XML介绍和XML基础规范

XML介绍 XML基础规范

　　XML全名是可扩展标记语言，是W3C国际标准组织规定的一种基于文本的数据存储格式，它是从IBM的SGML技术派生的，HTML也是从SGML派生的。SGML内容非常复杂，而XML使用了SGML的20%的语法实现了SGML的80%的功能。

　　从软件开发人员的角度看， XML语法主要有

　　XML是国际标准，绝大部分软件厂商，开发工具和编程语言都支持相同的基本XML规范。XML文档可用于任何开发平台上，这是XML技术最大的优势。相对来说，JAVA这种非国际标准的技术跨平台则是不太容易的。

　　XML是基于纯文本的，XML文档中是不能包含二进制数据。而且存储文件时会涉及到文本编码格式的问题。

　　XML文件具有层次结构，其中使用一对尖括号来定义一个XML元素，一个XML元素可以包含若干个属性，而XML元素下面可以包含若干个子XML节点。

　　一个XML文档只能而且必须定义一个根元素，不可多定义，也不能不定义。

　　XML元素不能错乱套嵌定义，比如“<a><b></a></b>”是错误的XML文档。

　XML格式是为了各系统交流数据而设计的，其设计过程考虑了方便的数据的临时存储和交流，而不考虑数据的长期存储，因此XML文档比较冗余，文件体积大，因此不适合存储大数据量，网络传输效率低。在软件开发中需要注意到这个问题。

　　XPath

　　XPath是W3C国际标准组织提出的在一个XML文档中快速检索和定位XML节点的标准。关于它将在下节课程详细介绍。

　　XSLT

　　XSLT也是W3C国际标准组织在XML标准的基础上提出的XML文档转换的标准，它是一种非常重要的XML应用，它也是跨平台的，受到众多软件厂商的支持。在下节课程将详细介绍XSLT。

　　W3C

　　此处多次提到W3C国际标准组织，那么到底什么是W3C国际标准组织呢？

　　W3C是大部分软件企业联合起来制定某些重要软件业标准的国际组织。它的成员包括微软，IBM，SUN等软件巨头。它制定和维护了HTML，XHTML，HTTP，XML，VML，XPath，XForm等软件行业内重要的标准，绝大多数软件厂商都支持W3C制定的标准，它制定的标准是真正的跨平台的全球通用的。因此它对全球软件业界，尤其是WEB软件业界有着巨大的影响。它的网址是 http://www.w3c.org/，在它的网站上可以看到它所制定的上百个标准。大家若要开发具有国际水平的WEB应用系统，应当要好好学习W3C的某些标准。

　　国际标准的意义

　　在这里说明一下国际标准的意义。

　　所谓国际标准就是某个权威的非营利性的国际组织，其立场中立，不代表某个具体的公司，而是代表整个业界。它针对某项普遍使用的技术出台一些规范和标准。而各个具体的软件厂商在运用这项技术时自觉遵守这套国际标准。这样能方便各个系统之间交流数据，保障异构系统进行集成，并保持数据结构的长期稳定性和兼容性。这样的国际组织有ISO，ECMA和W3C等等。

　　我们使用到的一些技术都已经成为国际标准，例如SQL，JavaScript，C#，HTML，XML，XSLT，HTTP等很多技术。

　　国际标准具有一些特点，首先是稳定性和连贯性，国际标准一旦正式发布，就保持了相当的稳定性，其内容只能慎重的增加而不能删减，国际标准组织不会轻易修改已经正式发布的国际标准，而且在修改标准时会充分考虑到各种因素，保证向上和向下的兼容性，能最大程度的保障业界在旧标准上的投资。而且这些国际组织发布国际标准时有时会事先提出标准的修订计划。

　　其次国际标准是全球业界都遵守的，虽然没有强制遵守的机制，但绝大多数软件厂商都会遵守或者努力遵守这些国际标准。而且国际标准组织的成员有很多大软件厂商，比如W3C的成员就有微软，IBM，SUN等大公司。因此国际标准是代表了最广大软件业界的根本利益，代表了最先进的软件生产力。

　　对于应用软件开发商，充分的运用国际标准能很大程度的保护客户在IT系统上的投资。由于国际标准具有相当的稳定性和连贯性，若客户IT系统充分的使用了这些国际标准，则在升级到新标准时能获得很好的兼容性。IT系统不用推倒重来，这样能保护客户在已有系统上的投资。

