先不談工具,直接用記事本建立一份 XML 檔,最能看清它的骨架。
例 1
〈?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〉
編輯完成後另存為 .xml 副檔名即可。這份文件可分為兩大部分:
文件序言(Prolog)——第一行就是。它必須位於文件最前面,作用是告訴 XML 解析器該如何工作。其中 version 標明所用的標準版本,是必填項;encoding 指出文件使用的字元集,可以省略(省略時後續字元必須是 Unicode),但既然範例採用 GB2312,這行就不能省。序言中還有其他宣告,後續再介紹。
文件主體——其餘所有內容。開始的〈參考資料〉與結束的〈/參考資料〉構成的組合,稱為文件的根元素;〈書籍〉是直接掛在根元素下的子元素;〈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」則是它的屬性值。
〈!--此書即將出版--〉這行與 HTML 一樣是註解,寫在「〈!--」與「--〉」之間。
由此可見 XML 文件其實相當單純:它同樣由一連串標記組成,差別在於這些標記是自訂的、帶有明確語意,能讓我們對標記內容的含義作出說明。
解析器(XML Parser)的主要職責是:檢查 XML 文件在結構上是否有誤、剝離標記、讀出正確內容,再交給後續應用程式處理。XML 規範對「如何標記文件結構」有明確法則,解析器就是依這些法則寫成的軟體(多以 Java 實作)。
這點和瀏覽器需要 HTML 解析器才能讀懂網頁是同一個道理。但 HTML 的標記在實務上相當混亂,存在大量不合規範的寫法(同一份網頁在 IE 正常、在 Netscape Navigator 卻跑不動)。正因如此,XML 的設計者從一開始就把語法與結構定得非常嚴格——不合規,解析器會毫不留情地拋出錯誤訊息。
對應兩種文件,也有兩種解析器:
IE 5 內含 Validating 解析器,而它同樣可以用來解析 Well-Formed 文件。
把範例用 IE 5 以上版本打開,會看到畫面內容與原始檔幾乎一樣。這不是 bug:XML 只關心內容,顯示形式交由 CSS 或 XSL 決定;既然我們沒為它關聯任何樣式表,它就依原始結構呈現。純粹為了電子資料交換而言,一份 XML 檔就已足夠;若要以特定形式呈現,才需要另外編輯 CSS 或 XSL。
建立 XML 檔時必須滿足下列規則:
1. 第一行必須是 XML 宣告,說明文件為 XML 及其使用的規範版本,且前面不得有任何其他元素或註解。
2. 有且僅有一個根元素。例 1 中的〈參考資料〉…〈/參考資料〉即是。
3. 標記必須正確關閉。每個開始標記都要有對應的結束標記,不像 HTML 有些結束標記可有可無。若遇到類似 HTML 中 <img src="..."> 這種沒有結束標記的情況,XML 稱之為「空元素」,必須寫成 〈空元素名/〉;若含屬性則寫成 〈空元素名 屬性名="屬性值"/〉。
4. 標記不得交叉。HTML 裡可以寫 〈B〉〈H〉XXXX〈/B〉〈/H〉 這種重疊寫法,XML 嚴格禁止,標記必須以規則的巢狀次序出現。
5. 屬性值必須用引號括起來。如例 1 中的 "1.0"、"gb2312"、"人民幣",一個都不能漏。
6. 標記、指令與屬性名稱區分大小寫。HTML 中〈B〉與〈b〉意義相同,XML 中〈name〉、〈NAME〉、〈Name〉則是三個不同的元素。
7. 特殊內容需用 CDATA 標記。HTML 裡若要不轉義地輸出內容,會放進〈pre〉或〈xmp〉之間;XML 對應的做法是 CDATA。落在 CDATA 區段內的資訊會被原封不動地交給下游應用程式,其中的標記一律不解析。起始標記為「〈![CDATA[」,結束標記為「]]>」:
例 2
〈![CDATA[飛翔的XML〉〉〉〉〉,:-)
oooo〈〈〈〈〈〈〈
]]>
除了〈![CDATA[ 與 ]]> 這兩個符號本身,其餘內容(包含起訖的空白與換行)都會原樣傳給應用程式。注意 CDATA 必須全大寫。
8. 空白字元處理方式與 HTML 不同。HTML 不論有多少空白一律視為一個;XML 則規定標記以外的所有空白都要忠實交給下游應用程式處理。因此有時必須放棄寫 HTML 時的縮排習慣——縮排的空格同樣會被處理。例如下面兩者對解析器而言並不相同:
〈作者〉張三〈/作者〉
〈作者〉
張三
〈/作者〉
後者在標記之間除了「張三」這個字元,還包含兩個換行記號與縮排符號,解析器剝除標記後交給應用程式的結果自然不同。
若要明確告訴 XML 應用程式「此處空白有意義,請勿隨意移除」(例如詩歌的排版),可加上 XML 內建屬性 XML:space:
〈詩歌 XML:space="preserve">
祖國啊! 祖國!
我的祖國!
〈/詩歌〉
最後,文件中若要使用表 1 的特殊字元,必須以對應的實體引用替代:
表 1
特殊字元 替代符號
& &
〈 <
〉 >
" "
' '
符合上述規則的文件就是 Well-Formed 的 XML 文件,這是撰寫 XML 最基本的要求。可以明顯看出,XML 的語法規範比 HTML 嚴格許多。這對解析器的實作者是一大福音——不必像寫 HTML 解析器那樣絞盡腦汁去適應各種寫法;對初學者其實也是好事:該怎麼寫就怎麼寫,不必再為 HTML 那些互相矛盾的寫法而困惑。
XML 文件大量使用自訂標記,這裡藏著一個實際問題:若 A 公司用〈價格〉表示產品價格,B 公司用〈售價〉表示同一件事,那麼只認得〈價格〉的應用程式讀到 B 公司的資料時就會出錯。
因此,想透過 XML 交換資料的各方之間必須有個約定:可以用哪些標記、根元素底下允許哪些子元素、元素出現的順序、屬性如何定義等等。這套約定稱為 DTD(Document Type Definition,文件類型定義),可以把它視為撰寫 XML 文件的範本。
同業之間有了共同的 DTD,資料交換會順暢許多。舉例來說,若網上各大電子商場的 XML 頁面都遵循同一份 DTD,我們就能依這份 DTD 寫一支程式,自動把感興趣的商品資料抓回來。事實上已有若干定義良好的 DTD 流傳,如 MathML、SMIL 等。
若一份 XML 文件不僅 Well-Formed,而且是正確依據某個 DTD 建立的,它就稱為 Validating XML 文件,對應的解析器則稱為 Validating Parser。