【文章內(nèi)容簡介】 考慮 XML 解析10 XML 快速解析技術(shù) 器的存在及帶來的問題。 注釋 在 XML 文件中，注釋用來表示那些技術(shù)上不是文件內(nèi)容的信息。與編程語言中的注釋一樣， XML 注釋被用來提供文件數(shù)據(jù)的說明，這完全是為了用戶了解程序。換句話說， XML 解析器和應(yīng)用程序通常會忽略注釋。技術(shù)上，解析器將注釋返回給應(yīng)用程序是有可能的，這對開發(fā)支持注釋的 XML 應(yīng)用很有好處。 注釋可以被用在 XML 文件有解析字符數(shù)據(jù)出現(xiàn)的任何地方。為解析字符數(shù)據(jù)（ CDATA）片斷是這一規(guī)則的唯一例外。注釋可以出現(xiàn)在 CDATA 片段， 但他們并不作為注釋來處理。 注釋以 !開始，并以 結(jié)束。對注釋的唯一限制就是在注釋中不能包含兩個連續(xù)的連字符。因為這會和 XML 的注釋語法發(fā)生沖突。在該例子中，下面的注釋被用來描述地址簿中特定的聯(lián)系人。 !–This is my good friend Frank.. 這個注釋中包含的信息不被當(dāng)作是 XML 文件數(shù)據(jù)的一部分。 處理指令 XML 語法不僅僅涉及了字符數(shù)據(jù)和標(biāo)記，其中還包含了處理指令。處理指令是一些用來由處理 XML 文件的應(yīng)用程序使用的特殊指令。 XML 解析器并不處理處理指令，相反，它將處理指 令返回給應(yīng)用程序。處理指令通常以小問號和問號（ ？）開始而已問號和大于號（ ?）結(jié)束。最明顯的一個處理指令的例子就是眾所周知的 xml 處理指令，在地址簿的例子中是： ?xml version=‖‖encoding=―UTF8‖standalone=―yes‖? 這個處理指令指出了這個文件是基于 XML 版本 的。 xml 處理指令中的version 屬性使得 XML 可以持續(xù)發(fā)展而不會由于存在不同的版本而產(chǎn)生問題。這還使應(yīng)用程序在試圖處理一個不支持版本的文件時，可以提示給用戶。 第二章 可擴(kuò)展標(biāo)記語言 11 CDATA 段 未解析字符數(shù)據(jù) 片段，也就是 CDATA 片段，被用來在 XML 文件中將那些不需要 XML 解析器處理的內(nèi)容分開。具體地說， XML 文件的 CDATA 片段包含的是不需要作為 XML 字符數(shù)據(jù)解析的內(nèi)容。通過將 CDATA 片段 ![CDATA[和 ]]之間來定義。下面是一個 CDATA 片段的例子： ![CDATA[ nameJack Tors/name address1816 N Street/address ]] cityNew York/city stateNew York/state 在該例子中，元素 name 和元素 address 不被當(dāng)作 XML 標(biāo)記，而其中的數(shù)據(jù)也不能被當(dāng)作解析的字符數(shù)據(jù)，因為這些標(biāo)記被放在 CDATA 片段中。為了使文件中的內(nèi)容被當(dāng)作 XML 標(biāo)記和解析的字符數(shù)據(jù)來處理， XML 解析器必須能夠解析它。由于 name 標(biāo)記和 address 標(biāo)記被放在了未被解析的 CDATA 片段中，所以它們不會被解析。盡管這個例子說明了如何將一般的 XML 元素放在 CDATA 片段中，通常使用 CDATA 片段來將一段 XML 代碼引用出來，尤其是在 XML 幫助以及其他 XML 文件中。 XML 相關(guān)技術(shù)和標(biāo)準(zhǔn) XML 不是一 項獨(dú)立的技術(shù)，它包含了很多其他相關(guān)技術(shù)和標(biāo)準(zhǔn)，例如 DTD、 XML模式（ Schema）、名域（ Namespace）、 XLink,、 XPath、 XPointer、 XHTML、 XSL、CSS、 DOM、 SAX 和 SOAP 等。下面對其中幾項關(guān)鍵技術(shù)進(jìn)行簡要介紹。 DTD 和模式 XML 提供兩種控制文檔內(nèi)容的機(jī)制，一種是 DTD（ Document Type Definition，文檔類型定義），另一種是 XML 模式（ Schema） [6]。 12 XML 快速解析技術(shù) DTD 定義文檔的語法，而文檔的語法反過來能夠讓 XML 語法分析程序確認(rèn)某個文檔標(biāo)記使用的合 法性。 DTD 可以定義文檔的元素、元素的屬性以及元素和屬性之間的關(guān)系。例如， DTD 能夠規(guī)定何時及如何使用某元素，該元素表示什么以及如何在軟件中處理該元素。 DTD 分為內(nèi)部和外部兩種。內(nèi)部 DTD 被包含在 XML 主文檔之中，而外部DTD 則是從 XML 主文檔中分離出來的一個單獨(dú)的文件。