XML语法

XML语法

与HTML不同，XML对于语法有着严格的规定，只有当一个XML文档符合"格式良好"的基本要求时，处理程序才能对它加以分析和处理。"格式良好的"这一标准通过对XML文档的各个逻辑成分和物理成分进行语法规定，保证了XML严密的条理性、逻辑性和良好的结构性，从而大大提高了XML应用处理程序处理XML数据的准确性和效率。实际上，格式良好的要求就是XML规范的语法要求，一个简单的检验方法就是用Internet Explorer4.01以上版本打开正在编辑的XML文档，如果报错，这个文档就不是"格式良好的"。
----XML文档的结构包括逻辑结构和物理结构。
一、逻辑结构

----一个XML文档通常以一个XML声明开始，通过XML元素来组织XML数据。XML元素包括标记和字符数据。为了组织数据更加方便、清晰，还可以在字符数据中引入CDATA数据块，并可以在文档中引入注释。此外，由于有时需要给XML处理程序提供一些指示信息，XML文档中可以包含处理指令。具体说来，各个逻辑元素的作用和形式如下：

----1. XML声明

----XML声明是处理指令的一种，一个XML文档最好以一个XML声明作为开始。下面是一个完整的XML声明：

<?xml version = "1.0" encoding = "GB2312" standalone = "no"?>

----在一个XML的处理指令中必须包括version属性，指明所采用的XML的版本号，而且它必须在属性列表中排在第一位。standalone属性表明该XML文档是否和一个外部文档类型定义DTD配套使用。encoding属性则指明了数据所采用的编码标准。
----2．元素

----元素是XML文档内容的基本单元。从语法上讲，一个元素包含一个起始标记、一个结束标记以及标记之间的数据内容。其形式是：

<标记>数据内容</标记>

----对于标记有以下语法规定：
----(1) 标记必不可少。任何一个格式良好的XML文档中至少要有一个元素。
----(2) 大小写有别。
----(3) 要有正确的结束标记。结束标记除了要和起始标记在拼写和大小写上完全相同，还必须在前面加上一个斜杠"/"。当一对标记之间没有任何文本内容时，可以不写结束标记，而在起始标记的最后冠以斜杠"/"来确认。这样的标记称为"空标记"。
----(4) 标记要正确嵌套。
----(5) 标记命名要合法。标记名应该以字母、下划线"_"或冒号":"开头，后面跟字母、数字、句号". "、冒号、下划线或连字符"-"，但是中间不能有空格，而且任何标记名不能以"xml"（或者"xml"大小写的任何组合，如"XML"、"xML"、"xmL"等等）起始。
----(6) 有效使用属性。标记中可以包含任意多个属性，属性以名称/取值对出现，属性名不能重复，名称与取值之间用等号"="分隔，且取值用引号引起来。

----3．CDATA节
----在标记CDATA下，所有的标记、实体引用都被忽略，而被XML处理程序一视同仁地当作字符数据看待。CDATA的形式如下：

<！[CDATA[ 文本内容 ]] >

----CDATA的文本内容中不能出现字符串"]]>"，另外，CDATA不能嵌套，
----4．注释

----有些时候，人们希望在XML文档中加入一些用作解释的字符数据，并且希望XML处理器不对它们进行任何处理。这种类型的文本称作注释（COMMENT）文本，在XML中，注释的方法与HTML完全相同，用"<！--"和"-->"将注释文本引起来。对于注释还有以下规定：
----(1) 在注释文本中不能出现字符"-"或字符串"--"
----(2) 不要把注释文本放在标记之中，类似地，不要把注释文本放在实体声明之中或之前。
----(3) 注释不能被嵌套。

----5．处理指令PI
----处理指令是用来给处理XML文档的应用程序提供信息的，XML分析器把这些信息原封不动地传给应用程序，由应用程序来解释这个指令，遵照它所提供的信息进行处理。处理指令应该遵循下面的格式：

<？处理指令名 处理指令信息 >

----下面是一个例子，它是描述辞典信息的XML文档：

[1] <?xml version="1.0" encoding="GB2312" standalone="no"?> [2] <?xml-stylesheet type="text/xsl" href="mystyle.xsl"?> [3] <辞典> [4] <词条> [5] <词目>XML</词目> [6] <解释>XML是一种可扩展的元置标语言，它可用以规定新的置标规则，并根据这个规则组织数据。</解释> [7] <示例> [8] <!-- 一个XML的例子 --> [9] <![CDATA[ [10] <学生> [11] <学号>001</学号> [12] <姓名>张三</姓名> [13] </学生> [14] ]]> [15] </示例> [16] </词条> [17]</辞典>

----这个例子中出现的逻辑要素有：
----[1] 是XML声明。
----[2] 是处理指令。
----[3]--[17] 是文档中的各个元素。在[5]行的"<词目>XML</词目>"中，"<词---- 目>""</词目>"是标记，"XML"是字符数据。
----[8] 是注释。
----[9]--[14] 是CDATA节。

----二、物理结构

----从物理结构上讲，XML文档是由一个或多个存贮单元构成的，这些存贮单元就是所谓的实体。所有的XML文档都包含了一个"根实体"，又称作"文档实体"。这个实体是由XML本身给出的，无须显式定义就可以使用，它指的其实就是整个文档的内容，是XML语法分析器处理的起点。除此之外，可能还需要用到其他一些实体，这些实体都用名字来标识，在文件类型定义DTD中给出定义。
----简单地说，实体充当着和别名类似的角色，即，一个简单的实体名称可以用来代表一大段文本内容。象任何计算机别名系统一样，实体引用简化了录入工作，因为每当要使用同样一大段文本时，只须使用它的别名就可以了，处理器会自动把这个别名替换为相应的文本。
----实体分为两大类，如下表所示：

类型	通用实体	参数实体
使用场合	用在XML文档中	只用在DTD中元素和属性的声明中
声明方式	内部	<!ENTITY 实体名 "文本内容">	<!ENTITY % 实体名 "文本内容">
外部	<!ENTITY 实体名SYSTEM"外部文件URL地址">	<!ENTITY % 实体名SYSTEM"外部文件URL地址">
引用方式	&实体名；	%实体名；

下面例子中定义了一个描述单位地址的通用实体：

<!ENTITY address "北京市海淀区学府路88号，100000">

----在XML文件中可以如下使用这个实体：

<客户> <姓名> 王五</姓名> <电话> （010）62626666</电话> <联系地址> &address;</联系地址> </客户>

----实体引用有以下几点规则：

除了XML标准规定的预定义实体以外，在XML文档引用一个实体之前，必须已经对此实体进行过声明。

实体引用中不能出现空格。

尽管在一个实体中可以再引用其他实体，但是不能出现循环引用。

实体引用的文档必须符合XML语法的种种要求

任何一个独立的逻辑要素，比如元素、标记、注释、处理指令、实体引用等等，都不能开始于一个实体，而结束于另一个实体。

----如果在属性中出现实体引用，不但要遵守前面所述的实体引用的种种规则，还要注意以下两点：

在标记属性中不能引用一个外部实体。

引用的文本中不能出现字符"<"，否则替换后就不再是一个"格式良好的"XML文件了。