XML简要教程

 

XML 指可扩展标记语言（eXtensible Markup Language）， 被设计用来传输和存储数据。是各种应用程序之间进行数据传输的最常用的工具。

XML提供了一套夸平台，跨网络，跨应用程序的语言的描述方式。使用XML可以方便的实现数据交换，系统配置，内容管理等。

 

XML 可被类似记事本这样的简单的文本编辑器来创建和编辑。不过，在您开始使用 XML 进行工作时，您很快会发现，使用一款专业的 XML编辑器来编辑 XML 文档会更好，它能：为开始标签自动添加结束标签，强制您编写合法的 XML 等等。XMLSpy就是一款比较好的 XML 编辑器。

 

XML文件怎么打开

1.用EXCEL打开。

2.用浏览器如IE就可以打开的，按照源文件样式显示。

3.有能力处理纯文本的软件都可以编辑XML文件。

 

一个例子test.xml（提示：若window平台的记事本建立，要注意编码，后面将详细介绍）： 

<?xml version="1.0" encoding="GB2312"?>
<softCompany>
    <company>MicroSoft</company>
    <company>google</company>
    <company>Apple</company>
    <company>百度</company>
</softCompany> 

XML允许用户定义自己的标签。XML文件有且仅有一个根标签，其它标签都是这个根标签的子孙标签。XML文件中的标签，分为开始标签和结束标签，如<a>和</a>，成为一对。一对标签内的空格和换行都作为原始内容被处理。下面的（1）和（2）是不同的

 （1）<b>呵呵</b>

 （2）<b>呵

      呵</b>

 

一个标签中也可以嵌套若干子标签。但所有标签必须合理的嵌套，绝对不允许交叉嵌套 ，例如：

　　错误的写法：<a>呵呵 <b>哈哈</a></b>

XML标签可以包含字母、数字以及其它一些可见字符，但必须遵守下面的一些规范：

标签区分大小写，例如，<P>和<p>是两个不同的标记。

不能以数字或"_" (下划线)开头。

不能以xml(或XML、或Xml 等)开头。

不能包含空格。

名称中间不能包含冒号（:）

 

一个标签可以有多个属性，每个属性都有它自己的名称和取值，例如： <input name=“text”> ，属性值一定要用双引号（"）或单引号（'）引起来，定义属性必须遵循与标签相同的命名规范 。

在XML技术中，标签属性所代表的信息，也可以被改成用子元素的形式来描述，例如：

<input>

   <name>text</name>

</input>

 

xml文件中的注释采用： <!--注释--> 格式。

注意：XML声明之前不能有注释；注释不能嵌套。

 

最简单的声明语法： <?xml version="1.0" ?>

当XML文件中有中文时，用encoding属性说明文档的字符编码，如：<?xmlversion="1.0" encoding="GB2312" ?> 或<?xml version="1.0" encoding="UTF-8" standlone="yes"?>

顺序不能弄错，当XML文件中有中文时，必须使用encoding属性指明文档的字符编码，例如：encoding="GB2312"或者encoding="utf-8"，并且在保存文件时，也要以相应的文件编码来保存，否则在使用浏览器解析XML文件时，就会出现解析错误的情况。字符集属性encoding是可选的，默认值是UTF-8。standlone也是可选的，值只能是yes或no，若值是”yes” 表示没有呼叫外部文件，若值是”no” 则表示有呼叫外部文件。默认值是“yes”。（详见附录）

如果我们使用“记事本”或者“EditPlus”等文本编辑工具编写XML文件时，当我们在保存文件时，文件的编码默认是以“ANSI”来保存的，如下图)所示:

若编写XML文件时，使用encoding="utf-8"来指明了文档的字符编码，但是在保存的时候却使用了“ANSI”编码来保存文件，打开时解析失败，请记住，使用“记事本”或者“EditPlus”等文本编辑工具编写XML文件时一定要以XML文件的encoding属性指明的编码来保存文件。