圖 是 XML 文檔的外部 DTD[7]。 目前，在幾乎所有的行業(yè)和領(lǐng)域中， DTD 都已存在。開發(fā)者常常不需要建立他們自己的 DTD，但如果未發(fā)現(xiàn)適合自己的已存在的 DTD，也可以選擇使用 現(xiàn)有的 DTD 的一部分并以它為基礎(chǔ)進(jìn)行開發(fā)。 由于 DTD 存在結(jié)構(gòu)封閉、不支持名域、沒有數(shù)據(jù)類型和不是 XML 文檔等若干缺陷， W3C 后來開發(fā)了 XML 模式（ Schema）。通過提供對結(jié)構(gòu)和內(nèi)容的約束，XML 模式定義一類 XML 文檔。使用模式指出文檔中允許哪些元素、它們可能有哪些屬性以及它們可能包含什么。 XML 模式是一個 XML 文檔，可以使用 XML 工具創(chuàng)建并編輯它。當(dāng)實(shí)際使用模式并將它應(yīng)用于一個良構(gòu) XML 文檔，就會產(chǎn)生一個擴(kuò)充文檔，該過程稱為!ENTITY%Attdecl―CDATAREQUIRED‖ !ELEMENT books(book+) !ELEMENT book(author,title,price) !ELEMENT author(PCDATA) !ELEMENT title(PCDATA) !ELEMENT price(PCDATA) !ATTLIST book category%Attdecl published%Attdecl 屬性聲明 實(shí)體聲明 元素聲明 實(shí)體引用 圖 DTD 示例 （ ） 第二章 可擴(kuò)展標(biāo)記語言 13 模式檢驗。模式處理程序?qū)@示這個文檔是否符合該模式，即文檔是否有效。模式檢驗比 DTD 檢驗走的更遠(yuǎn)，因為模式可以比 DTD 對文檔強(qiáng)加更多約束（例如指定元素的文本內(nèi)容）。因此， XML 模式雖然類似于 DTD，卻比 DTD 功能更強(qiáng)。 名域 XML 名域（ Namespace）是一種“限定”一組元素和屬性的方法。它是在一個文檔中混合來自多個 DTD 的元素或多組名字并聲明哪些元素和屬性來自哪組名字的一條途徑。使用 XML 名域的主要原因有三個：混合詞匯、混合文檔片斷以及確定保留名。使用名域說明將一個 URI 引用與一個或多個 XML 元素聯(lián)系在一起，作為一個前綴將它們相互區(qū)分開。如果兩個元素同名但 URI 前綴不同，那么它 們就是不同的元素，從而避免了名稱沖突，擴(kuò)大了應(yīng)用范圍。 從圖 中可以看出，“ title”雖然出現(xiàn)了兩次，但由于使用了“ bk”和“ authr”兩個不同的前綴，從而很容易地被區(qū)分開來 [8]。 ?xml version=’’? libraryentry xmlns:authr=‖‖xmlns:bk=‖‖ bk:book bk:titleXML Sample/bk:title bk:pages210/bk:pages bk:isbn1868640342/bk:isbn authr:author authr:firstnameJoe/authr:firstname authr:lastnameBlack/authr:lastname authr:titleProfessor/authr:title /authr:author /bk:book /libraryentry 圖 名域示例 14 XML 快速解析技術(shù) XLink XLink（ XML Linking Language， XML 鏈接語言）可以在 XML 中創(chuàng)建從某個資源到其他資源的超文本鏈接。使用 XLink 創(chuàng)建鏈接時，其實(shí)是指定了兩個或更多資源，然后連接它們。連接叫做弧，并有一個方向。 XLink 表示資源之間或資源各部分 之間的一種關(guān)系，而資源可以是賦予 URI 的任何東西。 XLink 的功能十分強(qiáng)大，與 HTML 和 XHTML 相比，它可以多向鏈接、注解鏈接、與不止兩個端點(diǎn)鏈接并能夠使用外部鏈接集。下面是一個 XML 簡單鏈接的例子： p xmlns:xlink=― ?????????????? a xlink:type=―simple‖xlink:href=―‖this works too/a XLink 規(guī)范引用另外兩個重要規(guī)范 XPath（ XML Path Language， XML 路徑語言）和 XPointer（ XML Pointer Language， XML 指針語言）。 XPath 用于表達(dá)從XML 文檔中一點(diǎn)到另一點(diǎn)的路徑，“ /recipeBook/Part[3]/Recipe[3]”是一個 XPath表達(dá)式，意思是要跟蹤該鏈接，應(yīng)從文檔頂層開始，找到 recipeBook 元素，然后在該元素內(nèi)找到第三個 Part 元素，抵達(dá)此處后再尋找第三個 Recipe 元素。 