簡介
人們都很喜歡 XML 以及它所提供的靈活性和互操作性，但是，通過使用一些技巧，可以使與 XML 的互操作和與 XML 一起使用的工具更加簡單。在處理 XML 時(shí)養(yǎng)成一些良好的習(xí)慣可以保證最高效地利用您的 XML 文檔和應(yīng)用程序。
使用 10 種良好的習(xí)慣
以下是 10 種最良好的 XML 習(xí)慣：
- 定義 XML 和編碼
- 使用 DTD 或 XSD
- 記得進(jìn)行驗(yàn)證
- 驗(yàn)證并不總是能夠解決問題
- XML 結(jié)構(gòu)和屬性
- 使用 XPath 查找信息
- 并不總是需要使用解析器提取信息
- 何時(shí)使用 SAX 而非 DOM 解析
- 何時(shí)使用 DOM 而非 SAX 解析
- 使用良好的 XML 編輯器
定義 XML 和編碼
 |
經(jīng)常使用的縮寫詞
- DOM：文檔對(duì)象模型（Document Object Model）
- DTD：文檔類型定義（Document Type Definition）
- HTML：超文本標(biāo)記語言（Hypertext Markup Language）
- IDE：集成開發(fā)環(huán)境（Integrated Development Environment）
- SAX：XML 簡單 API（Simple API for XML）
- XSD：XML 模式定義（XML Schema Definition）
- XML：可擴(kuò)展標(biāo)記語言（Extensible Markup Language）
- XSLT：可擴(kuò)展樣式表語言轉(zhuǎn)換（Extensible Stylesheet Language Transformations）
|
|
在快速創(chuàng)建 XML 文檔時(shí)，一般都會(huì)傾向于創(chuàng)建基本的結(jié)構(gòu)并避開一些普通 XML 文檔需求，包括指定 XML 文檔聲明和 XML 文檔包含的數(shù)據(jù)的編碼類型。
考慮清單 1 所示的 XML 文檔。
清單 1. 未包含 XML 聲明和數(shù)據(jù)編碼類型的 XML 文檔
<phrases>
<phrase lang="en">Hello</phrase>
<phrase lang="it">Buongiorno</phrase>
<phrase lang="fr">Salut!</phrase>
</phrases>
|
對(duì)于普通人來說，可以查看該文檔并將其識(shí)別為 XML，但是對(duì)于計(jì)算機(jī)來說，則很難作出這樣的判斷。在文件頂部添加 XML 聲明，可以使它更加明確、更容易識(shí)別。一行簡單的代碼就可以說明文檔是 XML，并且指出版本號(hào)和 XML 數(shù)據(jù)使用的字符編碼類型。例如：
<?xml version="1.0" encoding="us-ascii"?>
|
編碼說明中的內(nèi)容也應(yīng)該確保正確性。XML 解析器使用編碼確保 XML 文檔的單個(gè)字符被正確載入。例如，繼續(xù) 清單 1 中基于短語的示例，如果向文檔添加一個(gè)俄語條目，則會(huì)出現(xiàn)問題，因?yàn)槟壳爸付ǖ木幋a不支持?jǐn)U展的字符集（使用俄語短語表示 hello 時(shí)要求使用擴(kuò)展字符集）。
指定錯(cuò)誤的編碼意味著解析器不能正確處理文檔；例如，如果將一個(gè)多字節(jié)擴(kuò)展字符讀取為一個(gè)單字節(jié)組成的序列，那么會(huì)導(dǎo)致數(shù)據(jù)的損壞和不良輸出。
使用 DTD 或 XSD
添加了 XML 聲明后，應(yīng)該確保使用 DTD 或 XSD 定義有效的 XML 文件的結(jié)構(gòu)。這兩種方法都允許 XML 解析器檢查并確定 XML 文件的內(nèi)容與建模數(shù)據(jù)對(duì)應(yīng)的結(jié)構(gòu)相匹配。
例如，給出一個(gè)針對(duì)聯(lián)系（contact）數(shù)據(jù)庫的簡單 XML 結(jié)構(gòu)，您希望定義一種結(jié)構(gòu)來指定聯(lián)系人的姓名、地址和電話號(hào)碼。使用 DTD 方法可以使您映射這種結(jié)構(gòu)并確保結(jié)構(gòu)中的每一個(gè)聯(lián)系人與布局相匹配。
例如，清單 2 中顯示了針對(duì)聯(lián)系數(shù)據(jù)庫的 DTD。
清單 2. 用于聯(lián)系數(shù)據(jù)庫的 DTD
<!ELEMENT phone (#PCDATA)>
<!ATTLIST phone type (home | work | mobile) #REQUIRED>
<!ELEMENT contact (#PCDATA | name | phone | address)*>
<!ELEMENT contacts (#PCDATA | contact)*>
<!ELEMENT country (#PCDATA)>
<!ELEMENT road (#PCDATA)>
<!ELEMENT address (#PCDATA | road | city | state | postcode | country)*>