使用一些比较智能的IDE编写XML文件时，IDE在保存XML文件时，会自动以encoding属性指明的编码来保存文件。

 

处理指令，简称PI（processing instruction）。处理指令用来指挥解析引擎如何解析XML文档内容。例如，在XML文档中可以使用xml-stylesheet指令，通知XML解析引擎，应用css文件显示xml文档内容，标签名为中文时，css不起作用。

　　<?xml-stylesheet type="text/css" href="css文件名.css"?>

例如，test2.xml：

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

<!--在XML文档中可以使用xml-stylesheet指令，通知XML解析引擎，应用country.css文件显示xml文档内容-->

<?xml-stylesheet type="text/css" href="country.css"?>

<Country>

    <c1>中国</c1>

    <c2>美国</c2>

    <c3>俄罗斯</c3>

    <c4>巴基斯坦</c4>

</Country>

 

country.css样式文件代码如下：

c1{

    font-size:200px;

    color:red;

}

c2{

    font-size:150px;

    color:green;

}

c3{

    font-size:100px;

    color:#ccc;

}

c4{

    font-size:130px;

    color:blue;

}

 

用浏览器打开test2.xml，显示：

 

在编写XML文件时，有些内容可能不想让解析引擎解析执行，而是当作原始内容处理，遇到此种情况，可以把这些内容放在CDATA区里，对于CDATA区域内的内容，XML解析程序不会处理，而是直接原封不动的输出。

语法：<![CDATA[ 内容 ]]>

例如，test3.xml ：

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

<soft>

<![CDATA[

    <a className="gacl.xdp">

        <a1>gacl</a1>

        <a2>xdp</a2>

    </a>

]]>

    <b>

        <b1>中国</b1>

        <b2>美国</b2>

    </b>

</soft>

 

 用EXCEL打开XML文件：

法一、新建一个空白的excel文件，将该xml文件，拖动到excel文件中，参见下图

单击“确定”按钮，显示如下图

 

再次单击“定”按钮，完成，显示如下图

 

法二、打开Excel，再按下图步骤进行单击

 

出现如下图对话框

 

图步骤进行单击，

显示结果

转义字符表：

对于一些特殊字符，若想显示其原始样式，也可以使用转义的形式予以处理。

例如：

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

<soft>

    <b>

        &lt;b1&gt;特殊符号&lt;/b1&gt;

        <b2>验证</b2>

    </b>

</soft>

 

用浏览器打开结果如下图

 

 

standalone在XML里的作用

standalone  用来表示该文件是否呼叫其它外部的文件。若值是”yes” 表示没有呼叫外部文件，若值是”no” 则表示有呼叫外部文件。默认值是“yes”。

这里所指的外部文件其实就是查检XML是不是有效的约束文件，或是DTD或是Schema,那这两者又有什么区别呢？

尽管XML1.0提供了一种机制，即文档类型定义（DTD，Document Type Definition）来规范XML的格式规则。但是它天生存在一些缺点，比如，它采用了非XML的语法规则、不支持更多的数据类型、扩展性差等，为了克服这些缺点，XSD（XML Schema Definition）出现了。W3C推荐在XML中使用XSD来代替DTD。

XSD（XML Schema Definition，XML模式定义）跟DTD一样，也用于定义 XML 文档的约束。但它与DTD明显不同的是，XSD遵循XML语法规则，更好地支持数据类型以及命名空间。W3C称：XML Schema is an XML based alternative to DTD。模式在单独的文件中定义，通常扩展名为 .xsd。每个模式定义都有一个根元素 schema，该元素属于名称空间。schema 元素可以包含可选的属性。

    比如：

    <xs:schema xmlns:xs=http://www.w3.org/2001/XMLSchema

    elementFormDefault="qualified" attributeFormDefault="unqualified">

    这表示模式中使用的元素来自名称空间。

    XML 文件使用 schema 名称空间中的schemaLocation 属性链接到对应的模式。使用schemaLocation 属性必须定义 schema 名称空间。所有这些定义都出现在 XML 文档的根元素中。

