XML文档结构（转）

XML文档结构

------------原帖地址 http://hi.baidu.com/dljaye/blog/item/198fe1735488a9108701b0a8.html

 

1，XML声明
xml文档是由一组使用唯一名称标识的实体组成的。始终以一个声明开始，这个声明指定该文档遵循XML1.0的规范。XML也有一种逻辑结构，在逻辑上，文档的组成成部分包括声明，元素，注释，字符引用和处理指令。
以下是代码片段：
<?xml version="1.0" ?>

这个就是XML的声明，声明也是处理指令，在XML中，所有的处理指令都以<?开始，?>结束。<?后面紧跟的是处理指令的名称。XML处理指令要求指定一个version属性。并允许指定可选的standalone和encodeing，其中standalone是指是否允许使用外部声明，可设置为yes或no。yes是指定不使用外部声明。no为使用。encodeing是指作者使用的字符编码格式。有UTF-8,GBK,gb2312等等。
2，根元素
每个XML文件都必须有且只能有一个根元素。用于描述文档功能。可以自定义根元素。下例中的root为根元素。 以下是代码片段：
<root>...................</root>

3，XML代码
根据应用需要创建自定义的元素和属性。标签包括尖括号以及尖括号中的文本。元素是XML内容的基本单元。元素包括了开始标签、结束标签和标签之间的内容。
以下是代码片段：
<title>XML是可扩展标记语言</title>

整行统称为元素,其中<title></title>为标签,XML是可扩展标记语言是字符数据
XML的标记有：标签，注释，处理指令，DTD和引用等。
注释
在XML中，注释与HTML的一样，都是用<!-- 注释 -->指定注释。要遵循以下规则：

在注释中不应包含有“-”“—”等字符，以免XML解释器产生混淆。
注释不能放在标签中
注释不能写在第一行。第一行是XML声明。
注释不能嵌套
可跨行注释，与java中的注释块功能一样。
处理指令
凡是以<?开始， ?>结束的都是处理指令。XML声明就是一个处理指令。
标签间的字符数据的分类
标签间的字符数据可以是除了“<”以外的任何合法（Unicode）字符。“<”字符是预留作为标签的开始字符。字符数据分以下两类：

PCDATA（是指将要通过解析器进行解析的文本）
CDATA （是指不要通过解析器进行解析的文本）
其中不允许中CDATA块之内使用字符串“]]>”,因为它表示CDATA块的结束。
实体
实体可以是常用的短语，键盘字符，文件，数据库记录或任何包含数据的项。在XML中，有时实体内包含了些字符，如&,<,>,",'等。这些均需要对其进行转义，否则会对XML解释器生成错误。
字符
转义后字符

<
<

>
>

"
"

'
&apos;

&
&

在XML中出现以上字符的，均需要转义才能通过。
实体格式如下： 以下是代码片段：
<!ENTITY 实体引用名 "引用内容">

实体又分两类：
1，一般实体(格式：&实体引用名;)
2，参数实体(格式：%实体引用名;)
一般实体，可以在XML文档中的任何位置出现的实体称为一般实体。实体可以声明为内部实体还是外部实体。外部实体分SYSYTEM及PUBLIC两种。SYSYTEM引用本地计算机，PUBLIC引用公共计算机，外部实体格式如下：
<!ENTITY 引用名 SYSTEM(PUBLIC) "URI地址">
管理实体引用的规则包括：

引用实体前，必须先在XML文档中声明该实体。
实体引用不应含有任空空格。例如：& title; &title ;都是不对的。
实体引用的XML文件必须是格式良好的。
实体引用可以替代常规字符数据，也可以在标签属性中使用实体引用。如
<title value="&titlue" />
DOCTYPE声明
在XML文档中，<!DOCTYPE[...]>声明跟在XML声明的后面。实体也必须在DOCTYPE声明中声明。语法如下：
以下是代码片段：
<?xml version="1.0" unicode="UTF-8">
<!DOCTYPE[
.....在此声明实体<!ENTITY 实体引用名 "引用内容">
]>

代码例子：
以下是代码片段：
<?xml version="1.0" encoding="GBK"?>
<!DOCTYPE root[
<!ENTITY titlue "引用字符1">
<!ENTITY titlue2 "引用字符2">
]>
<root>
<title value="&titlue;"> &titlue; </title>
<title2>
<value><a>&titlue2;</a></value>
</title2>
</root>

