XML基础

虽说我认为上面的东西基本上不言自明，但我也意识到，很多人并不是很清楚XML的基本概念。所以，我准备把上面的东西解释一遍，只解释那些我认为确实有必要解释的东西。
一个XML文档就是一个文本文档。跟普通文本文档完全相同。只不过，它可能会比别的文本文档多了一些限制而已。一般来说，我们对于XML文档的直观认识就是：里面有大量的尖括号：）。是的，确实如此。XML文档被要求是Unicode字符集的文本文档。当然，它可能有多种编码方式（比如：utf7、utf8、utf16le、utf16ge等等），但这不是我们关注的焦点。顺便说一句，xml文档一般不需要bom字符，当然如果你加上了bom，你的xml必须没有prolog。后面我会讲到prolog是啥。
xml的基本思想就是对文本数据打上标记，用以更精确的表达这些文本数据的含义。举个例子1977/2/19 5:55:00这个文本数据，我们直觉它应该是一个timestamp，但是实际上它可能是任意东西，比如一种食品的名称：），虽然显得有些怪异。而如果我们用<birthday>1977/2/19 5:55:00</birthday>来表达这个数据，我们就有把握的说，这个数据是一个生日。注意：尖括号中的数据是用来说明原始数据的，它们被称作标签。前面的那个叫做前标签，后面的那个叫做后标签。tag。注意它们的特征。前后相同，后面多了一个/，都是用<>括起来的。这就是XML，也就是一种给数据打标签的方式。数据加上标签作为一个整体被称为一个元素。Element。

XML中的X表达的是可扩展性，其基本意思就是说：XML本身没有定义任何tag，你可以用你觉得舒服的任何tag对数据作标记，设想一下我们比较熟悉的HTML，会发觉其实它就是规定了tag集合的一种标记语言。

<深入>
有时候我们也会迷惑，如果没有任何预定义的tag，我们对数据进行标记岂不是成了自己逗自己玩？是啊，我自己用了一个标记，想用来表达某些含义，可是谁知道是什么含义呢？除了我自己？如果大家都不知道，我这个标记还有更大的意义么？
可以说，上面这个问题是一个本质问题。如果我们找不到XML存在的意义，我们就不值得去学习它，不是么？
我要提到的一个概念叫做XML Application。什么是XML Application？它就是：规定了一系列tag的含义的一个XML规范。我们可以而且也只能用这些被规定好的tag来标记数据了。又有人不明白了，这……这跟HTML还有区别么？我们说，现在看来暂时没有：）。不过马上我就告诉你其中的区别了。
一、HTML是一个全世界统一的标准，而我们的XML Application可以是在一个范围内有效的标准。
这提供了什么好处呢？最大的好处就是，我可以只需要试图说服一部分人而不是所有人都遵守，这样，我的这个约定就比较容易实施。
二、可以有多个约定，也就是说，可以有多个XML Application。
这个的用处大家就比较清楚了，我可以约定一套用于数学公式的标签集合，也可以约定一套用于音乐的标签集合，两者互不干扰。而HTML只有一套tag集合。却试图表达整个世界。
三、这多个XML Application可以互相混合。
哇，太好了，我真的可以描述整个世界了。可是这又会引发一个问题——这些标签冲突怎么办？
这儿，XML引入了一个namespace的概念。简单的说，不是同一个namespace中的标签，就算其名字相同，我们也知道它们是两码事，不会冲突。可是怎么保证namespace的名字不冲突呢？毕竟，我说我的标签都是dup这个namespace里面的，而这并不能阻止你让你的标签也是dup这个namespace。我们的W3C委员会非常聪明的解决了这个问题：它们规定namespace必须是一个URI，通俗的说，就是一个网址。我们知道，网址是保证全球唯一的。但是，由于网址的书写不过方便——毕竟太长了（更深层次的原因是：它们有些字符是不允许出现的），我们被允许可以起一个别名。当然，这个方案对于故意捣乱者也是无能为力……，不过，这就是另一回事情了。
备注：其实，现在已经定义了好多XML Appliction了。有很多已经被公认了，大家都在用：）。当然，这并不阻止你自己定义自己的Application。顺便说一句，定义Application需要使用Schema，有各种Schema可以用，包括DTD，XML Schema（schemaLocation），Schematron，RELAX NG等等。其中，很多都是一个具体的XML Application。哦，我要晕了。
关于名字空间，我给大家一个直观的感受，看例子：
<music:goal xmlns:music = "http://www.music.com/schemas/music">
<music:time music:duration = "3d"/>
<math:item xmlns:math = "http://www.math.com.cn/">
<math:line path = "12, 38, 42, 77"/>
<music:timeStamp math:value = "20082324234" />
</math:item>
</music:goal>
上面的例子中，涉及到两个名字空间，http://www.music.com/schemas/music和http://www.math.com.cn/，对于这俩名字空间，我们起的别名分别是music和math，这样，我们的元素的tag就可以用namespaceName:前缀来区分了。如果我们不理会名字空间，我们完全可以把namespaceName:tagName看成一个整体。另外，强调一下，名字空间的别名是可以随便起的，只要在同一个文档中不重复就行了。
</深入>

