第三章 XML
XML概述
XML和HTML都是标准通用标记语言SGML的衍生语言。XML有以下特点：
- 大小写敏感，
与
不同。
- 结束标签不可省略。
- 若没有结束标签，元素必须以/结尾。
- 属性值必须用引号括起来。
- 所有的属性都必须有属性值。
xml文档的结构
XML应以一个文档头开始，如
<?xml version="1.0"?>
或者
<?xml version="1.0" encoding="UTF-8">
文档头之后是文档定义类型DTD，例如
<!DOCTYPE web-app PUBLIC "-//Sun MicroSystems, Inc.//DTD Web Application 2.2//EN"
"http://java.sun.com/j2ee/dtds/web-app_2_2.dtd"
但文档定义类型并不是必须的，最后XML文档的正文包括根元素，根元素包括子元素和文本。对于XML文档，属性只应该用来修改值的解释而不是指定值。
此外，XML文档中还会包括其他元素
- 字符引用：$#表示十进制值，&#x表示十六进制值。
- 实体引用：形式是&name;
- CDATA部分：用来限定界限。在其中的字符串不必被解释为标记。里面的字符串不能是]]>。
- 处理指令：指专门在处理XML文档应用程序中使用的指令，用限定其界限。
- 注释：用限定其界限，注释内不该含有--。
解析XML文档
解析器是这样一个程序：它读入一个文件，确定这个文件具有正确的格式，然后将其分解成各种元素。Java库中有两种解析器：
- 树形解析器：例如文档对象模型DOM解析器，将读入的XML文档转换成树结构。
- 流机制解析器：例如XML简单API(Simple API for XML, SAX)解析器，读入XML文档时生成对应的事件。
验证XML文档
如果要指定文档结构，可以提供一个文档类型定义DTD或一个XML Schema定义。DTD或schema包含了用于解释文档应如何构成的规则，这些规则指定了每个元素的合法子元素和属性。
文档类型定义
文档类型必须匹配根元素的名字，位于由[...]限定界限的块中。由于DTD会使得文件长度过长，可以转为SYSTEM声明实现这个目标，其中传入一个包含DTD的URL。
XML Schema
在文档中引用Schema文件时，需要在根元素中添加属性，例如
<?xml version="1.0"?>
<configuration xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:noNamespaceSchemaLocation="config.xsd">
...
</configuration>
这个声明说明Schema文件config.xsd会被用来验证该文档。
xsd:sequence结构和DTD中的连接符号等价，xsd:choice和|操作符等价。
解析带有Schema的XML文件有以下几点要求：
-
必须打开对命名空间的支持。
-
必须对Schema工厂有以下处理
final Sting JAXP_SCHEMA_LANGUAGE = "http://java.sun.com/xml/jaxp/properties/schemaLanguage"; final String W3C_XML_SCHEMA = "http://www.w3.org/2001/XMLSchema"; factory.setAttribute(JAXP_SCHEMA_LANGUAGE, W3C_XML_SCHEMA);
使用命名空间
XML用命名空间来避免名字冲突，名字空间由URI来标识。之所以使用HTTP URL作为命名空间的标识符时因为这样方便确保它们是独一无二的，例如主机部分的唯一性直接由域名系统保证。
流机制解析器
主要包括SAX解析器和StAX解析器，前者使用事件回调，后者提供了遍历解析事件的迭代器。
使用SAX解析器
SAX解析器在解析XML输入数据的各个组成部分时会报告事件，但不会以任何方式存储文档，实际上DOM解析器是在SAX解析器的基础上构建的，它在接收到解析器事件时构建DOM树。
XHTML是一种HTML方言，且是良构的XML。
生成XML文档
生成XML文档的过程是用文档的内容构建一颗DOM树，然后再写出该树的所有内容。
带命名空间的文档
相比不带命名空间的文档，创建带命名空间的文档有以下步骤。
- 将生成器工厂设置为命名空间感知。
- 使用createElementNS而不是createElement来创建所有节点。
XSL转换
XSL转换机制可以指定将XML转换为其他格式的规则。