在IE是打开XML文件显示为：
以下是代码片段：
<?xml version="1.0" encoding="GBK" ?>
<!DOCTYPE root (View Source for full doctype...)>
- <root>
<title value="引用字符1">引用字符1</title>

- <title2>
- <value>
<a>引用字符2</a>

</value>

</title2>

</root>

 

当满足以下条件时，是为格式良好的XML文档：
至少需要一个元素

XML标签区分大小写
应正确使用结束标签
正确的嵌套
应使用合法标签：标签必须以一个字母，下划线，或冒号开始，后面可以跟字母，数字，句号，冒号，下划线，连字符的组合。但不能有空格。也不应以XML开头，因为XML是保留字。
标记名称长度
应定义有效属性
应验证文档
在XML中，所有的值都被被为字符串。
解析器
解析器有两种类型：
1，非验证解析器：它检查文档的格式是否良好
2，验证解析器：使用DTD检查文档的有效性（分别有Apache的Xerces和Oracle XML Parser）
DTD：(Document)文档类型结构
DTD的一般结构如下：
<!DOCTYPE dtd-name[
<!ELEMENT element-name (element-content type)>
<!ATTLIST element-name attribute-name attribute-type default-value>
]>

element-name :元素名
element-content type：元素类型
attribute-name ：属性名
attribute-type:属性类型
default-value：默认值
空元素：EMPTY，指定该元素没有子元素或字符数据。<!ELEMENT element-name (EMPTY)>
带数据的元素：
<!ELEMENT element-name (#CDATA)> 包含有不会通过解析器解析的数据
<!ELEMENT element-name (#PCDATA)> 包含有要通过解析器解析的数据
<!ELEMENT element-name (ANY)> 包含零个或零个以上任何声明类型的子元素以及字符数据
带有子元素的元素
<!ELEMENT element-name (child-element-name1,child-element-name2....)> 多个子元素时用，号分隔
声明相同元素只出现一次
<!ELEMENT element-name (child-element-name)>
声明相同元素只出现零次或一次
<!ELEMENT element-name (child-element-name?)>
声明相同元素只出现一次或多次
<!ELEMENT element-name (child-element-name+)>
声明相同元素只出现零次或多次
<!ELEMENT element-name (child-element-name*)>
属性声明：
Default属性值：默认属性值
<!ATTLIST element-name attribute-name CDATA "default-value">
Implied属性值：可有可无
<!ATTLIST element-name attribute-name #IMPLIED>
Required属性值：指定属性为必须的
<!ATTLIST element-name attribute-name #REQUIRED>
Fixed属性值：属性值是固定的，使作者不能更改
<!ATTLIST element-name attribute-name CDATA(PCDATA) #FIXED "value">
Enumerated属性类型：使属性值成为一组固定合法值的一员
<!ATTLIST element-name attribute-name (1 | 2 | ....) "default-value">
DTD示例：
内部DTD 以下是代码片段：
<?xml version="1.0" encoding="GBK"?>
<!DOCTYPE root[
<!ELEMENT root (book*)>
<!ELEMENT book (name,title,versions,address)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT versions (#PCDATA)>
<!ELEMENT address (#PCDATA)>
<!ATTLIST title value CDATA #REQUIRED>
<!ATTLIST address value CDATA #FIXED "中国广东">
<!ATTLIST versions value (1.0 | 2.0 ) "1.0">
<!ENTITY addr "中国广东珠海">
]>
<root>
<book>
<name>XML</name>
<title value="a">xml可扩展语言</title>
<versions value="1.0">1.0</versions>
<address value="中国广东">&addr;</address>
</book>
<book>
<name>XML</name>
<title value="">xml可扩展语言</title>
<versions>1.0</versions>
<address value="中国广东">&addr;</address>
</book>
</root>

外部DTD使用语法如下：
<?xml version="1.0" encoding="GBK"?>
<!DOCTYPE 根元素的名称 SYSTEM "外部DTD文件URI">
<root>........<root>
此处的外部DTD文件内容为： 以下是代码片段：
<?xml version="1.0" encoding="GBK"?>
<!ELEMENT root (book*)>
<!ELEMENT book (name,title,versions,address)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT versions (#PCDATA)>
<!ELEMENT address (#PCDATA)>
<!ATTLIST title value CDATA #REQUIRED>
<!ATTLIST address value CDATA #FIXED "中国广东">
<!ATTLIST versions value (1.0 | 2.0 ) "1.0">
<!ENTITY addr "中国广东珠海">