<!ATTLIST address type (home | work) #REQUIRED>
<!ELEMENT state (#PCDATA)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT postcode (#PCDATA)>
<!ELEMENT city (#PCDATA)>
|
DTD 定義了描述聯(lián)系人所需要的元素、屬性（以及這些屬性所支持的值）。例如，在 清單 2 可以看到，phone 元素有一個(gè) type 屬性，而 address 和其中的 component 元素也有屬性。
使用 DTD 可以幫助確保屬性的有效性，并且，和驗(yàn)證過程一起使用時(shí)可以識(shí)別任何問題。當(dāng)和支持 XML 的編輯器一起使用時(shí)，DTD 可以幫助編輯和自動(dòng)完成內(nèi)容。
XSDs，即模式，可以執(zhí)行很多與 DTD 相同的功能，但有其獨(dú)特的用途。例如，一些 XML 編輯器需要使用 DTD 自動(dòng)完成內(nèi)容，然而模式在設(shè)計(jì)文檔實(shí)際層次結(jié)構(gòu)方面更加靈活。您可以根據(jù)具體環(huán)境選擇工具。
記得進(jìn)行驗(yàn)證
查看清單 3，能否找出其中的問題？
清單 3. 驗(yàn)證示例
<contacts>
<contact>
<name>Martin</name>
<phone type="home">123 456 7890</phone>
<phone type="mobile">123 456 7890</phone>
<phone type="work">123 456 7890</phone>
<address type="home">
<road>Home road</road>
<city>Home city</city>
<state>Home state</state>
<zipcode>12434</zipcode>
<country>USA</country>
</address>
</contact>
<contact>
<name>Sharon</name>
<phone type="work">234 567 8901</phone>
<phone>234 567 8901</phone>
<address type="home">
<road>Other home road</road>
<city>Other city</city>
<state>Other state</state>
<zipcode>39487</zipcode>
<country>USA</country>
</address>
<address type="work>
<road>Work building, work road</road>
<city>Work city</city>
<state>Work state</state>
<zipcode>12347</zipcode>
<country>USA</country>
</address>
</contact>
</contacts>
|
手動(dòng)查找問題非常麻煩。但是可以通過 xmllint（一款可以檢驗(yàn) XML 文件的內(nèi)容和結(jié)構(gòu)的免費(fèi)工具）運(yùn)行文件，您可以查看運(yùn)行該文件的輸出，如清單 4 所示。
清單 4. 通過 xmllint 運(yùn)行清單 3 得到的輸出
$ xmllint contacts.xml
contacts.xml:27: parser error : Unescaped '<' not allowed in attributes values
<road>Work building, work road</road>
^
contacts.xml:27: parser error : attributes construct error
<road>Work building, work road</road>
^
contacts.xml:27: parser error : Couldn't find end of Start Tag address line 26
<road>Work building, work road</road>
^
contacts.xml:32: parser error : Opening and ending tag mismatch: contact line 15
and address
</address>
^
contacts.xml:33: parser error : Opening and ending tag mismatch: contacts line 1
and contact
</contact>
^
contacts.xml:34: parser error : Extra content at the end of the document
</contacts>
|
盡管與最初的問題（其中的一個(gè)屬性沒有結(jié)束）相比似乎復(fù)雜了很多，但卻為您查找問題提供了一個(gè)起點(diǎn)。