XPointer是 XLink 用來結(jié)合 XPath 的機(jī)制， XPointer 表達(dá)式總是寫成 xpointer（??），括號內(nèi)是 XPath 表達(dá)式。與 XLink 一道使用 XPath，可以構(gòu)造一個指向文檔內(nèi)特定點(diǎn)的鏈接。 XSL 目前，存在兩種顯示 XML 文檔的方法，一種是 CSS（ Cascading Style Sheet，層疊樣式表），另一種就是下面主要討論的 XSL（ Extensible Stylesheet Language，可擴(kuò)展樣式表語言）。 XSL 是一種專門為 XML 設(shè)計的樣式語言，它直接架構(gòu)在 XML 語法之上，是XML 的一種應(yīng)用。 XSL 由兩個標(biāo)準(zhǔn)組成，一個是 XSLT（ Extensible StylesheetLanguage Transformations，可擴(kuò)展樣式表語言轉(zhuǎn)換），另一個是 XSLFO（ ExtensibleStyle Language Formatting Objects，可擴(kuò)展樣式語言格式化對象）。 第二章 可擴(kuò)展標(biāo)記語言 15 XSLT 是一種將 XML 文檔轉(zhuǎn)換成各種格式（如 XML、 HTML、 PDF 及 SGML 等）的新文檔的標(biāo)記語言，人們可以用它按照自己的意愿處理一個 XML 文檔。 XSLFO則是描述 XSL 格式化對象的 XML 詞匯，它提供大量的格式化命令，用來說明新文檔以何種方式顯示給讀者。 利用 XSL，一個 XML 文檔可以根據(jù)不同的表示要求有不同的表示形式。圖 表示了 XSL 的工作流程，該流程概括起來說就是： XSL 處理器讀取一個 XML文檔和一個 XSL 樣式表，輸出符合樣式表的 XML 文檔的表示形式。整個過程可以分為兩個子過程：樹轉(zhuǎn)換（ tree transformation）和格式化（ formatting）。 樹轉(zhuǎn)換將源樹轉(zhuǎn)換成結(jié)果樹。其中源樹指的是轉(zhuǎn)換前的 XML 文檔，結(jié)果樹指的是處理器產(chǎn)生的新文檔，該新文檔可能是另一個 XML 文件、一個 HTML 文件甚至一個簡單的文本文件。用 XSLT 表示的轉(zhuǎn)換包含一組模板 規(guī)則。一個模板規(guī)則分為兩部分：第一部分是模式（ pattern），指定模板規(guī)則所適用的 XML 源文檔樹形結(jié)構(gòu)；第二部分是模板（ template），用來在與此模式匹配時，將結(jié)果樹的一部分進(jìn)行輸出。 XSLT 用 XPath 語言來選擇源樹中要進(jìn)行處理的節(jié)點(diǎn)，指定處理該節(jié)點(diǎn)的不同方式的條件，并產(chǎn)生插入到結(jié)果樹中的文本。 格式化將結(jié)果樹變?yōu)榭勺x的形式。而 XSLFO 元素的主要作用就是頁面管理、流動管理（內(nèi)容如何“注入”已創(chuàng)建的一系列頁面）和段落 /字符管理。 XSLFO說明了結(jié)果樹的顯示方式，該顯示方式是按照格式化對象（ formatting object）和格式化屬性（ formatting property）來描述的。 XSLFO 文檔中的各種格式化對象指明內(nèi)容在頁面中的放置順序，但格式化的細(xì)節(jié)如頁面的大小、元素的尺寸、顏色、XML 文檔 XSL 樣式表 XML解析器 XML解析器 XML解析器 源樹 結(jié)果 樹 文檔 存儲 成像 圖 XSL 的工作過程 16 XML 快速解析技術(shù) 字體等必須由格式化屬性來說明。格式化屬性是以格式化對象的屬性形式出現(xiàn)，格式化對象元素可以包含各種屬性， W3C 總共定義了兩百多個屬性，多數(shù)屬性都可以應(yīng)用于一個以上的格式化對象元素。 使轉(zhuǎn)換與格式化相分離的好處是，能夠通過選擇一個目標(biāo) XSL 處理器理解的名域，來選擇按何種方式格式化試圖顯示的新文檔。最后，需要明確的是， XSL不僅僅是應(yīng)用樣式，當(dāng)使用 XSL 處理器時， XML 源文檔中的信息將被評價、重新安排，然后重新組裝。所以人們最終得到的是可以容易地添加、修改和重新排序的靈活的源信息。 本章小結(jié) 本章主要介紹了 XML（ eXtensible Markup Language） ——可擴(kuò)展標(biāo)記性語言的產(chǎn)生背景，較為詳細(xì)的講解了 XML 文檔的語法基礎(chǔ)和組成部分，簡要介紹了它的相關(guān)標(biāo)準(zhǔn)。本章從總整體上對將要研究 XML 解析技術(shù)做了基礎(chǔ)知識的鋪墊，以便后續(xù)章節(jié)的進(jìn)一步研究。 第三章 XML 解析技術(shù)基礎(chǔ) 17 第三章 XML 解析技術(shù)基礎(chǔ) 解析原理 XML