xml

XML

基本定义

• Extensible Markup Language 可扩展标记语言
• 一种用来存储和传输的数据文本格式，不是用来展示数据
• 特点：自描述、结构化、可扩展、跨平台
• XML是W3推举的数据传输格式

[!INFO]
标记语言：数组+标签 ，用标签来描述数据的结构和含义
自描述：数据本身就带着他的结构说明，不需要额外的解释
结构化：层次清晰，天然支持树形结构
可扩展：自定义标签名，不像HTML标签是固定的
XML用户存储和传输数据，HTML用于展示数据

<person>
	<name>张三</name>
	<age>18</age>
	<city>上海</city>
</person>

语法规则

• 必须有根节点
• 标签必须闭合，标签必须成对出现
• 大小写区分，标签不可交叉出现 <A>1<b>2</a></B>

<?xml version="1.0" encoding="utf-8"?>
<root>
	<id>111</id>
	<!--<A>1<b>2</a></B>-->
</root>

头声明

<?xml version="1.0" encoding="utf-8"? standalone="yes"?>

• 位于文档的第一行，不能有任何前置内容（包括空格或空行），否则可能导致解析错误。
• 以 <?xml ...?>的形式出现

版本：

• XML 1.0（1998年发布，最新为第五版，2008年修订）
  • 这是最常用的 XML 标准，定义了 XML 的基本语法，包括元素、属性、命名空间、CDATA 区域等。
  • 简单、稳定，广泛支持，几乎所有 XML 工具和库都基于此版本。
  • 对某些 Unicode 字符和控制字符的支持有限。
  • 几乎所有现代 XML 应用（如 RSS、SVG、SOAP、XHTML 等）都基于 XML 1.0。
• XML 1.1（2004年发布，2006年修订）
  • 允许更多的 Unicode 字符作为元素和属性名称。
  • 放宽了对控制字符（如空字符）的限制。
  • 由于与 XML 1.0 不完全兼容，且实际需求较少，XML 1.1 的采用率较低。
  • 主要用于需要处理特殊字符集的场景，但大多数工具和系统仍优先支持 XML 1.0。

编码：

• 指定文档使用的字符编码方式，确保解析器正确解读文本字符。
• 常见的编码包括 UTF-8（默认，推荐）、UTF-16、ISO-8859-1 等

独立性:

• 指明文档是否依赖外部资源（如 DTD 或外部实体）来定义其内容。
• standalone=”yes”：表示文档是独立的，不引用外部 DTD 或实体，解析器无需加载外部资源。
• standalone=”no”：表示文档可能依赖外部 DTD 或实体，解析器需要加载这些资源。
• 如果省略，默认为 no，解析器会尝试查找外部资源。

属性

XML 元素的属性是附加在开始标签中的键值对，提供关于元素的额外信息。

<element attributeName="attributeValue">内容</element>

• 提供元数据：描述元素的特性，如 ID、类型、样式等，为标签提供额外信息，避免嵌套过多子元素
• 命名空间：通过属性（如 xmlns）声明 XML 命名空间。

  <root xmlns="http://example.com">

• 一个标签可以有多个属性，属性的值必须使用引号

• <!-- 使用属性 -->
  <person name="张三" age="30"/>
  <!-- 使用子元素 -->
  <person>
      <name>张三</name>
      <age>30</age>
  </person>

为什么需要属性，子标签不是可以提供所有信息吗？

子标签（子元素）理论上可以表达所有信息，因为它们可以嵌套任意复杂的数据结构。但属性仍然有其独特价值，原因如下：

1. 语义清晰，区分元数据与内容

   • 属性适合表示与元素本身相关的元数据或控制信息，而子元素适合表示元素的内容或结构化数据。

     <!-- 使用属性 -->
     <person id="123" status="active">张三</person>
     <!-- 使用子元素 -->
     <person>
         <id>123</id>
         <status>active</status>
         <name>张三</name>
     </person>
     <!-- 属性版本更简洁，id 和 status 作为元数据更直观。 -->

2. 唯一性约束

   • 属性名称在一个元素内必须唯一，适合表示独一无二的特性（如 id）。子元素没有此限制，可能导致重复或复杂化。

     <element id="123" id="456"/> <!-- 非法，属性名重复 -->
     <element>
         <id>123</id>
         <id>456</id> <!-- 合法，但语义可能不清晰 -->
     </element>

3. 属性天然的局限性

   • 只能是简单值（字符串），无法表示复杂结构（如嵌套数据）。

比较点	属性	子标签
用途	描述元素的附加信息、元数据	表示实际数据内容
可扩展性	不适合嵌套结构	可包含更多结构
数据类型	一般是字符串	可混合多种数据和标签
可读性	适合小数据、标识符	适合大段内容
层次结构	平面（键值对）	树状（可递归嵌套）

转义

XML约束

DTD约束

Schema约束

XML解析

DOM

SAX解析

Xpath