1 XML Base

1.1 Introduction

XML - EXtensible Markup Language 可扩展标记语言，由W3C开发，用于传输和存储数据，是互联网进行数据传输的最常用的信息传输工具。

[info] VS HTML

XML是HTML语言的扩展，遵循DOM模型，其标签可自定义，具有自我描述性。XML不是HTML的替代，其焦点是数据的内容而非外观，旨在信息的存储和传递。

1.2 Feature

XML文档内容是纯文本，仅作为树型结构体的信息包装载体，能处理纯文本的软件都可以处理XML文档，没有任何行为的XML是不作为的。生成和解析程序可以针对性的处理XML标签，标签的功能性意义依赖于应用程序的实现。

1.3 Structure

XML文档中一切皆节点（Node），分为元素节点（Element Node）、属性节点（Attribute Node）和文本节点（Text Node），元素节点是一对封闭的标签<Element>...</Element>，可嵌套，属性节点是元素节点标签中的属性，文本节点是元素节点标签之间的文本内容。

 <bookstore> <!-- 根元素节点 -->
    <book category="CHILDREN"> <!-- 子元素节点，包含属性category，属性值为字符串CHILDREN -->
        <title lang="en">Harry Potter</title> <!-- (book)子元素节点，包含属性lang，属性值为en，包含文本节点Harry Potter -->
         <year>2005</year> <!-- (book)子元素节点，包含文本节点2005 -->
         <price>29.99</price> <!-- (book)子元素节点，包含文本节点29.99 -->
     </book>
 </bookstore>

[info] 文档节点

整个XML文档也被视作一个节点，称为“文档节点”。

1.4 Grammer

1.4.1 Declaration

XLM声明定义在文档首行，用于指示该文档版本、编码等信息。XML声明是可选的，但属于W3C推荐规范。

 <?xml version=”1.0” encoding=”UTF-8” standalone="no"?> <!-- 版本信息1.0，编码UTF-8（默认），不引用外部文件 -->

[info] standalone

'yes' 表示该文档独立存在，即不引用外部Schema进行内容校验，'no' 表示不独立存在，即要引用外部Schema进行内容校验。

1.4.2 Lable

XML标签大小写敏感，所有标签必须成对存在（大小写要对应），XML标签必须正确嵌套。

[info] Singal lable

单标签是合法标签，如 <Element x:y>

1.4.3 Attribute

XML中的属性用于提供关于元素的额外（附加）信息，XML标签的属性值必须加引号（单引号或双引号，当属性值中有双引号时需要用单引号，也可以使用引用代替内部引号）。为扩展和维护，应尽量使用元素来描述数据，而使用属性来提供与数据无关的信息。多个属性值之间用空格分隔。

1.4.4 Quote

1.4.5 Comment/Space/Line break

注释与HTML相同<!-- This is a comment -->，在HTML中连续的空格会被合并成一个，在XML中这样的空格会被保留，XML在Unix中新行以LF字符存储、在Mac中以CR字符存储、在Windows中以LF或CR存储。

1.4.6 Name

元素和属性名由字母、数字和下划线组成，以字母和下划线开头，不能使用屏蔽字“xml”（或XML、Xml等）。

[info] 经验

作为数据存储语言，XML文档经常有一个对应的数据库，其中的字段会对应XML文档中的元素。有一个实用的经验，即使用数据库的名称规则来命名XML文档中的元素。

2 XML Advanced

2.1 XML DOM

DOM - Document Object Model文档对象模型，定义了XML、HTML等文档元素的对象和属性，以及操作和访问它们的方法（接口）。

2.1.1 Feature

DOM结构以数据结构中的树泛型来组织，当处理XML时会将整个XML文档读入内存，因此支持应用程序通过操作树的方法（增、删、改、查、遍历等）来操作DOM。

2.1.2 DOM Parse

1. 浏览器解析：所有现代浏览器都内建了用于读取和操作XML的解析器。解析器把XML读入内存，并把它转换为可被JavaScript访问的XML DOM对象。除了DOM之外，还有SAX、JDOM、DOM4J等不同的基于浏览器的解析技术。
2. 函数库解析：XML作为跨平台的存储和传输信息的工具，更多的应用在应用程序中，不同于浏览器的是应用程序并不集成XML解析器，因此要编程实现应用程序对XML文档的解析。 目前已经有很多成熟且开源的XML函数库可以使用，如miniXML、Xerces-C、libxml等。

2.2 XML SAX

SAX - Simple APIs for XML, XML简单应用程序接口，由XML-DEV邮件列表开发。SAX将XML视为数据流处理，并使用事件驱动方法，实时、高效、节省空间。SAX的出现是为了解决一些不适用的DOM接口，它不是W3C推荐标准，但拥有广泛支持API标准的接口规范，并已成为“非官方”的事实标准。

2.2.1 Feature

因DOM的内存处理方式，当处理大规模文档时会造成内存空间不足、速度慢、效率低等情况。SAX以数据流的方式实时解析XML文档，并在读取到任何节点时以事件（回调）的方式调用代码，因此更适合处理大规模XML文档。SAX的缺点是只具备读取XML的能力，在内容处理上要在编程实现（自定义回调函数），另外因为不建立内存模型，所以不能随机访问。

2.2.2 SAX Parse

2.3 namespace

XML标签是自定义的，解析两个或多个具有相同标签的XML文档就会产生歧义，XML解析器对此的表现是未定义的。有两种方式解决冲突：前缀和命名空间。命名空间类似面向对象语言中的命名空间，在XML文档根元素节点中声明为“xmlns=URL”，其中URL仅作为唯一标识，可以不具备实际意义。前缀的本质是合法的标签，在命名空间中扩展为共享命名空间的标识。

