XML简介

1、XML概述

1.1、什么是XML

XML全称为Extensible Markup Language，意思是可扩展的标记语言，它是SGML（标准通用标记语言）的一个子集。

XML语法上和HTML比较相似，但HTML中的元素是固定的，而XML的标签是可以由用户自定义的。

XML 的设计宗旨是传输数据，而非显示数据；

W3C在1998年2月发布了1.0版本；

W3C在2004年2月发布了1.1版本，但因为1.1版本不能向下兼容1.0版本，所以1.1没有人用。同时，在2004年2月W3C又发布了1.0版本的第三版。我们学习的还是1.0版本！

1.2、W3C组织

W3C是万维网联盟（World Widle Web Consortium）英文的缩写，它成立于1994年10月，以开放论坛的方式来促进开发互通技术（包括规格、指南、软件和工具），开发网络的全部潜能。

W3C认为自身不是官方组织，因此将它正式发布的规范称为推荐（建议）标准，意思是进一步标准化建议，但是由于组织自身的权威性往往成为事实上的标准。

1.3、XML的作用

• 程序的配置文件（这也是最后大家使用XML最常见的目的）；
• 数据交换：不同语言之间用来交换数据；
• 小型数据库：用来当数据库存储数据。

1.4、XML与HTML比较

HTML的元素都是固定的，而XML可以自定义元素；

HTML用浏览器来执行解析，XML的解析器通常需要自己来写（因为元素是自定义的）；

HTML只能用来表示网页，而XML可以做的事情很多。

1.5、XML和properties（属性文件）比较

属性文件只能存储平面信息，而XML可以存储结构化信息；

解析属性文件只需要使用Properties类就可以了，而解析XML文档是很复杂的。

2、XML语法概述

2.1、XML文档展示

<?xml version=”1.0” encoding=”utf-8” standalone=”no” ?>
<students>
    <student stunum=”01”>
        <name>张三</name>
        <age>20</age>
        <genser>男</gender>
    </student>
    <student stunum=”02”>
        <name>李四</name>
        <age>20</age>
        <genser>男</gender>
    </student>
</students>

2.2、XML文档的组成部分

• XML文档声明；
• XML处理指令；
• XML元素；
• XML特殊字符和CDATA区；
• XML注释。

3、XML文档声明

3.1、什么是XML文档声明

可以把XML文档声明看成是XML文档说明。

最简单的XML文档声明：<?xml version=”1.0” ?>

注意，XML区分大小写，这一点不同于HTML！

3.2、XML文档声明结构

• version属性：用于说明当前xml文档的版本，因为都是在用1.0，所以这个属性大家都写1.0，version属性是必须的；
• encoding属性：用于说明当前xml文档使用的字符编码集，xml解析器会使用这个编码来解析xml文档。encoding属性是可选的，默认为UTF-8。注意，如果当前xml文档使用的字符编码是gb2312，而encoding属性的值为UTF-8，那么一定会出错；
• standalone属性：用于说明当前xml文档是否为独立文档，如果该属性值为yes，表示当前xml文档是独立的，如果为no表示当前xml文档不是独立的，即依外部的约束条件。默认是yes。

没有xml文档声明的xml文档，不是格式良好的xml文档；

xml文档声明必须从xml文档的1行1列开始。

4、XML元素

4.1、XML元素的格式1

xml元素包括：开始标签、元素体（内容）、结束标签。例如：<hello>大家好</hello>

空元素：空元素只有开始标签，没有元素体和结束标签，但空元素一定要闭合。

4.2、XML元素的格式2

xml元素可以包含子元素或文本数据。例如：<a> <b> hello </b> </a>，a元素的元素体内容是b元素，而b元素的元素体内容是文本数据hello。

xml元素可以嵌套，但必须是合法嵌套。例如： <a> <b> hello </a> </b> 就是错误的嵌套。

4.3、XML文档的根元素

格式良好的xml文档必须仅有一个根元素！

4.4、元素中的空白

xml元素的元素体可以包含文本数据和子元素。

a.xml

<a> <b>hello</b> </a>

b.xml

<a>
    <b>
        hello
    </b>
</a>

a.xml中，<a>元素只有一个子元素，即<b>元素。<b>元素只有一个文本数据，即hello。

b.xml中，<a>元素中第一部分为换行缩进，第二部分为<b>元素，第三部分为换行。<b>元素的文本数据为换行、缩进、hello、缩进。

其中换行和缩进都是空白，这些空白是为了增强xml文档的可读性。但xml解析器可能会因为空白出现错误的解读，这说明在将来编写解析xml程序时，一定要小心空白。

4.5、元素命名规范

xml元素名可以包含字母、数字以及一些其它可见字符，但必须遵循下面的一些规范：

• 区分大小写：<a>和<A>是两个元素；
• 名称不能以数字或者标点符号开始：是错误的；
• 名称不能包含空格;
• 最好不要以xml开头：<xml>、<Xml>、<XML>。

4.6、元素属性

属性由属性名与属性值构成，中间用等号连接；

属性值必须使用引号括起来，单引或双引；

如果属性值本身包含双引号，那么就使用单引号：
<gangster name='George "Shotgun" Ziegler'>

定义属性必须遵循与标签名相同的命名规范；

属性必须定义在元素的开始标签中；

一个元素中不能包含相同的属性名；

4.7、注释

注释以<!—开头，以-->结束；

注释中不能包含 -- ；

4.8、转义字符和CDATA区

因为在xml文档中有些字符是特殊的，不能使用它们作为文本数据。例如：不能使用“<”或“>”等字符作为文本数据，所以需要使用转义字符来表示。

例如<a><a></a>，你可能会说，其中第二个<a>是a元素的文本内容，而不是一个元素的开始标签，但xml解析器是不会明白你的意思的。

把<a><a></a>修饰为<a>&it;a&gt;</a>，这就OK了。

字符	字符引用（十进制代码）	字符引用（十六进制代码）	预定义实体引用
<	&#60;	&#x3c;	&lt;
>	&#62;	&#x3e;	&gt;
"	&#34;	&#x22;	&quot;
'	&#39;	&#x27;	&apos;
&	&#38;	&#x26;	&amp;

转义字符都是以“&”开头，以“;”结束。这与后面我们学习的实体是相同的。

4.9、CDATA区（CDATA段）

PCDATA 指的是被解析的字符数据（Parsed Character Data）。

所有XML文档中的文本均会被解析器解析。只有 CDATA 区段（CDATA section）中的文本会被解析器忽略。

当大量的转义字符出现在xml文档中时，会使xml文档的可读性大幅度降低。这时如果使用CDATA段就会好一些。

在CDATA段中出现的“<”、“>”、“””、“’”、“&”，都无需使用转义字符。这可以提高哦xml文档的可读性。

CDATA 部分由" <![CDATA[ "开始，由" ]]> "结束：

<a><![CDATA[<a>]]></a>

在CDATA段中不能包含“]]>”，即CDATA段的结束界定符。