一个XML文档要求最多一个元素。不过，需要提醒大家的是，元素可以嵌套，嵌套的层次（深度）没有任何限制。我举个例子大家就会很明白了：
<person>
<name>dup</name>
<birthday>1977/2/19 5:55:00</birthday>
<description>
<strongPoint id = "first">smalltalk</strongPoint>
<strongPoint id = "second">eat</strongPoint>
<interest>play pingpang</interest>
</description>
</person>
上面就是一个元素嵌套的例子。我想大家应该觉得非常简单。形式是不重要的（比如缩进换行什么的）。只要保证正常的嵌套关系没有搞混乱就行。

元素可以直接或者间接递归。比如：x元素可以有叫做x的子元素，或者其子孙中有叫做x的元素。

顺便我把子，子孙，父，祖先这个几个概念说一下。还是上面的例子，name，birthday，description是person的子。所有的子以及子的所有的子，依次递推下去，这些元素的总和叫做子孙。也就是说，直接的子和间接的子。父相对于子。一个元素只能有一个父。比如：strongPoint的父是description。祖先是父以及其父，依次递推直至最上层元素的那个集合，比如：strongPoint的祖先是description，person。

XML文档中，除了Element以外，还有一些别的东西，我一一道来：）。

其实，上面那个嵌套的元素就已经有一些新鲜的玩艺儿了，比如：如果你仔细注意了的话，有几个（确切的说是两个）元素的前标签里面有一些我们以前没有提及的东西，我们把那东西叫属性。Attribute。Attribute的形式是：n = “v”，其中n是任意的字符串。v也是。一个元素可以有任意多个Attribute，它们的n不能重复。n被称作属性名，v被称作属性值。元素的属性一定是放在前标签里面的。

我们把前标签和后标签之间的文本称作Text。这些Text被称作元素的内容。一个元素的内容可以是Text，也可以是其它元素或者其他元素们，甚至可以是空白。当然，还可以是这些东西的组合。

如果一个Text是以<![CDATA[开头，并且以]]>结尾，那么这个Text就被称做是CDATASection，CDATA段。CDATA段一个显著的用意就是禁止被解释。也就是说，CDATA段中的内容，一律按照其原始的形式存在。甚至里面的标签什么的也不会被认为是标签了。只是普通字符而已。

注释是另一种东西，跟元素没有什么关系，它可以出现在在除了标签以外的任何地方，用来进行一个人可以理解的说明。注释的形式如下：<!-- ... -->其中...可以是任何东西，除了--。

DocumentType。文档类型，其实就是用来指定该XML文档所遵循的XML Application的Schema标准的那种东西。到现在为止，我只知道怎么使用它搞定用DTD定义的Schema，对于别的Schema，我不会使用这种方式，而是采用schemaLocation这个属性的方式来引用相关的文档类型定义。说实话，我不知道用schemaLocation这种方式引用Schema算不算文档类型。需要注意的是，如果一个XML没有引用相关的文档类型定义，也就是用于规定标签集合的Schema，那么这个文档就是普通的格式良好的。如果引用了，那么，XML文档的解释器会使用Schema规定的标签集及其结构验证该XML文档是否满足Schema的规定，故此，这时候的XML文档称作可验证的。DocumentType基本上是这样的语法： <!DOCTYPE schemaName PUBLIC "publicId" SYSTEM "systemId">，或许还有一些别的东西，比如规定实体（Entity）和记号（Notation）的，以及规定内部子集的。但是遗憾的是：这些语法我不明白，所以就不描述它们了。深入的东西可以看看inline DTD。
我举个例子说明一个DocumentType是什么样子的：
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN">
这就是一个特别常见和特别有用的DocumentType，其实说到这儿，我似乎应该深入的描述一下publicId的语法结构，但是，巾短话多，我就不烦你了，如果你有兴趣，参见W3C的规范。

