XML技术讲座之二

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：

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：

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：

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：

下面是一个例子，它是描述辞典信息的XML文档：

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：

下面例子中定义了一个描述单位地址的通用实体：

在XML文件中可以如下使用这个实体：

• 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。

来源：网络世界