    <!--出现冲突：一个表格-->                            <!--出现冲突：一个桌子-->
    <table>                                                <table>
        <tr>                                                <name>Coffee table</name>
        <td>Apples</td>                                        <width>90</width>
        <td>Bnanas</td>                                        <length>120</length>
        </tr>                                                <high>100</high>
    </table>                                            </table>

    <!--解决冲突：一个表格-->                            <!--解决冲突：一个桌子-->
    <h:table>                                            <f:table>
        <tr>                                                <name>Coffee table</name>
        <td>Apples</td>                                        <width>90</width>
        <td>Bnanas</td>                                        <length>120</length>
        </tr>                                                <high>100</high>
    </h:table>                                            </f:table>

    <!--解决冲突：一个表格-->                            <!--解决冲突：一个桌子-->
    <table xmlns = “http://www.w3.org”>                    <table xmlns = “http://w3cschool.com”>
        <tr>                                                <name>Coffee table</name>
        <td>Apples</td>                                        <width>90</width>
        <td>Bnanas</td>                                        <length>120</length>
        </tr>                                                <high>100</high>
    </table>                                            </table>

2.3.1 Expansion namespace

扩展命名空间格式为“xmlns:namespace-prefix”，任何使用'namespace-prefix'的节点都共享所声明的同一命名空间。

    <!--解决冲突：一个表格-->                            <!--解决冲突：一个桌子-->
    <a:table xmlns:a =“http://www.w3.org”>                <b:table xmlns:b =“http://w3cschool.com”>
        <tr>                                                <name>Coffee table</name>
        <a:td>Apples</a:td>                                    <width>90</width>
        <td>Bnanas</td>                                        <b:length>120</b:length>
        </tr>                                                <high>100</high>
    </a:table>                                            </b:table>

    <!--解决冲突：一个表格-->                            <!--解决冲突：一个桌子-->
    <table xmlns:x =“http://www.w3.org”>                <table xmlns:y =“http://w3cschool.com”>
        <tr>                                                <name>Coffee table</name>
        <x:td>Apples</x:td>                                    <width>90</width>
        <td>Bnanas</td>                                        <y:length>120</y:length>
        </tr>                                                <high>100</high>
    </table>                                            </table>

2.4 Validation

一份XML文档是否合格要满足两个层面：XML语法规范和XML自我描述规范；前者是最基本前提，后者表现在实际应用支持上，如节点名是否正确、节点组成是否完整、属性节点的值是否在枚举之内、值类型是否正确等等。

2.4.1 Technology

验证的方法是通过一份已准备好的验证文件来描述合格的XML文档，以约束其格式和内容。有两种验证技术：DTD（对应文件扩展名'.dtd'）和Schema（对应文件扩展名'.xsd'）；Schema是基于XML技术的DTD替代者。

2.4.2 xsi and schemaLocation

使用哪个约束文档对当前XML文档进行验证是自定义的，但一般要选用根元素节点中链接的验证文档（如果存在的话），在XML文档的根元素节点中链接验证文档的方法是使用xsi扩展命名空间和schemaLocation属性。

    <RootElement xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="xxxx/x.xsd" ...> ... </RootElement>

[info] XSI and XSD

"xmlns:xsi"表示涉及到xsi项目的内容都来自该扩展命名空间，"xsi:schemaLocation"表示使用xsi扩展命名空间中的schemaLocation属性。

2.5 CDATA

XML文档中所有的文本数据都会被解析器解析，只有CDATA（Character data）区段会被解析器忽略。在XML中使用“<”/“>”等字符是非法的，如需使用必须转义为“&lt”/“&gt”，但有些文本内容必须显示使用这些字符（如文本内容为Javascript代码），这就需要使用CDATA区段。

    <script>
        <![CDATA[
            function fun(){ if (a < b) {return 1;} }
        ]]>
    </script>

3 XML Technology

3.1 XPath

3.1.1 Introduction

XPath是使用路径表达式遍历XML文档的语言，内置函数库，Javascript、Python等都实现了XPath功能及其函数。

3.1.2 运算符

3.1.3 路径表达式

[info] Note

完整的路径表达式是由“轴::节点[谓语]”组成的，但通常只使用“表达式”或“表达式” + “谓语”的方法。

[info] Example

/bookstore//book[2]/child::title[text()]，选取根节点下的bookstore节点下的所有book元素中的第二个下的所有子元素中的title子元素的文本。

4 XML Parse

4.1 MiniXML

Mini XML是一个小型、开源的XML解析库，采用C语言开发，支持 UTF-8/UTF-16 编码（写UTF-8编码的XML文件和字符串、读UTF-8/UTF-16的文件和字符串）。Mini XML设计的初衷是为了替换大而笨重的libxml2库，它很容易移植到嵌入式系统当中，但不进行错误恢复及校验。Official website。

4.2 Xerces-C++

Xerces-C++是大型、功能丰富、开源的XML解析库，包含JAVA、C++、PERL等多种版本，支持SAX和DOM，它对XML进行基本解析外还进行语法检查。Official website。

Xerces类与XML文档对象的对应：

Appendix-A：XML Version and Specification

W3C XML规范声明：如果 XML 文档存在错误，那么程序就不应当继续处理这个文档。理由是，XML 软件应当轻巧，快速，具有良好的兼容性。目前XML最新版本为1.0第五版。XML规范和时间线参看https://www.w3school.com.cn/w3c/w3c_xml.asp和https://www.w3.org/TR/xml/。