定義 XML 和編碼

經(jīng)常使用的縮寫詞 DOM：文檔對(duì)象模型（Document Object Model） DTD：文檔類型定義（Document Type Definition） HTML：超文本標(biāo)記語(yǔ)言（Hypertext Markup Language） IDE：集成開發(fā)環(huán)境（Integrated Development Environment） SAX：XML 簡(jiǎn)單 API（Simple API for XML） XSD：XML 模式定義（XML Schema Definition） XML：可擴(kuò)展標(biāo)記語(yǔ)言（Extensible Markup Language） XSLT：可擴(kuò)展樣式表語(yǔ)言轉(zhuǎn)換（Extensible Stylesheet Language Transformations）

在快速創(chuàng)建 XML 文檔時(shí)，一般都會(huì)傾向于創(chuàng)建基本的結(jié)構(gòu)并避開一些普通 XML 文檔需求，包括指定 XML 文檔聲明和 XML 文檔包含的數(shù)據(jù)的編碼類型。

考慮清單 1 所示的 XML 文檔。

            

            <phrases>
            

              <phrase lang="en">Hello</phrase>
            

              <phrase lang="it">Buongiorno</phrase>
            

              <phrase lang="fr">Salut!</phrase>
            

            </phrases>
            

          

對(duì)于普通人來(lái)說(shuō)，可以查看該文檔并將其識(shí)別為 XML，但是對(duì)于計(jì)算機(jī)來(lái)說(shuō)，則很難作出這樣的判斷。在文件頂部添加 XML 聲明，可以使它更加明確、更容易識(shí)別。一行簡(jiǎn)單的代碼就可以說(shuō)明文檔是 XML，并且指出版本號(hào)和 XML 數(shù)據(jù)使用的字符編碼類型。例如：

            <?xml version="1.0" encoding="us-ascii"?>
          

編碼說(shuō)明中的內(nèi)容也應(yīng)該確保正確性。XML 解析器使用編碼確保 XML 文檔的單個(gè)字符被正確載入。例如，繼續(xù) 清單 1 中基于短語(yǔ)的示例，如果向文檔添加一個(gè)俄語(yǔ)條目，則會(huì)出現(xiàn)問(wèn)題，因?yàn)槟壳爸付ǖ木幋a不支持?jǐn)U展的字符集（使用俄語(yǔ)短語(yǔ)表示 hello 時(shí)要求使用擴(kuò)展字符集）。

指定錯(cuò)誤的編碼意味著解析器不能正確處理文檔；例如，如果將一個(gè)多字節(jié)擴(kuò)展字符讀取為一個(gè)單字節(jié)組成的序列，那么會(huì)導(dǎo)致數(shù)據(jù)的損壞和不良輸出。

回頁(yè)首

使用 DTD 或 XSD

添加了 XML 聲明后，應(yīng)該確保使用 DTD 或 XSD 定義有效的 XML 文件的結(jié)構(gòu)。這兩種方法都允許 XML 解析器檢查并確定 XML 文件的內(nèi)容與建模數(shù)據(jù)對(duì)應(yīng)的結(jié)構(gòu)相匹配。

例如，給出一個(gè)針對(duì)聯(lián)系（contact）數(shù)據(jù)庫(kù)的簡(jiǎn)單 XML 結(jié)構(gòu)，您希望定義一種結(jié)構(gòu)來(lái)指定聯(lián)系人的姓名、地址和電話號(hào)碼。使用 DTD 方法可以使您映射這種結(jié)構(gòu)并確保結(jié)構(gòu)中的每一個(gè)聯(lián)系人與布局相匹配。

例如，清單 2 中顯示了針對(duì)聯(lián)系數(shù)據(jù)庫(kù)的 DTD。

            

            <!ELEMENT phone (#PCDATA)>
            

            <!ATTLIST phone type (home | work | mobile) #REQUIRED>
            

            <!ELEMENT contact (#PCDATA | name | phone | address)*>
            

            <!ELEMENT contacts (#PCDATA | contact)*>
            

            <!ELEMENT country (#PCDATA)>
            

            <!ELEMENT road (#PCDATA)>
            

            <!ELEMENT address (#PCDATA | road | city | state | postcode | country)*>
            

            <!ATTLIST address type (home | work) #REQUIRED>
            

            <!ELEMENT state (#PCDATA)>
            

            <!ELEMENT name (#PCDATA)>
            

            <!ELEMENT postcode (#PCDATA)>
            

            <!ELEMENT city (#PCDATA)>
            

          

