XML简易教程.doc

XML简易教程在Intel的早期，Andy Grove遇到一个雇员 - 他建议公司在芯片的基础上开发个人计算机。AndyGrove疑问道“个人计算机能做什么呢？”，这个雇员举例说，它可以存储处方。Grove考虑到整个研究、开发和市场费用要数百万美圆，最终决定以为红绿灯提供芯片作为开始。 每个人都是事后诸葛亮。Andy Grove，不管你怎样看他，被普遍认为是一个非常聪明的人 - 能够做出发展公司的重大决定。但是在七十年代，不可能强求他预见到个人计算机的潜力。如果他当时见过Excel、Quark、Photoshop、Oracle或者网络，他就会理解把强大的处理器放在桌面上会允许软件做任何事。但是如果没亲眼见过，谁能想到呢。在用打字机、加法机和铅笔作为计算的工具的时代，你能解释PC和它的用途吗？这个例子可以用在解释扩展标记语言（XML - eXtensible MarkupLanguage）上。现在还没有和它相似的东西，所以很难做出比较。你可能听说过XML是HTML的替代物或XML与HTML相似，可以定义自己的标记符。这两种说法都不全对，就象说PC是存储处方的机器一样。我妈妈是一个训练有素的厨师，如果我用她的配方，我的家庭会省下很大一笔钱。我以简单的开始。因此我打开文本编辑器，开始写一些HTML代码：RecipeChocolate Chip Bars在写完上面几行后，我想接着写我妈妈 的精妙菜谱。那么怎么做呢？一份老式的Web页面。接下来呢？把我的页面的URL送给对这个菜谱感兴趣的人们，然后让他们剥掉其中的和吗？这得花些时间，我想得到实际的内容。看看下面可能的XML标记：Carol SchmidtChocolate Chip Bars在XML中，标记符可以最好地描述内容。以这种方式，我可以肯定任何查找出现在标记符中的“Chocolate Chip”的人都可以得到妈妈_的菜谱。进一步说，如果我的信息被象这样的标记符（有意义的标记符）包围 - 我可以告诉其它程序如何使用它们。我还可以通过编码把标记符中的内容放入数据库的某个域中，然后把它输出到一本书的硬拷贝中。还有，我可以用一个支持XML的字处理器使网页的出版轻而易举。这就是XML的本质：使标记对人和机器都可读。但是在实现这个目标之前，应该理解用XML编码所涉及的东西。文档要组织良好 一个XML文件必须满足两点：组织良好和有效。我们以一个组织良好的文档开始。我发明了一些描述菜谱的标记符，并把它们组织成一种合理和可读的方式。它可能不是最好的标记，但是在下面的例子中工作得很好。Carol SchmidtChocolate Chip BarsDinner Dessert 2/3 C butter 2 C brown sugar 1 tsp vanilla 1 3/4 C unsifted all-purpose flour 1 1/2 tsp baking powder 1/2 tsp salt 3 eggs 1/2 C chopped nuts 2 cups (12-oz pkg.) semi-sweet choc. chips Preheat oven to 350 degrees. Melt butter;combine with brown sugar and vanilla in large mixing bowl.Set aside to cool. Combine flour, baking powder, and salt; set aside.Add eggs to cooled sugar mixture; beat well. Stir in reserved dryingredients, nuts, and chips.Spread in greased 13-by-9-inch pan. Bake for 25 to 30 minutes until goldenbrown; cool. Cut into squares. 这就是一份可以接受的XML文档 - 告诉你XML是什么：把数据以一种有实际意义的方式进行组织。虽然这些标记符看起来有点象HTML，但是有很大的区别：文件中没有指出数据如何表示的信息。版面指令，当我们准备好时，就会从其它地方出现。这和把地址簿的信息放在数据库的字段和记录中而不是放在字处理器产生的清单中的道理一样。数据库可以让你把地址簿中的信息合成到标签、信封、信件或其它任何想要的载体上面。最后，就是把这份菜谱文件合成到一种表现语言中，如HTML或CSS。前面说过，XML文档必须组织良好。这意味着文件必须满足以下三项基本规则： 文档以XML定义开始。 有一个包含所有其它内容的根元素，如上面例子中的和标记符。 所有元素必须合理地嵌套，不允许交叉嵌套。 上面的例子中，几个元素被合理地嵌套和标记符中。但是下面的标记却有严重的问题：chocolate chips于是chocolate chips没有被包含在ingredients清单中。因此这份文档就没有组织好。这在HTML中可能不算什么，因为浏览器已经被设计成可以处理这种问题。但是在XML中却是致命的 - 应用程序将拒绝处理没有组织好的文件。我们现在知道组织良好非常重要，但是还不止这些文档格式的排错 我妈妈_的清单中有数十条菜谱，甚至数百条。如果产生一个致命错误，排错将非常困难 - 你将一行一行地寻找丢失的标记符。如果使用几层嵌套，发现错误将很困难。但是可以找到很好的帮助。分析器 - XML代码和报告格式错误的应用程序可以在网上免费得到。其中最好的是Lark，它的作者是由Tim Bray - XML规范的技术编辑和极力鼓吹者，地球上最聪明的人之一。我用Lark分析下面的代码。