　　作为软件开发人员，也应当了解这些国际标准，首先是能比较容易的实现异构系统的集成，并能获得比较好的系统兼容性和可维护性。而且软件开发人员在切换开发平台，比如从Java转移到.NET平台上时，以前学习国际标准的投资就会得到保护，而遵守相同标准的源代码的移植和翻译也是低成本的。

　　DOT.NET框架对XML的支持

　　.NET框架提供了对XML的强大支持，而且.NET框架本身也普遍采用XML格式来存储各种配置信息。比如web.config文件。

　　在.NET类库中，名称空间System.Xml下面就包含了大量的操作XML文档的类型。这些类型构成了两种XML文档的处理模型。

　流式处理模型

　　在流式处理模型中，我们将XML文档做作一个数据流来进行处理，我们将逐个处理XML文档中的数据，在这种模型下，我们可以只读的快速读取大体积的XML文档，而且内存占用少，程序性能好。类型System.Xml.XmlReader就提供了流式处理模型，使用XmlReader就可以快速读取XML文档。

　　使用流式处理模型是有缺点的，首先是它只能读取XML文档，不能修改XML文档；其次是检索XML文档内容不方便，不能使用XPath技术；而且编程接口比较简单，处理XML文档不够方便。当程序需要比较简单的从XML文档读取数据则可以采用流式处理模型。

　　DOM处理模型

　　在DOM处理模型中，我们首先是使用文档对象模型的思想解析整个XML文档，在内存中生成一个对象树来表述XML文档。比如使用一个XmlElement对象来影射到XML文档中的一个元素，使用XmlAttribute对象来影射到XML文档中的一个属性。这样我们编程操作内存中的对象就影射为操作XML文档。

　　使用DOM处理XML文档具有相当大的优点，首先是处理方便，我们可以使用各种编程技巧来处理XML文档对象树状结构，比如可以递归遍历XML文档的一部分或全部，可以向树状结构插入，修改或删除XML元素，可以设置XML元素的属性。

　　在DOM模式下，我们可以使用XPath技术在XML文档树状结构中进行快速检索和定位，这为处理XML文档带来比较大的方便。

　　在C#中，我们可以很简单的使用DOM方式处理XML文档。我们首先实例化一个System.Xml.XmlDocument类型，调用它的Load方法既可加载XML文档并生成XML节点对象树状结构，然后我们就可以遍历这个对象树，新增修改和删除节点，而且其中的任意一个节点都可以使用SelectNodes或SelectSingleNode方法通过XPath相对路径快速查找其它的节点。

　在名称空间System.Xml下面大部分类型都是用来支持DOM处理模型的。其中很多类型配合起来共同组织成XMLDOM，XMLDOM是一种很典型的文档对象模型的应用。文档对象模型是一种比较高级的软件设计模式，我会在今后的课程中详细介绍文档对象模型这种软件设计模式。

System.Xml名称空间下的支持DOM的类型主要有

　　XmlNode 是DOM结构中的所有类型的基础类型，它定义了所有XML节点的通用属性和方法，是XMLDOM的基础。它具有一个ChildNodes属性，表示它所包含的子XML节点。

　　XmlAttribute 表示XML属性，它只保存在XmlElement的Attributes 列表中。

　　XmlDocument表示XML文档本身，是XMLDOM模型中的顶级对象，它用于对XML文档进行整体的控制，并且是其它程序访问XML文档对象树的唯一入口。

　　XmlLinkedNode在XmlNode的基础上实现了访问前后同级节点的方法。

　　XmlElement元素表示XML元素。是XMLDOM中使用最多的对象类型。它具有Attributes属性可以处理它所拥有的属性，可以使用ChildNodes属性获得它所有的子节点。并提供了一些添加和删除子节点的方法。

　　XmlCharacterData表示XML文档中的字符数据的基础类型。字符文本数据是分布在各个XMLElement之间的纯文本数据。XmlAttribute中的文本数据是不属于XML文本块的。