DTD 定義了描述聯(lián)系人所需要的元素、屬性（以及這些屬性所支持的值）。例如，在 清單 2 可以看到，phone 元素有一個(gè) type 屬性，而 address 和其中的 component 元素也有屬性。

使用 DTD 可以幫助確保屬性的有效性，并且，和驗(yàn)證過(guò)程一起使用時(shí)可以識(shí)別任何問(wèn)題。當(dāng)和支持 XML 的編輯器一起使用時(shí)，DTD 可以幫助編輯和自動(dòng)完成內(nèi)容。

XSDs，即模式，可以執(zhí)行很多與 DTD 相同的功能，但有其獨(dú)特的用途。例如，一些 XML 編輯器需要使用 DTD 自動(dòng)完成內(nèi)容，然而模式在設(shè)計(jì)文檔實(shí)際層次結(jié)構(gòu)方面更加靈活。您可以根據(jù)具體環(huán)境選擇工具。

回頁(yè)首

記得進(jìn)行驗(yàn)證

查看清單 3，能否找出其中的問(wèn)題？

            

            <contacts>
            

              <contact>
            

                <name>Martin</name>
            

                <phone type="home">123 456 7890</phone>
            

                <phone type="mobile">123 456 7890</phone>
            

                <phone type="work">123 456 7890</phone>
            

                <address type="home">
            

                  <road>Home road</road>
            

                  <city>Home city</city>
            

                  <state>Home state</state>
            

                  <zipcode>12434</zipcode>
            

                  <country>USA</country>
            

                </address>
            

              </contact>
            

              <contact>
            

                <name>Sharon</name>
            

                <phone type="work">234 567 8901</phone>
            

                <phone>234 567 8901</phone>
            

                <address type="home">
            

                  <road>Other home road</road>
            

                  <city>Other city</city>
            

                  <state>Other state</state>
            

                  <zipcode>39487</zipcode>
            

                  <country>USA</country>
            

                </address>
            

                <address type="work>
            

                  <road>Work building, work road</road>
            

                  <city>Work city</city>
            

                  <state>Work state</state>
            

                  <zipcode>12347</zipcode>
            

                  <country>USA</country>
            

                </address>
            

              </contact>
            

            </contacts>
            

          

手動(dòng)查找問(wèn)題非常麻煩。但是可以通過(guò) xmllint（一款可以檢驗(yàn) XML 文件的內(nèi)容和結(jié)構(gòu)的免費(fèi)工具）運(yùn)行文件，您可以查看運(yùn)行該文件的輸出，如清單 4 所示。

            

            $ xmllint contacts.xml 
            

            contacts.xml:27: parser error : Unescaped '<' not allowed in attributes values
            

                  <road>Work building, work road</road>
            

                  ^
            

            contacts.xml:27: parser error : attributes construct error
            

                  <road>Work building, work road</road>
            

                  ^
            

            contacts.xml:27: parser error : Couldn't find end of Start Tag address line 26
            

                  <road>Work building, work road</road>
            

                  ^
            

            contacts.xml:32: parser error : Opening and ending tag mismatch: contact line 15 
            

                                                                   and address
            

                </address>
            

                          ^
            

            contacts.xml:33: parser error : Opening and ending tag mismatch: contacts line 1 
            

                                                                   and contact
            

              </contact>
            

                        ^
            

            contacts.xml:34: parser error : Extra content at the end of the document
            

            </contacts>
            

          