Notation就是记号。这个东西说起来也很绕，原因是：我没有搞明白。所以略而不说。不过，可以告诉大家，在XML文档中碰到这个东西的时候非常好，而且就算碰到你也不会有感觉。所以不说也没有什么问题。
<高级>
记号是一个比较高级的主题，涉及到关于不可解析实体的处理问题。由于XML文档是一个纯文本文档，其中需要用tag作一些标记，用来规定数据的一些意义。这样，XML文档只能用来描述那些文本性质的数据。这些数据被称作可解析数据。也就是说，它们能够被XML解释器解析。但是，我们能用XML描述非文本性质的数据么？比如：二进制的数据，更具体的说，比如一个图片，一段音频什么的？我们说：我们的愿望是无穷的，不能这样就屈服了。我们就是要用XML描述二进制文件！可是我们XML的铁律就是不想让它去处理二进制数据啊。这时候，我们就需要Notation了，其实，Notation只是一个名字，一个记号，一个媒体类型，一个指示XML解析器用什么解释器来解释这种媒体。比如：我们定义了一种叫做PNG的Notation，我们就可以这样使用它了，首先，我们要在Schema中定义元素的某个属性，比如：image元素的src属性，然后，我们在XML文档中这样使用了，这样<image src="hello.png" style="width:20px; height:80px" show="embed" />，看看，我们能够描述二进制数据了吧。
在这个过程中，我们的XML解释器就很清楚的知道，image的src属性是一个PNG，它需要用PNG的解释器来帮助它解释这个数据。
也就是说，Notation这样的设施就给了XML部分的表达二进制数据的方式，这种数据从本质上讲是XML解析器不可解析的数据。前面的CDATASection就是一种XML解析器不会去解析的数据，是文本形式的。后面还会讲到的ProcessingInstruction也是一种描述不可解析的数据的手段，也是文本形式的。
</高级>

Entity，实体。最常见的也是必须的几个实体定义是：lt，gt，amp，quot，apos，分别表示<，>，&，"，'，它们本身是标签和属性需要使用的元字符，所以必须用实体引用来引用它们。

EntityReference就是那种&name;的那种东西，name是实体的名字，实体引用会被在引用处替换为实体本身。

ProcessingInstruction，处理指令。其基本语法如下：<?target content?>target是一个外部程序，content是一个字符串，这个字符串是将会被交给target这个外部程序去解释和处理的。我举个例子来说明：<?php print "hello"?>，这就是一个处理指令，content可以任意复杂，都会交给target取处理。另一个用法是：<?xml-stylesheet href="trans.xsl" type="text/xsl"?>它是一种类似于HTML Link的东西，表示引用trans.xsl这个样式单。这种PI的content的组成方式跟Element前标签的Attributes很像，我们一般称它们为伪属性。

一个比较奇特的符合处理指令语法的但是不是处理指令的东西是：<?xml version="1.0" encoding="UTF-8"?>它跟上面的那个xml-stylesheet PI很像，但用途市绝对不一样的。这个语法要素要么不出现，要么只出现一次，而且必须出现在开头，绝对的开头，它前面不能有任何空白字符。它在某种程度上完成了BOM的作用。

上面所有的东西都被称为节点。所有的这些节点组合以来就是XML文档。Document。

PS：XML规范中对于字符的处理是非常复杂的，但是，我没有描述这些东西，因为，这些东西不太重要（对于普通用户来说），而且，XML规范中对于字符的处理也有点太复杂了。达到了夸张的地步。

好了，这就是XML文档，其实是非常简单的。但是，这个我们上一篇文章中给出的XML Core DOM有什么关系呢？

XML文档是一个普通的文本字节流，而XML Core DOM是一个XML文档解析器根据这个XML文档构造的一颗树，一棵结点组成的树，其根就是称作Document的东西。ok，这就是XML基础的全部。我们可以通过XML Core DOM提供的接口，遍历这一棵树，访问和修改各个节点，凭空生成和插入新的节点，删除某些节点。处理各种用户自定义的数据等等。现在，你能够看明白上一篇文章 的那些接口及其含义了么？