注意chocolate chips和它的关闭标记符出现在 标记符中的位置有错误：Carol SchmidtChocolate Chip BarsDinnerDessert2/3 C butter2 C brown sugar1 tsp vanilla1 3/4 C unsifted all-purpose flour1 1/2 tsp baking powder1/2 tsp salt3 eggs1/2 C chopped nuts2 cups (12-oz pkg.) semi-sweet choc.chipsPreheat overn to 350 degrees. Melt butter;combine with brown sugar and vanilla in large mixing bowl.Set aside to cool. Combine flour, baking powder, and salt; set aside.Add eggs to cooled sugar mixture; beat well. Stir in reserved dryingredients, nuts, and chips.Spread in greased 13-by-9-inch pan. Bake for 25 to 30 minutesuntil golden brown; cool. Cut into squares.下面是分析器返回的结果：Error ReportLine 17, column 22: Encountered expected . assumed Line 18, column 36: Encountered with no start-tag.有了这种信息，找到错误将不会成为问题。那么XML文件的有效性是指什么呢？实现有效性 最终我们将在组织良好的XML文档中加入信息。实际上，我们有很多事要做 - 仍然有危机潜伏 - 虽然XML文件组织良好，但还可能丢失关键信息。看看下面的例子： Carol Schmidt Chocolate Chip Bars Dinner Dessert Melt butter; combine with, etc. . 这份菜谱中没有包含ingredient，而且因为它组织良好，所以Lark分析器也不会发现问题。管理过哪怕是最和善的数据库的人都知道我们人类常犯的错误：如果有机会，我们会丢掉关键信息并加入无用的废话。这就是为什么XML的发明者引入DTD - 文档类型定义（Document Type Definition）。DTD提供了一种保证XML或多或少是你所想的方法。让我们看看用在菜谱上的一个DTD。!DOCTYPE list 这些代码起初看起来不够友好，但当把它分解时却能看出其中的意义。让我们详细解释之：!DOCTYPE list 这行是说，包含在方括号中的是具有根元素的某个文档的DTD。如我们以前提到的，根元素包含所有其它元素。这行定义了标记符。圆括号是说其中的四种标记符必须按照顺序出现在标记符中。这行需要详细的解释。我定义了以下的结构：Here the meal name is mandatory One course name may appear, but it is notmandatory我这样做是因为，按照我的想法，午餐不一定特定某道菜，但是晚餐可能要指出开胃食品、主菜和餐后甜点。通过指定#PCDATA - 表示经过分析的字符数据（即非二进制数据）来实现这个功能。这里，#PCDATA是文本 - 例如，“dinner”。course后面的问号表示0或1对标记符将出现在标记符内。现在让我们看看下一行：这里的加号表示至少有一对标记符应出现在标记符内。我们感兴趣的最后一行是：我把sub_item*作为一项安全措施。除了要求每个item的文本之外，我希望计算每个item的内容的数量。星号是说在标记符中可以有子条目的数目。我不需要Chocolate Chip Bars菜谱的任何子条目，但是当它的组成成分很复杂时就用得着。现在让我们把这些放在一起看看我们能得到什么。DTD的完整例子 下面是一个完整的例子。我把另一个菜谱加入文件内，并为DTD做了注释。可以注意到我在第二个菜谱中用到子条目。!DOCTYPE list Carol Schmidt Chocolate Chip Bars Dinner Dessert 2/3 C butter 2 C brown sugar 1 tsp vanilla 1 3/4 C unsifted all-purpose flour 1 1/2 tsp baking powder 1/2 tsp salt 3 eggs 1/2 C chopped nuts 2 cups (12-oz pkg.) semi-sweetchoc. chips Preheat oven to 350 degrees. Melt butter; combinewith brown sugar and vanilla in large mixing bowl.Set aside to cool. Combine flour, baking powder, andsalt; set aside.Add eggs to cooled sugar mixture; beat well. Stir in reserved dry ingredients, nuts, and chips.Spread in greased 13-by-9-inch pan. Bake for 25 to 30minutes until golden brown; cool. Cut into squares. Pasta with tomato Sauce Dinner Entree 1 lb spaghetti 1 16-oz can diced tomatoes 4 cloves garlic 1 diced onion Italian seasoning oregano basil crushed red pepper Boil pasta. Saut garlic and onion. Add tomatoes.Serve hot. 