盡管與最初的問(wèn)題（其中的一個(gè)屬性沒有結(jié)束）相比似乎復(fù)雜了很多，但卻為您查找問(wèn)題提供了一個(gè)起點(diǎn)。

xmllint 還支持各種各樣的命令行選項(xiàng)，幫助選擇診斷方法和結(jié)果。其中最有用的一個(gè)選項(xiàng)是 --noout ，它阻止 xmllint 在解析文件時(shí)回傳內(nèi)容。對(duì)于較短的文件來(lái)說(shuō)沒有什么影響，但對(duì)于大型文件來(lái)說(shuō)則是一個(gè)問(wèn)題。

如果正在使用 DTD，那么使用 --postvalid 選項(xiàng)告訴 xmllint 針對(duì) DTD 驗(yàn)證內(nèi)容，確保內(nèi)容不僅是有效的 XML，而且還與 DTD 的結(jié)構(gòu)相匹配。如果將 使用 DTD 或 XSD 為 contact 文件生成的 DTD 添加到文件，那么屬性定義錯(cuò)誤將被糾正，但隨后將生成一個(gè)不同的錯(cuò)誤，如清單 5 所示。

            

            $ xmllint --noout --postvalid contacts.xml 
            

            contacts.xml:9: element address: validity error : Element zipcode is not declared 
            

                                        in address list of possible children
            

            contacts.xml:21: element address: validity error : Element zipcode is not declared 
            

                                        in address list of possible children
            

            contacts.xml:28: element address: validity error : Element zipcode is not declared 
            

                                        in address list of possible children
            

            Document contacts.xml does not validate
            

          

這樣使用 xmllint 可以方便快捷地確定文檔的結(jié)構(gòu)是否有效。xmllint 是 libxml2 工具箱的一部分，該工具箱已綁定到 Linux、UNIX? 和 Mac OS X，但 Windows? 需要獨(dú)立下載。有關(guān) xmllint 和 libxml2 的更多信息，請(qǐng)參見 參考資料 。

回頁(yè)首

驗(yàn)證并不總是能夠解決問(wèn)題

使用 xmllint 和類似工具驗(yàn)證 XML 文件（特別是如果使用了 DTD），是驗(yàn)證 XML 文件內(nèi)容的很好方法。然而，這種方法也有其局限性。例如，如何處理 XML 文件的內(nèi)容？

使用 DTD 或 XSD，您可以為屬性指定明確的內(nèi)容。您只是創(chuàng)建了帶有一個(gè)字符串或 ID 的屬性（可以是受限制的可用選項(xiàng)列表的一部分），但是不能使用這種方式控制或限制元素的內(nèi)容。

例 如，在聯(lián)系人示例中，telephone numbers 元素包含數(shù)字和空格。但是沒辦法阻止用戶向該元素添加字母字符。這樣做在使用 xmllint 進(jìn)行驗(yàn)證時(shí)不會(huì)檢查出錯(cuò)誤，并且編輯器和其他支持 XML 的解決方案也無(wú)法解決或識(shí)別這個(gè)問(wèn)題。應(yīng)用程序出現(xiàn)的故障可能和您預(yù)料的一樣，因?yàn)樗R(shí)別出一個(gè)非標(biāo)準(zhǔn)數(shù)據(jù)類型。

簡(jiǎn)而言之，XML 驗(yàn)證只能保證結(jié)構(gòu)正確，而無(wú)法保證數(shù)據(jù)的有效性。

解決此問(wèn)題的最簡(jiǎn)單方法是編寫一個(gè)解析器，它可以讀取 XML 文件并實(shí)際驗(yàn)證數(shù)據(jù)內(nèi)容。但是不要過(guò)度地驗(yàn)證內(nèi)容，只需確保數(shù)據(jù)符合應(yīng)用程序的要求。

回頁(yè)首

XML 結(jié)構(gòu)和屬性

對(duì)于究竟是使用屬性還是元素來(lái)描述希望在 XML 文件中呈現(xiàn)的信息，人們存在著不同的看法。

一般的做法是，使用元素（即標(biāo)記之間的數(shù)據(jù)）定義文件包含的信息，而屬性則用于提供所描述數(shù)據(jù)的擴(kuò)展限制。

元素和屬性都各有弊端。例如，屬性不能夠在標(biāo)記中重復(fù)，這是元素優(yōu)于屬性的典型例子。元素支持重復(fù)信息的能力使其非常實(shí)用。相反，使用元素限制數(shù)據(jù)有時(shí)處理起來(lái)會(huì)比較復(fù)雜。