    语法如下：

    <root_element  schema_namespace_definition  schema_location_definition>

    下面是一个例子：

    <Books xmlns:xs=" Books.xsd">

    先来看看一个XML文件示例（message.xml），分别用DTD和XSD 描述这个文件，看看它们之间的区别：

    1、使用DTD：

    <?xml version="1.0" standalone="yes"?>

    <!DOCTYPE message[

    <!ELEMENT message （to,from,body）>

    <!ELEMENT to      （#PCDATA）>

    <!ELEMENT from    （#PCDATA）>

    <!ELEMENT body    （#PCDATA）>

    ]>

    <message>

    <to>rose</to>

    <from>alex</from>

    <body>Hi,My Girl!</body>

    </message>

 

    2、使用XSD（XML Schema Definition）：

    message.xml:

    <?xml version="1.0" standalone="no"? >

    <message xmlns=http://www.example.com

   xmlns:xsi=http://www.w3.org/2001/XMLSchema-instance

    xsi:schemaLocation=" message.xsd">

    <to>Rose</to>

    <from>Alex</from>

    <body>Hi,My Girl!</body>

    </message>

    message.xsd:

    <?xml version="1.0"?>

    <xs:schema xmlns:xs=http://www.w3.org/2001/XMLSchema

    targetNamespace=http://www.example.com

    xmlns="" elementFormDefault="qualified">

    <xs:element name="message">

    <xs:complexType>

    <xs:sequence>

    <xs:element name="to"type="xs:string"/>

    <xs:element name="from"type="xs:string"/>

    <xs:element name="body"type="xs:string"/>

    </xs:sequence>

    </xs:complexType>

    </xs:element>

    </xs:sch

  

有了上述基础，想进一步学习，就比较容易啦。

XML基础小结

XML（Extensible Markup Language：可扩展标记型语言）xml 主要用途：用来存储数据，体现在作配置文件，或者充当小型数据库，在网络中传输数据。

特别提示：XML被设计为“什么都不做”，XML数据或XML文档只用于组织、存储数据，除此之外的数据生成、读取、传送、存取等等操作都与XML本身无关！

xml文档的后缀名为 .xml。xml代码区分大小写。

XML 文档形成一种树结构

XML 文档必须包含根元素。该元素是所有其他元素的父元素。

XML 文档中的元素形成了一棵文档树。这棵树从根部开始，并扩展到树的最底端。

所有元素均可拥有子元素。

上图表示下面的 XML 中的一本书：

<bookstore>

<book category="CHILDREN">

  <title lang="en">Harry Potter</title>

  <author>J K. Rowling</author>

  <year>2005</year>

  <price>29.99</price>

</book>

<book category=””>

  ……

</book>

</bookstore>

xml语法

(1) 文档声明

创建一个xm文件后，第一步就是 必须要有 一个文档声明（写了文档声明之后，表写xml文件的内容）

<?xml version="1.0" encoding="utf-8" standalone="no"?>

说明：

• version : xml版本，必须写
• encoding：xml编码 常见编码： GBK、UTF-8、ISO8859-1(不包含中文)
  • 保存时编码和设置打开时候的编码需要一致，否则会出现乱码
• standalone：standalone表示该xml是不是独立的yes/no，缺省是no。如果是yes，则表示这个XML文档时独立的，不能引用外部的DTD规范文件；如果是no，则该XML文档不是独立的，表示可以引用外部的DTD规范文档。

(2) 标签的定义

标签（标记，也称为元素）是根据实际需要定义的。

注意事项：

1. 有始有终：<person></peoson>
2. 合理嵌套：<aa><bb></bb></aa>
3. 空格和换行均当做内容来解析，所以可能我们需要注意一些缩进的问题
4. 不能交叉嵌套