既然有DTD，文档将被检查看是否符合DTD做出的限制。换句话说，我们要保证文档的有效性。为了达到这个目的，我们需要另一个工具：有效性分析器。微软的MSXML，一个基于Java的程序，使用容易又工作得很好。上面的文档经过这个程序的检查后没有发现错误。但是如果我检查一个ingredient标记符中没有包含条目的菜谱，将会返回以下信息：ingredients is not complete. Expected elements item.XML的未来 现在你已经知道XML。确实，结构有点复杂，而且DTD有各种可以定义文档可以包含的内容的选项。但还不只这些。考虑一个数据交换对其很重要的产业，如银行。银行使用所有权系统来跟踪内部的交易，但是如果他们在Web上使用一种通用的XML格式，那么他们必须描述交易信息给另一个机构或应用程序（如Quicken或MS Money）。当然，他们也可以在Web页面上表示数据。FYI：这个标记不存在。它叫做OFEX，开放金融交易格式（Open Financial Exchange）。在某种情况下，如果PC上的IE 4碰到一个 标记符，一个函数会被启动以给用户更新已安装的软件的机会。如果你用的是Windows 98，你可能看见过这种情况，但是不知道它是一个XML应用程序。这里我们有三个XML应用程序，看起来与Andy Grove在70年代看到的加法机、打字机和铅笔不同。但是与最终出现在PC上的应用程序相似，XML的好处可以被一般性地描述为：“当你使用人类和机器可读的标记符描述你的数据时，会有好事发生的。”这些好事是什么呢？我不知道。但是我也不知道我的PC上的下一代程序将会是什么样。只要数据以这种方式标记，可以产生不同的应用。你开始考虑它会扩展到什么程度了吗？我们有很多XML的实际应用可以谈论，我会在不久的将来谈到它们的。既然我们都是网民，以后将是XSL（扩展样式语言 -eXtensible Style Language）了。顺便提一句，这个菜谱确实是我妈妈_的，而且很杰出。如果你用之，再加半杯碎椰子。我写这篇文章是因为我真诚地关心你对我的看法。我担心的是：如果你读过我写的XML简介然后准备开始写自己的XML文档。于是你开始寻找一个已经建立的DTD来表示你的信息。你找到一个，如下所示：马上你就会认为Jay一定是一个白痴。他没有说关于ATTLIST和ENTITY的任何事 - 不管它们是什么。那么让我们谈谈这件事，先有一点耐心。上面这些行可能不好看，但实际上没什么。它们被用在DTD中来定义XML文档中的属性和实体。了解HTML的人会对这很清楚。属性是带有HTML标记符的条目，用来更准确地描述标记符。在经常出现的中，有两个属性：height和width。你在后面会看到，在XML文档使用属性与之很相似。对实体也没有什么新东西。如果你用过&，你就已经掌握了最基本的东西。一个被&和分号包围起来的字符串用来表示另一个或一套字符。（这里有ISO实体的完整清单。）当然，XML中属性和实体还有其它功能。这就不可避免地要引入语法，虽然不太多。一旦知道了这些，就会不费劲地使用XML文档。简化菜谱如果你读过我写的XML简介，你会记得用简单的标记符表示的菜谱中的组成成分，如2 cups flour。在写完那篇文章后，我在网上漫游，发现关于菜谱的另一个XML文档。其中的菜谱元素如下所示：flour这种方法有一个实际的好处：可以更容易控制数据。用第一种方法，标记符用来容纳一堆不同的信息。如果我想提取组成成分的清单而不需要各成分的量，我就不会那么做。我可以用如下的结构取得相似的功能：flour2cups这可以被处理，但是有两个问题：首先，item元素包含了混合的内容：文本和其它标记符。我很快就发现应该尽量避免这种结构。其次是标记符几乎没有独立的意义。很难想象只要units而不要实际的组成成分的情况。这些条目可以被简单描述，我宁愿把它们当作属性。首先要注意的是属性名，quantity和units只有被能够翻译它们的应用程序处理时才有意义。在被包含在有效的文档中之前，应告诉DTD来允许它。对于上面的ingredient元素，我们在DTD中只包含了以下代码：第一行看起来很熟悉 - 在任何DTD中都能看到的标准元素定义。每个ATTLIST行都依次包含以下信息：这是属性依附的元素。这里定义属性名。这里设置属性类型。CDATA代表字符数据。意味着处理器在属性内可以得到文本。最后的部分定义属性的缺省值。可以使用实际的数值，如3。这样，XML中空白长度的属性值将为3。输入的值将覆盖缺省值。在上面的例子中我没有设置特定的数量，而是使用XML的关键字#REQUIRED。它告诉处理器次属性必须包含一个值。如果空白，文档将不被处理。缺省值有另外两个关键字。第一个是#FIXED - 如果属性值在整个文档中保持相同的值。假设我定义一个image的标记符属性，所有图像的大小都相同，比如说100*50像素，就可以在DTD中这样定义属性：另一个关键字是#IMPLIED，表示属性可以包含值或是空的。下面让我们看看属性类型。如果你决定自己写DTD，可能需要一本解释ATTLIST语句中所有组合的XML的书。但是如果借用DTD，或许只知道CDATA和另外三种属性就性了。第一个是ID。它要求属性的值在文档中不重复。使用过数据库的人都知道唯一标志符的必要性。DTD ATTLIST语句看起来象这样：很难想象没有#REQUIRED缺省值的ID属性类型。如果那样，任何重复的或空的ID都会迫使处理器返回一个错误。ID必须以字母或下划线开始并且不能包含任何空格。NMTOKEN类型也使用上面的命名规则。但是允许重复。它被用做传递数据给应用程序的保障。大多数程序语言，包括Java和JavaScript，在模块名中不能有空格。大多数情况下，最好保证属性符合它们的规则。最后是枚举类型，不需要特定的关键字。