聯(lián)系人示例中的電話號(hào)碼很好地解釋了屬性的優(yōu)點(diǎn)。在這個(gè)示例中，如清單 6 所示，使用屬性限制電話號(hào)碼的類型（例如辦公、住宅或移動(dòng)電話）。

            

            <phone type="home">123 456 7890</phone>
            

            <phone type="mobile">123 456 7890</phone>
            

            <phone type="work">123 456 7890</phone>
            

          

使用這種結(jié)構(gòu)，能夠輕松地把號(hào)碼作為一個(gè)整體（忽略屬性），或者挑選特定的電話號(hào)碼類型（使用屬性）。

將此結(jié)構(gòu)與清單 7 中只使用元素設(shè)計(jì)的結(jié)構(gòu)進(jìn)行比較。

            

            <phone>
            

              <type>home</type>
            

              <number>123 456 7890</number>
            

            </phone>
            

            <phone>
            

              <type>mobile</type>
            

              <number>123 456 7890</number>
            

            </phone>
            

            <phone>
            

              <type>work</type>
            

              <number>123 456 7890</number>
            

            </phone>
            

          

現(xiàn)在還很難判斷孰優(yōu)孰劣。盡管從理論上說(shuō)任何 XML 解析器或適當(dāng)?shù)?XPath 定義都可以把您需要的信息抽取出來(lái)。但這樣做獲益不大，并且使得 XML 文檔很難閱讀。

回頁(yè)首

使用 XPath 查找信息

在處理 XML 數(shù)據(jù)時(shí)，查找需要的信息非常復(fù)雜。您可以編寫一個(gè)解析器來(lái)挑選需要的信息，但在某些情況下，您只需要快速地找到文件中的一小段信息。

例如，如果需要從聯(lián)系人 XML 文件中提出所有國(guó)家的列表，以便查看聯(lián)系人在全球的分布范圍，那么可以使用 XPath 來(lái)挑選信息。

通過(guò)將 XML 文件的結(jié)構(gòu)作為查詢的一部分，XPath 使您能夠從 XML 文件中抽取數(shù)據(jù)。例如，通過(guò)提供特定元素在 XML 文件中的路徑，您可以提取該元素的數(shù)據(jù)：

            $ xpath contacts.xml '//contact/address/country'
          

您可以按照下面這樣分析內(nèi)容：

• 最開頭的雙斜杠（//）表示在文檔的任意位置查找指定的元素（contact）。
• 下一個(gè)斜杠和元素名指定了要查找的下一個(gè)元素（address）— 就是說(shuō)，在 contact 元素內(nèi)查找 address 元素。
• 最后的斜杠重復(fù)此過(guò)程，這一次查找的是 country 元素。

注意，在這個(gè)示例中，您限定了從中選擇信息的地址的類型，因此將選擇所有地址。您可以在清單 8 中查看 XPath 查詢的結(jié)果。

            

            $ xpath contacts.xml '//contact/address/country' 
            

            Found 3 nodes:
            

            -- NODE --
            

            <country>USA</country>-- NODE --
            

            <country>USA</country>-- NODE --
            

            <country>USA</country>
            

          

如果需要挑選更具體的數(shù)據(jù)，可以指定要匹配的元素或?qū)傩缘膬?nèi)容。例如，如果只選擇手機(jī)號(hào)碼，您需要指定屬性類型和值。為此，使用（@）符號(hào)，它表示您要求搜索一個(gè)屬性，然后指定需要匹配的值（參加清單 9 ）。

            

            $ xpath contacts.xml '//contact/phone[@type="mobile"]' 
            

            Found 1 nodes:
            

            -- NODE --
            

            <phone type="mobile">123 456 7890</phone>
            

          

清單 8 和 9 都使用了一個(gè)命令行工具。很多 XML 工具箱都提供了原生方法來(lái)處理 XPath 元素，并且您可以使用 XPath 規(guī)范提取數(shù)據(jù)在應(yīng)用程序中直接使用，而不需要使用解析器來(lái)獲取信息。