保存为dtd文件。

在网上搜到的Xpath教程！

基本的XPath语法类似于在一个文件系统中定位文件,如果路径以斜线 / 开始, 那么该路径就表示到一个元素的绝对路径

/AAA
选择根元素AAA

<AAA>
<BBB/>
<CCC/>
<BBB/>
<BBB/>
<DDD>
<BBB/>
</DDD>
<CCC/>
</AAA>

 

/AAA/CCC
选择AAA的所有CCC子元素

<AAA>
<BBB/>
<CCC/>
<BBB/>
<BBB/>
<DDD>
<BBB/>
</DDD>
<CCC/>
</AAA>

 

/AAA/DDD/BBB
选择AAA的子元素DDD的所有子元素

<AAA>
<BBB/>
<CCC/>
<BBB/>
<BBB/>
<DDD>
<BBB/>
</DDD>
<CCC/>
</AAA>

 

如果路径以双斜线 // 开头, 则表示选择文档中所有满足双斜线//之后规则的元素(无论层级关系)

//BBB
选择所有BBB元素

<AAA>
<BBB/>
<CCC/>
<BBB/>
<DDD>
<BBB/>
</DDD>
<CCC>
<DDD>
<BBB/>
<BBB/>
</DDD>
</CCC>
</AAA>

 

//DDD/BBB
选择所有父元素是DDD的BBB元素

<AAA>
<BBB/>
<CCC/>
<BBB/>
<DDD>
<BBB/>
</DDD>
<CCC>
<DDD>
<BBB/>
<BBB/>
</DDD>
</CCC>
</AAA>

 

星号 * 表示选择所有由星号之前的路径所定位的元素

/AAA/CCC/DDD*/*/BBB
选择所有的有3个祖先元素的BBB元素

<AAA>
<XXX>
<DDD>
<BBB/>
<BBB/>
<EEE/>
<FFF/>
</DDD>
</XXX>
<CCC>
<DDD>
<BBB/>
<BBB/>
<EEE/>
<FFF/>
</DDD>
</CCC>
<CCC>
<BBB>
<BBB>
<BBB/>
</BBB>
</BBB>
</CCC>
</AAA>

 

//*
选择所有元素

<AAA>
<XXX>
<DDD>
<BBB/>
<BBB/>
<EEE/>
<FFF/>
</DDD>
</XXX>
<CCC>
<DDD>
<BBB/>
<BBB/>
<EEE/>
<FFF/>
</DDD>
</CCC>
<CCC>
<BBB>
<BBB>
<BBB/>
</BBB>
</BBB>
</CCC>
</AAA>

 

方块号里的表达式可以进一步的指定元素, 其中数字表示元素在选择集里的位置, 而last()函数则表示选择集中的最后一个元素.

/AAA/BBB[1]
选择AAA的第一个BBB子元素

<AAA>
<BBB/>
<BBB/>
<BBB/>
<BBB/>
</AAA>

 

/AAA/BBB[last()]
选择AAA的最后一个BBB子元素

<AAA>
<BBB/>
<BBB/>
<BBB/>
<BBB/>
</AAA>

 

属性通过前缀 @ 来指定

//@id
选择所有的id属性

<AAA>
<BBB id = "b1"/>
<BBB id = "b2"/>
<BBB name = "bbb"/>
<BBB/>
</AAA>

 

//BBB[@id]
选择有id属性的BBB元素

<AAA>
<BBB id = "b1"/>
<BBB id = "b2"/>
<BBB name = "bbb"/>
<BBB/>
</AAA>

 

//BBB[@name]
选择有name属性的BBB元素

<AAA>
<BBB id = "b1"/>
<BBB id = "b2"/>
<BBB name = "bbb"/>
<BBB/>
</AAA>

 

//BBB[@*]
选择有任意属性的BBB元素

<AAA>
<BBB id = "b1"/>
<BBB id = "b2"/>
<BBB name = "bbb"/>
<BBB/>
</AAA>

 

//BBB[not(@*)]
选择没有属性的BBB元素

<AAA>
<BBB id = "b1"/>
<BBB id = "b2"/>
<BBB name = "bbb"/>
<BBB/>
</AAA>

 

属性的值可以被用来作为选择的准则, normalize-space函数删除了前部和尾部的空格, 并且把连续的空格串替换为一个单一的空格