初學 XML 最讓人頭痛的不是語法,而是那一大堆陌生術語。加上 XML 當時仍快速演進,各大廠(微軟、IBM、SUN 等)不斷提出自己的見解與標準,新名詞自然滿天飛;中文書籍又多半是作者自行翻譯,品質參差,反而增加了理解門檻。
本單元的解釋以 W3C 發布的 XML 1.0 規範與相關正式文件為依據,力求觀念正確。
什麼是 XML 文件?簡單說,就是用 XML 標識寫成的純文字檔案,和 HTML 原始碼一樣可以用記事本編輯,副檔名為 .xml。用 IE5.0 以上瀏覽器直接開啟 .xml 檔,你看到的是「XML 原始碼」,而不是渲染後的頁面。把下面內容存成 myfile.XML 試試:
<?xml version="1.0" encoding="GB2312"?>
<myfile>
<title>XML輕鬆學習手冊</title>
<author>ajie</author>
<email>ajie@aolhoo.com</email>
<date>20010115</date>
</myfile>
一份 XML 文件包含三個部分:一、XML 宣告;二、文件類型定義(DTD);三、以 XML 標識建立的內容主體。對照來看:
<?xml version="1.0"?>
<!DOCTYPE filelist SYSTEM "filelist.dtd">
<filelist>
<myfile>
<title>QUICK START OF XML</title>
<author>ajie</author>
</myfile>
......
</filelist>
第一行是 XML 宣告;第二行說明這份文件用 filelist.dtd 定義類型;第三行之後才是內容主體。
元素是組成文件的最小單位,由一對標識連同其中的內容構成,例如 <author>ajie</author>。與 HTML 唯一的差別是:HTML 的標識是固定的,XML 的標識得自己定義。
標識用來定義元素,必須成對出現、把資料包在中間,標識名稱與元素名稱相同。
屬性是對標識的補充描述。看 HTML 這段:<font color="red">Word</font>,其中 color 就是 font 的屬性;font 還有 size 等屬性。每個屬性都有自己的名稱與值,XML 同理,只是屬性也得自己定義。
例如 <author sex="female">ajie</author>。不過我們建議盡量把屬性改寫成子元素:
<author>ajie<sex>female</sex></author>
原因是屬性不易擴充、也不方便程式操作。
所有 XML 文件的第一行都有宣告,用來表明這是 XML 文件以及遵循哪個版本,例如 <?xml version="1.0"?>。
DTD 用來定義 XML 文件中的元素、屬性以及元素之間的關係,可用於檢查文件結構是否正確。要注意的是,建立 XML 文件並不一定需要 DTD。
遵守 XML 語法規則與規範的文件,稱為「格式良好」。只要標識都嚴格合規,就不一定需要 DTD 來定義。這類文件必須以宣告起始:
<?xml version="1.0" standalone="yes" encoding="UTF-8"?>
三個要點:說明遵循的版本(目前為 1.0);standalone="yes" 表示文件獨立、不需要 DTD 驗證;encoding 說明編碼,預設 UTF-8,中文內容需設為 GB2312。
此外,格式良好的文件必須有且只有一個根元素——緊接宣告之後的第一個元素,其餘元素都是它的子元素。
既遵守 XML 語法,又符合對應 DTD 規範的文件,稱為「有效」。它與「格式良好」最大的差別就在於:前者有自己的文件類型定義。
把 XML 文件與 DTD 比對、檢查是否合規的過程叫做 validation(驗證),通常由名為 parser 的軟體執行。有效文件的宣告要把 standalone 設為 no:
<?xml version="1.0" standalone="no" encoding="UTF-8"?>
<!DOCTYPE filelist SYSTEM "filelist.dtd">
其中 SYSTEM 與 PUBLIC 擇一:SYSTEM 指私有 DTD 的網址,PUBLIC 指公用 DTD 的網址。
DTD 是確保 XML 文件格式正確的有效手段。一份 DTD 通常包含:元素定義規則、元素間關係規則、元素可用的屬性,以及可用的實體與符號規則。它同樣是純文字檔,副檔名為 .dtd。
為什麼要用 DTD?關鍵在於「共享」。同產業、不同地區的人採用同一份 DTD 作為文件建立規範,資料交換與整合就非常容易;他人要補充資料,只要依公用規範建文件即可立刻併入。網路上已有大量現成的 DTD 可套用,你往往只需在其基礎上加上幾個自訂標識。當然,你也可以自建 DTD,通常定義四五個元素就夠用。
呼叫 DTD 有兩種方式。
方式一:直接內嵌在 XML 文件中。在 DOCTYPE 宣告裡插入定義:
<!DOCTYPE myfile [
<!ELEMENT title (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ENTITY copyright "Copyright 2001, Ajie.">
]>
方式二:呼叫獨立的 DTD 檔。先把定義存成 myfile.dtd:
<!ELEMENT myfile (title, author)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT author (#PCDATA)>
再在 XML 文件宣告之後加一行:
<!DOCTYPE myfile SYSTEM "myfile.dtd">
呼叫方式與 HTML 中引入外部 JS 的觀念相當類似。
Schema 是資料規則的描述,做兩件事:定義元素的資料型別與元素之間的關係;定義元素所能包含的內容型別。DTD 就是關於 XML 文件的一種 schema。
文件樹是元素分層結構的形象表示,最頂端的元素就是根元素,也就是緊接宣告後的第一個元素:
<?xml version="1.0"?>
<filelist>
<myfile>
<title>...</title>
<author>...</author>
</myfile>
</filelist>
這份文件呈三層樹狀,<filelist> 就是根元素。在 XML 與 DTD 中,第一個定義的都是根元素。
包含其他元素的元素是父元素,被包含的是子元素。以上面的樹為例,<myfile> 是父元素,<title> 與 <author> 是它的子元素,而 <myfile> 同時又是 <filelist> 的子元素。像 <title> 這種不再包含子元素的最底層節點,也稱作「葉元素」。
Parser 是檢查 XML 文件是否合規的工具軟體,可分兩類:
Parser 可以獨立使用,也可以內建在編輯器或瀏覽器中。
下一章我們就來談實際撰寫 XML 與 DTD 時要用的語法。