　　XmlCDataSection 表示XML文档中CData节，CData数据是采用”<![CDATA[　　 ]]>”包括起来的纯文本数据。由于XML采用尖括号进行标记，因此具有和HTML类似的转义字符，在一般的XML纯文本段中若遇到尖括号等特殊字符时需要使用转义字符，当文本段中包含大量的这类特殊字符时，手工书写和察看XML文档将比较困难，为了改善XML文档的可读性，在此可以使用CDATA节。在CDATA节中，所有的字符，包括特殊字符都不需要转义，这样察看和修改XML文档都比较方便。

　　XmlComment表示一段注释，XML注释和HTML注释一样，使用一对”<!--　 -->”来包含起来。

　　XmlText表示一段纯文本数据。

　　XmlWhitespace表示XML文档中一段纯粹由空白字符组成的文本块，空白字符包括空格，制表符，换行和回车符，全角空格不属于空白字符。XmlDocument在解析XML文档时会处理空白字符，当XmlDocument对象的PreserveWhiitespace属性为true时，会为XML文档中的纯空白文本块生成XmlWhitespace对象，若该属性为false时，则会忽略掉纯空白文本，不会生成XmlWhitespace对象，好像原始的XML文档中不存在这样的空白文本块一样。

　　其它处理模型

　　除了流式处理模型和DOM处理模型外，还存在一些比较另类的使用比较少的处理模型，在此简单介绍一下

　　DBDOM

　　DBDOM是一种基于数据库的XML文档处理模型，它是一个开源项目。它采用大量的存储过程和数据库操作，将一个个XML元素，XML属性等信息保存到数据库的字段中。使用关系型数据库来模拟实现XML的树状结构。我对这个模型也不甚了解，只是知道大概的原理。

　　BinaryXML

　　DOM方式处理XML文档是需要消耗大量的内存的，在处理大型XML文档时，DOM方式会比较大的影响应用系统的性能的。为此有人开始提出BinaryXML的处理模型。在这个模型中，XML文档是当作二进制数据加载到内存中，然后解析文档，使用大量的指针来指向XML文档中的关键位置，通过指针可以快速定位XML文档，能修改XML文档，并能提供类似DOM的编程接口。这种方式能大大节省内存，所消耗的内存仅比XML文件大小稍微大些。但实际运行效果我也不清楚。

　　XML对WEB开发的意义

　　XML技术对WEB开发具有重大意义。若要开发高水平的WEB系统，应当好好使用XML技术。

　　XML和HTML

　　XML和HTML都源自SGML，具有相同的来源，而且两者都是采用尖括号的标记语言，两者具有很大的相似性。使用XML完全可以模拟出HTML，而且W3C提出了现代WEB站点应当采用的XHTML标准就是XML和HTML的结合。

　　在使用ASP.NET开发WEB系统中，除了使用ASP.NET控件展示数据外，还需要由程序拼凑出大量的HTML代码来展现数据。简单的进行字符串连接操作来生成HTML页面不是一种可持续性的软件开发和维护的过程。程序代码很容易杂乱无章，生成的HTML代码可读性不好。若在生成HTML代码的过程借鉴XML技术则有助于改善这种问题，从而能更好的控制WEB软件的开发过程，提高软件质量。

　　XML和WebService

　　WebService基础就是XML，WebService的原理是将编程对象序列化成一个XML文档，然后通过HTTP协议传递给客户端，客户端接受这个XML文档，通过反序列化重现编程对象。因此WebService的基础就是XML序列化技术。在开发和调试稍微复杂的WebService是需要一定的XML技术基础。

　　Ajax技术的底层也是使用XML来传递数据的，可以看作一种特殊的WebService。可以这样比喻，WebService是WEB系统的公开方法，而Ajax则是私有方法。

　　XML/XSLT提供一种全新的开发模式

　　XML/XSLT两项技术的配合可以提供一种全新的WEB系统开发模式。在这种模式下，页面将需要显示的纯粹的数据组织生成一个XML文档，并配上XSL转换信息头，然后发送到客户端，在客户端IE浏览器接受解析XML文档，根据其中的XSL转换头信息再下载XSLT文档，执行XSLT转换，然后才显示转换的结果。此时WEB页面既能正常的使用指定的格式显示数据，而且本身就是一个可供其它程序调用的WebService。该页面的输出的源代码就是XML文档，而且只有IE等浏览器类型软件才处理XSLT转换信息头，其他程序是会忽略掉这个信息的。此时页面具有双重功能，便于代码的集成开发和维护。