回頁(yè)首

并不總是需要使用解析器提取信息

盡管有些意想不到，但您并一定需要使用一種功能完善的 XML 解析器，使用 SAX、DOM 或其他技術(shù)（如 XPath 或 XQuery）從 XML 文件中提取需要的信息。

XML 文件使用結(jié)構(gòu)化的格式包含數(shù)據(jù)，但是有時(shí)您需要信息使用自身的結(jié)構(gòu)化格式。要快速查找一個(gè)信息片段時(shí)，通常可以使用更簡(jiǎn)單的解決方法。

通常，您僅需使用 grep、Perl 或其他類似工具提取所需的數(shù)據(jù)，而不需要以 XML 文件的形式實(shí)際解釋文檔的結(jié)構(gòu)或內(nèi)容。

例如，您可以使用 grep 選擇電話號(hào)碼（參見清單 10）。

            

            $ grep '<phone' contacts.xml
            

            

            <phone type="home">123 456 7890</phone>
            

            <phone type="mobile">123 456 7890</phone>
            

            <phone type="work">123 456 7890</phone>
            

            <phone type="work">234 567 8901</phone>
            

            <phone>234 567 8901</phone>
            

          

您使用 grep 選擇了需要的信息，并且不需要考慮信息是 XML 格式或者信息的結(jié)構(gòu)。

如果需要查找簡(jiǎn)短的信息片段，簡(jiǎn)化的處理技術(shù)可以查找到所需的信息，并且避免了使用傳統(tǒng)解析方法的開銷。

回頁(yè)首

何時(shí)使用 SAX 而非 DOM 解析

當(dāng)為文檔構(gòu)建一個(gè)解析器以獲得所需信息時(shí)，常常很難決定何時(shí)使用基于 SAX 的處理程序，何時(shí)使用基于 DOM 的處理程序。

關(guān)于這個(gè)問(wèn)題的最簡(jiǎn)單解決方法是同時(shí)考慮文檔的復(fù)雜性和所查找信息的用途。如果要轉(zhuǎn)換文檔，或者文檔非常大，那么 SAX 是最佳選擇。

SAX 逐個(gè)解析文檔元素，在識(shí)別元素時(shí)調(diào)用方法或函數(shù)。如果將一個(gè) XML 文檔轉(zhuǎn)換為另一種格式，例如將 XML 轉(zhuǎn)換成 HTML，那么 SAX 是最有效的方式。您不必將整個(gè)文檔加入到內(nèi)存中，只需響應(yīng)被識(shí)別出的元素和結(jié)構(gòu)。

SAX 的缺點(diǎn)是，如果需要保存或記錄結(jié)構(gòu)，或者理解整個(gè)文檔并從其中挑選單個(gè)元素（例如，從所有記錄中選擇單個(gè)聯(lián)系人），則必須構(gòu)建復(fù)雜的處理程序，以加載數(shù)據(jù)并將數(shù)據(jù)記錄到結(jié)構(gòu)中，然后將元素標(biāo)識(shí)到輸出目標(biāo)中。

回頁(yè)首

何時(shí)使用 DOM 而非 SAX 解析

DOM 可以將整個(gè)文檔及其結(jié)構(gòu)載入到內(nèi)存，并允許您在應(yīng)用程序內(nèi)部引用和使用 XML 文檔的結(jié)構(gòu)。如在聯(lián)系人示例中，您可以將整個(gè)聯(lián)系人數(shù)據(jù)庫(kù)讀入內(nèi)存，然后通過(guò)遍歷聯(lián)系人選擇所有的電話號(hào)碼，接著在每個(gè)聯(lián)系人內(nèi)部遍歷每個(gè)電話號(hào)碼。

由于 DOM 保留了結(jié)構(gòu)，更重要的是可以理解和處理結(jié)構(gòu)，您可以輕松地對(duì)結(jié)構(gòu)進(jìn)行整體或單獨(dú)的處理。仍然以聯(lián)系人示例為例，使用 SAX 插入新的聯(lián)系人將非常復(fù)雜。但是如果使用 DOM，您只需將一個(gè)表示新聯(lián)系人的新 XML 元素插入到現(xiàn)有的 XML 文檔。