名称规则：

1. xml 代码区分大小写
2. 名称不能以数字或者标点符号开始
3. 不能以 xml、XML、Xml等开头
4. 不能包含空格和冒号

(3) 属性的定义

1. 一个标签上可有多个属性 <person id1="aaa" id2="bbb"></person>
2. 属性名称和值之间使用 = 连接，属性值用引号包起来(单引号和双引号都可以)

属性的命名规范也是和XML元素一样的。

(4) 注释

<?xml version="1.0" encoding="UTF-8"?>

<!-- xml注释 -->

注释不能嵌套，并且不能放到第一行，第一行必须方式文档声明

(5) 特殊字符

如果想在xml中输入特殊字符，需要对字符进行转义，因为 < 等会被当做标签

字符	转义字符	描述
&	&	和
<	<	小于号
>	>	大于号
"	"	双引号
'	'	单引号

若多个字符都需要转义，则可以将这些内容存放到CDATA里面

<![CDATA[ 内容 ]]>

对于CDATA内的内容，XML解析程序不会处理，而是当作原始内容处理。

(七) PI指令 (processing instruction处理指令)

可以在xml中使用xml-stylesheet指令应用css文件设置样式

<?xml-stylesheet type="text/css" href="css的路径"?>

XML解析方式

XML解析方式分为两种：

☆dom(Document Object Model)文档对象模型，是W3C组织推荐解析XML的一种方式。

☆sax(Simple API For XML)，它是XML社区的标准，几乎所有XML解析器都支持它！

dom解析和sax解析区别：

        dom方式解析：根据xml的层级结构在内存中分配一个树形结构，把xml的标签，属性和文本都封装成对象。

            * 优点：元素与元素之间保留结构关系，很方便实现增删改操作

            * 缺点：如果文件过大，可能造成内存溢出

       sax方式解析：采用事件驱动，边读边解析，从上到下，一行一行的解析，解析到某一个对象，返回对象名称，当SAX解析结束，不会保存任何XML文档的数据。

            * 优点：处理速度快,可以处理大文件，不会造成内存溢出，方便实现查询操作

            * 缺点：不能实现增删改操作

XML文档也是数据的一种，对数据的操作也不外乎是“增删改查”。也被大家称之为“CRUD”：

    C：Create

    R：Retrieve

    U：Update

    D：Delete

可以使用记事本编辑XML文件，为了工作效率，建议您使用一款智能的 XML 编辑器，如XMLSpy。

Python 对XML的解析

python有三种方法解析XML：SAX，DOM和ElementTree。

☆DOM(Document Object Model)

DOM的解析器在解析一个XML文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后利用DOM提供的不同函数来读取该文档的内容和结构，也可以把修改过的内容写入XML文件。由于DOM是将XML读取到内存，然后解析成一个树，如果要处理的XML文本比较大的话，就会很耗内存，所以DOM一般偏向于处理一些小的XML，（如配置文件）比较快。

☆SAX(simple API for XML)

Python标准库中包含SAX解析器，SAX是用的是事件驱动模型，通过在解析XML过程

中触发一个个的事件并调用用户定义的回调函数来处理XML文件。使用import xml.sax引入。

解析的基本过程：

读到一个XML开始标签，就会开始一个事件，然后事件就会调用一系列的函数去处理

一些事情，当读到一个结束标签时，就会触发另一个事件。所以，我们写XML文档入

如果有格式错误的话，解析就会出错。

这是一种流式处理，一边读一边解析，占用内存少。适用场景如下：

1、对大型文件进行处理；

2、只需要文件的部分内容，或者只需从文件中得到特定信息。

3、想建立自己的对象模型的时候。

☆ElementTree(元素树)

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。使用import xml.etree.ElementTree引入。

附、深入解读Python解析XML的几种方式

https://www.jb51.net/article/79494.htm