先用「記事本」建立第一份 XML 文件吧。
<?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>
編輯完成後存成 .xml 檔即可。這份文件可以切成兩大部分:文件序言(Prolog)與文件主體。
第一行就是序言。它是 XML 文件必須宣告的內容,且必須位於檔案第一行,主要作用是告訴解析器該如何工作。其中 version 標明所用的標準版本,是必填項;encoding 指明文件的字元型別,可以省略,但省略時後續字元碼必須是 Unicode(不建議省略)。由於範例使用 GB2312 編碼,encoding 就不能省。
其餘部分屬於文件主體。主體由 <參考資料> 與 </參考資料> 構成,這稱為文件的「根元素」;<書籍> 是直屬根元素的「子元素」;<書籍> 底下又有 <名稱>、<作者>、<價格> 等子元素。「貨幣單位」是 <價格> 元素的「屬性」,「人民幣」則是屬性值。
<!--此書即將出版--> 這一句和 HTML 一樣是註釋,放在 <!-- 與 --> 之間。
解析器的主要功能是檢查 XML 文件是否有結構錯誤,剝離標記,把正確的內容讀出來交給後續應用程式。XML 規範對文件結構有詳細法則,解析器就是依這些法則寫成的軟體(多以 Java 實作)。
由於 HTML 標記在實務上相當混亂、存在大量不合規的寫法(同一頁在 IE 正常、在 Netscape 卻跑掉),XML 的設計者從一開始就嚴格規定了語法與結構。你的文件必須遵守,否則解析器會毫不留情地顯示錯誤訊息。
XML 文件有兩種層級:Well-Formed 與 Validating。若文件符合 XML 規範的相關法則、且未使用 DTD,稱為 Well-Formed;若它是 Well-Formed、又正確使用了語法無誤的 DTD,則稱為 Validating。對應地也有兩種解析器。IE 5 內含 Validating 解析器,而 Validating 解析器同樣可以用來解析 Well-Formed 文件。
把第一個範例用 IE 5 以上版本打開,你會發現畫面顯示的和原始碼幾乎一樣。這是因為 XML 只負責內容,顯示形式交由 CSS 或 XSL 決定;我們沒為它定義樣式表,所以它照原樣呈現。若只是要做電子資料交換,一份 XML 檔就够了;若要特定呈現,才需要另寫 CSS 或 XSL。
一、第一行必須是 XML 宣告,且前面不能有任何其他元素或註釋。
二、有且只能有一個根元素。範例中的 <參考資料>...</參考資料> 就是根元素。
三、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 那樣可有可無。若遇到自成單位的標記,XML 稱之為「空元素」,寫法為 <空元素名/>;含屬性時則寫成 <空元素名 屬性名="屬性值"/>。
四、標記不得交叉。HTML 裡可以寫 <B><H>XXXX</B></H>,這種重疊寫法在 XML 中嚴格禁止,標記必須以規則的巢狀次序出現。
五、屬性值必須用雙引號括起來。例如 "1.0"、"gb2312"、"人民幣",一個都不能漏。
六、標記、指令與屬性名稱區分大小寫。HTML 中 <B> 與 <b> 等價,XML 中 <name>、<NAME>、<Name> 是標記不同的三個東西。
七、需要原樣輸出時使用 CDATA 區段。HTML 裡我們用 <pre> 或 <xmp> 讓瀏覽器原封不動顯示內容,XML 則改用 CDATA。以 <![CDATA[ 開始、以 ]]> 結束,區段內的一切——包含標記、空白與換行——都會原封不動交給下游應用程式。注意 CDATA 必須大寫:
<![CDATA[飛翔的XML <<<<, :-) oooo<<<<<<< ]]>
八、空白字元一律保留。HTML 標準規定無論多少空白都視為一個;XML 則規定標記以外的所有空白,解析器都要忠實交給下游應用程式。這代表你必須改掉寫 HTML 時的縮排習慣:
<作者>張三</作者> <作者> 張三 </作者>
對解析器而言這兩者並不相同——後者在標記之間除了「張三」,還包含兩個換行與縮排空白,去掉標記後傳給應用程式的結果自然不同。
若想明確告訴解析器空白有意義、不要隨便去掉(例如詩歌的空格),可以加上 XML 內建屬性 XML:space:
<詩歌 XML:space="preserve"> 祖國啊! 祖國! 我的祖國! </詩歌>
另外,文件中若要出現 &、<、>、"、' 這幾個特殊字元,必須改用實體參照(&、<、>、"、')代替。
符合以上規則的文件就是 Well-Formed XML,這是撰寫 XML 的最基本要求。可以看到 XML 的語法比 HTML 嚴格得多。嚴格對工程師是好事:寫解析器容易多了,不必費盡心思去適應各種離譜寫法;對初學者也同樣是好事——該怎麼寫就怎麼寫,不必再為各種 HTML 寫法而困惑。
但這裡有個現實問題。XML 用的多數是自訂標記,那麼當 A、B 兩家公司要交換資料時,A 用 <價格> 表示價格,B 卻用 <售價>,讀取雙方文件的應用程式就會出錯。
可見想藉 XML 交換資料的各方,必須先有約定:可以用哪些標記、母元素能包含哪些子元素、元素出現的順序、屬性如何定義。這種約定稱為 DTD(Document Type Definition,文件類型定義),可以把它想成撰寫 XML 文件的模板。同業之間有一份固定 DTD 會方便許多——例如各大網路商城的 XML 頁面都遵循同一份 DTD,我們就能輕易寫出一支程式,自動把感興趣的商品抓回來。事實上已經有若干現成的 DTD,如 MathML、SMIL 等。
若一份 XML 文件既是 Well-Formed,又正確依據某份 DTD 建立,它就稱為 Validating XML 文件,對應的解析器稱為 Validating Parser。