而是用|符号包含在括号内的值，例如：如果有有限的可能的属性值，可以用这种方式。不会认为今天的课程无趣吧，那么就接着读吧！实体有五种预定义的XML实体，HTML编码者应该熟悉。XML文档中的字符&、和被分别表示为&、lt;、和'。XML很大程度上扩展了实体的功能 - 允许在DTD中定义实体以便在文档的其余部分使用。例如，我在XML文档中需要频繁使用词组Wired Digital，可以在DTD中这样表示：这样当我使用这个词组时，可以敲入&wd;。于是可以避免拼错和重复敲入相同的信息。实体可以起到字处理器中宏的作用。被替换的文本可以任意长，但是如果真是很长，可能要把信息存储在另一个文件中。可以通过外部实体参考来实现 - 在实体名和文件的URL中使用关键字SYSTEM：这些特征功能强大，但有一个缺点：在一个DTD内不能被扩展。为了实现扩展功能，需要一个称为参数实体的特殊工具。它在实体定义中通过在实体名前插入%实现。一旦被定义，参数定义可以通过用百分号和分号包围参数名来实现。为什么这么做？看看下面的代码：这段代码来自一个公用的XML名片草稿。当定义根元素时，作者发现更容易把信息分离到不同的参数实体中。如果看看其中的一个实体表现，我们就会知道为什么了。看看下面的prop.id实体：如果每个实体都用这么长的字符串表示，元素定义将很难阅读。现在可以读一些DTD了。Jay Greenspan ISO-8859-1 Entities NamedEntity NumericEntity Glyph Description - unused horizontaltab linefeed unused space ! ! exclamationmark doublequotationmark # # numbersign $ $ dollarsign % % percentsign & & & amperstand apostrophe ( ( leftparenthesis ) ) rightparenthesis * * asterisk + + plussign , , comma - - hyphen . . period(fullstop) NamedEntity NumericEntity Glyph Description / / solidus(slash) 0-9 digits0-9 : : colon ; ; semicolon greater-thansign ? ? questionmark commercialat A-Z letters A-Z leftsquarebracket reversesolidus(backslash) rightsquarebracket caret _ _ horizontalbar(underscore) acuteaccent a-z letters a-z leftcurlybrace | | verticalbar NamedEntity NumericEntity Glyph Description rightcurlybrace tilde - unused non-breakingspace invertedexclamation centsign poundsterling generalcurrencysign yensign brokenverticalbar sectionsign umlaut(dieresis) copyright feminineordinal leftanglequote, guillemotleft notsign softhyphen registeredtrademark macronaccent NamedEntity NumericEntity Glyph Description degreesign plusorminus superscripttwo superscriptthree acuteaccent microsign paragraphsign middledot cedilla superscriptone masculineordinal rightanglequote, guillemotright one-fourth one-half three-fourths invertedquestionmark uppercaseA, graveaccent uppercaseA, acuteaccent uppercaseA, circumflexaccent NamedEntity NumericEntity Glyph Description uppercaseA, tilde uppercaseA, dieresisorumlautmark uppercaseA, ring uppercaseAEdipthong(ligature) uppercaseC, cedilla uppercaseE, graveaccent uppercaseE, acuteaccent uppercaseE, circumflexaccent uppercaseE, dieresisorumlautmark uppercaseI, graveaccent uppercaseI, acuteaccent uppercaseI, circumflexaccent uppercaseI, dieresisorumlautmark uppercaseEth, Icelandic uppercaseN, tilde uppercaseO, graveaccent uppercaseO, acuteaccent uppercaseO, circumflexaccent uppercaseO, tilde NamedEntity NumericEntity Glyph Description uppercaseO, dieresisorumlautmark multiplysi