DOM 的缺陷是使用流方式處理文件 — 例如，轉(zhuǎn)換為 HTML — 過(guò)于復(fù)雜，因?yàn)楸仨氃诮Y(jié)構(gòu)內(nèi)逐個(gè)遍歷每個(gè)元素來(lái)處理文檔。

此 外，由于 DOM 在解析其間將整個(gè) XML 文檔載入到內(nèi)存中，DOM 解析器會(huì)變得非常慢并且需要更多的內(nèi)存。但 DOM 處理這樣做也有一些好處；例如，在一次解析過(guò)程中，可以對(duì)使用 DOM 解析的 XML 文檔進(jìn)行多次處理。而使用 SAX，則需要多次重復(fù)解析過(guò)程才能獲得相同的效果。

訪問(wèn) 參考資料 ，查找更多關(guān)于使用 DOM 和 SAX 的信息。

回頁(yè)首

使用良好的 XML 編輯器

如果經(jīng)常需要編寫和使用 XML，那么必須擁有一個(gè)良好的 XML 編輯器。XML 編輯器不同于標(biāo)準(zhǔn)的文本編輯器，前者可以理解 XML 的結(jié)構(gòu)和布局。XML 編輯器提供的豐富特性使處理 XML 更加簡(jiǎn)單，這些特性包括：

• 完成 — 為一個(gè)快完成的元素輸入字符，編輯器可以自動(dòng)幫您輸入剩下的內(nèi)容。
• 內(nèi) 容完成 — 如果對(duì) XML 文件使用 DTD，那么編輯器可以為您填充并格式化部分內(nèi)容。例如，在 contacts DTD 中，phone 元素的 type 屬性是一個(gè)必需元素。使用智能 XML 編輯器，在創(chuàng)建 phone 標(biāo)記時(shí)，該屬性（值為空）將自動(dòng)引入到文本中。
• 內(nèi)聯(lián)格式化 — 編輯器可以使您的 XML 更加易于閱讀和理解。這可以在編輯時(shí)立即實(shí)現(xiàn)，也可以通過(guò)單獨(dú)的格式命令實(shí)現(xiàn)。最終得到可以理解并可以更快速地標(biāo)識(shí)的 XML。
• 內(nèi)置驗(yàn)證 — 在輸入內(nèi)容時(shí)，編輯器可以驗(yàn)證 XML 文檔的錯(cuò)誤，在編輯器中立即突出顯示各種問(wèn)題，這樣您就知道該如何解決這些問(wèn)題。
• 內(nèi)置翻譯和轉(zhuǎn)換 — 一些 XML 編輯器包括 XPath、XQuery 界面，某些情況下還包括 XSLT 和其他轉(zhuǎn)換的界面，因此可以在編輯環(huán)境中查看轉(zhuǎn)換結(jié)果。
• 學(xué)習(xí)和操作 — 有時(shí)您在 DTD 之前創(chuàng)建 XML 結(jié)構(gòu)。在這種情況下，編輯器可以讀取 XML 文件，學(xué)習(xí)它的結(jié)構(gòu)并創(chuàng)建一個(gè) DTD 進(jìn)行驗(yàn)證，這樣可以為您節(jié)省大量的時(shí)間和精力。

好的 XML 編輯器包括 Eclipse 和 oXygenXML，但是還有很多其他選擇。

回頁(yè)首

結(jié)束語(yǔ)

養(yǎng)成良好的 XML 處理習(xí)慣，一切將大有不同，包括利用 XML 提供的功能、打破 XML 標(biāo)準(zhǔn)進(jìn)行驗(yàn)證的基礎(chǔ)知識(shí)以及正確處理解析。本文可以幫助您學(xué)習(xí)這 10 個(gè)好習(xí)慣，從而提高處理 XML 文檔和數(shù)據(jù)的效率。

以上轉(zhuǎn)自：http://www.ibm.com/developerworks/cn/xml/x-tengoodxmlhabits/?S_TACT=105AGX52&S_CMP=tec-csdn

使用 10 種良好的習(xí)慣