML語法</名稱>
    <!--此書即將出版-->
    <作者>李四</作者>
    <價格 貨幣單位="人民幣">18.00</價格>
  </書籍>
</參考資料>

存檔時副檔名用 .xml。這份文件可以切成兩塊來看。

文件序言(Prolog)

第一行 <?xml ... ?> 就是序言,它必須存在、也必須是檔案的第一行,作用是告訴解析器「該怎麼讀我」。其中 version 標明所用的 XML 規範版本,是必填的;encoding 宣告字元編碼,技術上可以省略——省略時內容必須是 Unicode,但實務上強烈建議寫清楚,因為一旦編碼與實際存檔格式不符,中文就會變成亂碼。

文件主體

其餘部分都是主體,真正的內容住在這裡。用術語描述這棵樹:

  • <參考資料> 是根元素,整份文件有且只有一個。
  • <書籍> 是根元素底下的子元素。
  • <名稱>、<作者>、<價格> 又是書籍的子元素。
  • 貨幣單位 是價格元素的屬性,"人民幣" 是屬性值。
  • <!--...--> 是註解,寫法和 HTML 一樣,解析器會直接忽略。

看到這裡你應該能感覺到:XML 的標籤語意由你自己賦予。<價格> 為什麼代表價格?因為文件作者這樣約定,而不是因為規範這樣規定。

解析器:XML 世界的守門人

要談語法,得先談 XML 解析器(XML Parser)。它的工作有三件:檢查文件結構是否合法、把標籤剝掉、把乾淨的內容交給後端應用程式處理。就像瀏覽器內建 HTML 解析器才能把網頁渲染出來一樣,任何要使用 XML 的程式都需要解析器。差別在於 HTML 解析器必須容忍大量不規範寫法(同一份網頁在 IE 正常、在 Netscape 跑掉是常態),而 XML 解析器幾乎不留情面:只要不合規,就直接丟錯誤。

這嚴格其實是刻意的設計。當年 HTML 的混亂讓瀏覽器開發者必須不斷寫「適應性程式碼」,XML 反其道而行,把規則定死,解析器的實作因此單純許多。

依嚴格程度,XML 文件與解析器各分兩級:

  • Well-Formed:符合 XML 規範的基本結構法則,且未使用 DTD。對應 Well-Formed Parser。
  • Validating:本身是 Well-Formed,並且正確引用了一份語法也正確的 DTD。對應 Validating Parser,它也能處理 Well-Formed 文件。

Well-Formed 的八條規則

這是寫 XML 的最低門檻,每一條都不能破。

  1. 第一行必須是 XML 宣告,且前面不得有任何其他元素或註解(編碼識別字 BOM 是例外,由工具處理)。
  2. 有且只有一個根元素。上面範例的 <參考資料>...</參考資料> 就是。
  3. 標籤必須正確關閉。有開始標籤就得有對應的結束標籤,不能像 HTML 那樣 <p> 或 <br> 放著不管。若元素本身沒有內容,XML 稱之為空元素,寫成 <空元素/>;帶屬性時寫成 <空元素 屬性="值"/>。
  4. 標籤不得交叉。HTML 容得下 <B><H>文字</B></H> 這種重疊寫法,XML 直接禁止,必須嚴格巢狀:<外><內>文字</內></外>。
  5. 屬性值必須用引號括起來,單雙引號皆可但要成對,例如 "1.0"、'gb2312'。裸值一律不合法。
  6. 英文區分大小寫。這點和 HTML 差很多:<name>、<NAME>、<Name> 在 XML 眼中是三個完全不同的元素,標籤、指令、屬性名稱全都適用。
  7. 需要原樣保留的文字要用 CDATA 包起來。HTML 裡我們用 <pre> 或 <xmp> 讓瀏覽器照原文顯示,XML 的對應方案是 CDATA 區段,以 <![CDATA[ 開始、]]> 結束。區段內的一切——包含標籤符號、換行、前後空白——都會原封不動交給應用程式,完全不解析。這在文件裡要放程式碼範例時特別有用。
  8. 空白字元一律保留。HTML 會把連續空白合併成一個,XML 不會;標籤以外的所有空白,解析器都忠實傳遞。因此下面兩段對解析器而言並不相同:
<作者>張三</作者>

<作者>
  張三
</作者>

第二段在標籤內除了「張三」還包含兩個換行與縮排空格,應用程式拿到的字串自然不同。有時候我們必須放棄寫 HTML 時的縮排習慣。若你確定某段文字的空白具有語意(例如詩歌的斷行與對齊),可以在元素上加上 XML 內建的 xml:space 屬性:

<詩歌 xml:space="preserve">
祖國啊! 祖國!
  我的祖國!
</詩歌>

注意屬性名稱與值都是小寫,寫錯就失去效果。

保留字元與實體引用

有幾個字元在 XML 中有專門用途,直接寫進內容會被誤認為標記語法,必須改用實體引用:

&       →  &amp;
<       →  &lt;
>       →  &gt;
"       →  &quot;
'       →  &apos;

實務上最常踩到的是 & 和 <,例如網址帶查詢參數、或文章在討論 HTML 標籤時。

從 Well-Formed 到 DTD

符合以上規則,你的文件就是 Well-Formed,可以被解析器正確讀出。但這只解決了「格式正確」,沒解決「意思對得上」。

想想這個情境:A 公司用 <價格> 標示售價,B 公司用 <售價>。兩邊的文件都完全合法,但讀 B 公司資料的程式只認得 <價格>,於是什麼也抓不到。可見只要涉及跨組織交換資料,雙方必須有一份共同約定:允許哪些標籤、每個元素可以有哪些子元素、順序為何、屬性怎麼定義。

這份約定就叫 DTD(Document Type Definition,文件類型定義),你可以把它想成「寫 XML 的模板」。同業之間共用一份 DTD,交換資料就順暢得多;如果網路上各家賣場都遵循同一份 DTD,我們甚至能寫一支程式自動把感興趣的商品資料抓回來。數學的 MathML、多媒體的 SMIL 都是既有的 DTD 實例。後來 W3C 又推出 XML Schema(XSD),用 XML 語法本身來描述結構,支援資料型別與命名空間,表達能力比 DTD 更強,是目前的主流選擇。

當一份 XML 文件是 Well-Formed,並且確實依據某個 DTD 或 Schema 建立且通過驗證,它就升格為 Validating XML,對應的解析器稱為 Validating Parser。

小結

XML 的語法比 HTML 嚴格得多,而這份嚴格換來的是可預期性:寫的人不必猜解析器會怎麼處理,寫解析器的人也不必費心適應各種寫法。對初學者來說其實是好事——規則就那幾條,照著做即可。接下來只要理解命名空間、DTD 與 Schema,你就能開始設計真正能被系統互操作的資料格式了。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved