XML结构与语法入门详解

这是一个典型的XML文件，编辑好后保存为一个以.xml为后缀的文件。

我们可以将此文件分为文件序言（Prolog）和文件主体两个大的部分。

在此文件中的第一行即是文件序言。

该行是一个XML文件必须要声明的东西，而且也必须位于XML文件的第一行，它主要是告诉XML解析器如何工作。

其中，version是标明此XML文件所用的标准的版本号，必须要有；encoding指明了此XML文件中所使用的字符类型，可以省略，在你省略此声明的时候，后面的字符码必须是Unicode字符码（建议不要省略）。

因为我们在这个例子中使用的是GB2312字符码，所以encoding这个声明也不能省略。

在文件序言部分还有一些声明语句，我们在后面给予介绍。

文件的其余部分都是属于文件主体，XML文件的内容信息存放在此。

我们可以看到，文件主体是由开始的〈参考资料〉和结束的〈/参考资料〉控制标记组成，这个称为XML
文件的“根元素”；〈书籍〉是作为直属于根元素下的“子元素”；在〈书籍〉下又有〈名称〉、〈作者〉、〈价格〉这些子元素。

货币单位是〈价格〉元素中的一个“属性”，“人民币”则是“属性值”。

〈!--此书即将出版--〉这一句同HTML一样，是注释，在XML文件里，注释部分是放在“〈!--”与“--〉”标记之间的部分。

大家可以看到，XML文件是相当简单的。

同HTML一样，XML文件也是由一系列的标记组成，不过，XML文件中的标记是我们自定义的标记，具有明确的含义，我们可以对标记中的内容的含义作出说明。

对XML文件有了初步的印象之后，我们就来详细地谈一谈XML文件的语法。

在讲语法之前，我们必须要了解一个重要的概念，就是XML解析器（XML Parse）。

1.XML解析器
解析器的主要功能就是检查XML文件是否有结构上的错误，剥离XML文件中的标记，读出正确的内容，以交给下一步的应用程序处理。

XML是一种用来结构化文件信息的标记语言，XML规范中对于如何标记文件的结构性有一个详细的法则，解析器就是根据这些法则写出来的软件（多用Java写成）。

同HTML一样，在浏览器中，必须有HTML的解析器，这样浏览器才能够“读懂”各种用HTML标记所组成的网页，将它们显示在我们面前。

如果有浏览器的HTML解析器读不懂的标记，将会返回给我们错误信息。

由于现在的HTML标记实际上相当混乱，存在大量不规范的标记（有的网页用IE能正常显示，而用Netscape Navigator则不行），所以从一开始，XML的设计者就严格规定了XML的语法和结构，我们编写的XML文件必须遵循这些规定，否则XML解析器将毫不留情地给你显示错误信息。

有两种XML文件，一种是Well-Formed XML文件，一种是Validating XML文件。

如果一个XML文件满足XML规范中的某些相关法则，且没有使用DTD（文件格式定义——后详述）时，可称这份文件是Well-Formed。

而如果一个XML文件是Well-Formed，且正确地使用了DTD，DTD中的语法又是正确的，那么这个文件就是Validating。

对应两种XML文件，有两种XML解析器，一种是Well-Formed 解析器，一种是Validating解析器。

IE 5中就内含Validating解析器，Validating解析器也可用来解析Well-Formed XML文件。

检查它是否满足了Well-Formed的条件。

我们可以将刚才编辑的第一个XML 文件用IE 5以上版本的浏览器打开。

标记之间有相互重叠的区域，而在XML中，是严格禁止这样标记交错的写法，标记必须以规则性的次序来出现。

5.属性值必须要用“ ”号括起来。

如第一个例子中的“1.0”、“gb2312”、“人民币”。

都是用“ ”号括起来了的，不能漏掉。

6.控制标记、指令和属性名称等英文要区分大小写。

与HTML不同的是，在HTML中，类似〈B〉和〈b〉的标记含义是一样的，而在XML中，类似〈name〉、〈NAME〉或〈Name〉这样的标记是不同的。

7.我们知道，在HTML文件中，如果我们要浏览器原封不动地将我们所输入的东西显示出来，可以将这些东西放到〈pre〉〈/pre〉或者〈xmp〉〈/xmp〉标记中间。

这对于我们创建HTML教学的网页是必不可少的，因为网页中要显示HTML的源代码。

而在XML中，
小结：
符合上述规定的XML文件就是Well-Formed的XML文件。

这是编写XML文件的最基本要求。

可以看到XML文件的语法规定比HTML要严格多了。

由于有这样的严格规定，软件工程师编写XML的解析器就容易多了，不像编写HTML语言的解析器，必须费尽心思去适应不同的网页写法，提高自己浏览器的适应能力。

实际上，这对于我们初学者来说，也是一件好事。

该怎样就怎样，不必像原来那样去疑惑各种HTML的写法。

我们看到，在XML文件中，用的大多都是自定义的标记。

但是大家考虑一下，如果两个同行业的公司A和B要用XML文件相互交换数据，A公司用〈价格〉标记来表示他们产品的价格信息，而B公司可能用〈售价〉来表示价格信息。

如果一个XML应用程序来读取他们各自的XML文件中的信息时，如果它只知道〈价格〉标记里表示的是价格信息，那么B公司的价格信息就读不出来，必将产生错误。

显然，对于想利用XML文件来交换信息的实体来说，他们之间必须有一个约定——即编写XML文件可以用哪些标记，母元素中能够包括哪些子元素，各个元素出现的顺序，元素中的属性怎样定义等。

这样他们在用XML 交换数据时才能够畅通无阻。

这种约定称为DTD（Document Type Definition，文档格式定义）。

可以把DTD看作编写XML文件的模板。

对于同行业之间的XML数据交换，有一个固定的DTD将会方便很多。

比如说，如果网上的各大电子商场的XML网页都遵循同一个DTD时，那么我们就可以轻松地依据这个DTD 编写一个应用程序，去网上将我们感兴趣的东西自动抓回来。

事实上已经有了好几个定义好的DTD，如前面所说的MathML、SMIL 等。

如果一个XML文件是Well-Formed的，并且它是正确的依据某个DTD建立的，那么，这个XML文件就被称为：Validating XML文件。

相应的解析器就称为：Validating Parser。