xmllint 還支持各種各樣的命令行選項(xiàng)，幫助選擇診斷方法和結(jié)果。其中最有用的一個(gè)選項(xiàng)是 --noout，它阻止 xmllint 在解析文件時(shí)回傳內(nèi)容。對(duì)于較短的文件來說沒有什么影響，但對(duì)于大型文件來說則是一個(gè)問題。
如果正在使用 DTD，那么使用 --postvalid 選項(xiàng)告訴 xmllint 針對(duì) DTD 驗(yàn)證內(nèi)容，確保內(nèi)容不僅是有效的 XML，而且還與 DTD 的結(jié)構(gòu)相匹配。如果將 使用 DTD 或 XSD 為 contact 文件生成的 DTD 添加到文件，那么屬性定義錯(cuò)誤將被糾正，但隨后將生成一個(gè)不同的錯(cuò)誤，如清單 5 所示。
清單 5. xmllint 找到不同的錯(cuò)誤
$ xmllint --noout --postvalid contacts.xml
contacts.xml:9: element address: validity error : Element zipcode is not declared
in address list of possible children
contacts.xml:21: element address: validity error : Element zipcode is not declared
in address list of possible children
contacts.xml:28: element address: validity error : Element zipcode is not declared
in address list of possible children
Document contacts.xml does not validate
|
這樣使用 xmllint 可以方便快捷地確定文檔的結(jié)構(gòu)是否有效。xmllint 是 libxml2 工具箱的一部分，該工具箱已綁定到 Linux、UNIX® 和 Mac OS X，但 Windows® 需要獨(dú)立下載。有關(guān) xmllint 和 libxml2 的更多信息，請(qǐng)參見 參考資料。
驗(yàn)證并不總是能夠解決問題
使用 xmllint 和類似工具驗(yàn)證 XML 文件（特別是如果使用了 DTD），是驗(yàn)證 XML 文件內(nèi)容的很好方法。然而，這種方法也有其局限性。例如，如何處理 XML 文件的內(nèi)容？
使用 DTD 或 XSD，您可以為屬性指定明確的內(nèi)容。您只是創(chuàng)建了帶有一個(gè)字符串或 ID 的屬性（可以是受限制的可用選項(xiàng)列表的一部分），但是不能使用這種方式控制或限制元素的內(nèi)容。
例如，在聯(lián)系人示例中，telephone numbers 元素包含數(shù)字和空格。但是沒辦法阻止用戶向該元素添加字母字符。這樣做在使用 xmllint 進(jìn)行驗(yàn)證時(shí)不會(huì)檢查出錯(cuò)誤，并且編輯器和其他支持 XML 的解決方案也無法解決或識(shí)別這個(gè)問題。應(yīng)用程序出現(xiàn)的故障可能和您預(yù)料的一樣，因?yàn)樗R(shí)別出一個(gè)非標(biāo)準(zhǔn)數(shù)據(jù)類型。
簡而言之，XML 驗(yàn)證只能保證結(jié)構(gòu)正確，而無法保證數(shù)據(jù)的有效性。
解決此問題的最簡單方法是編寫一個(gè)解析器，它可以讀取 XML 文件并實(shí)際驗(yàn)證數(shù)據(jù)內(nèi)容。但是不要過度地驗(yàn)證內(nèi)容，只需確保數(shù)據(jù)符合應(yīng)用程序的要求。
XML 結(jié)構(gòu)和屬性
對(duì)于究竟是使用屬性還是元素來描述希望在 XML 文件中呈現(xiàn)的信息，人們存在著不同的看法。
一般的做法是，使用元素（即標(biāo)記之間的數(shù)據(jù)）定義文件包含的信息，而屬性則用于提供所描述數(shù)據(jù)的擴(kuò)展限制。
元素和屬性都各有弊端。例如，屬性不能夠在標(biāo)記中重復(fù)，這是元素優(yōu)于屬性的典型例子。元素支持重復(fù)信息的能力使其非常實(shí)用。相反，使用元素限制數(shù)據(jù)有時(shí)處理起來會(huì)比較復(fù)雜。
聯(lián)系人示例中的電話號(hào)碼很好地解釋了屬性的優(yōu)點(diǎn)。在這個(gè)示例中，如清單 6 所示，使用屬性限制電話號(hào)碼的類型（例如辦公、住宅或移動(dòng)電話）。
清單 6. 限制電話號(hào)碼的類型
<phone type="home">123 456 7890</phone>
<phone type="mobile">123 456 7890</phone>
<phone type="work">123 456 7890</phone>
|
使用這種結(jié)構(gòu)，能夠輕松地把號(hào)碼作為一個(gè)整體（忽略屬性），或者挑選特定的電話號(hào)碼類型（使用屬性）。
將此結(jié)構(gòu)與清單 7 中只使用元素設(shè)計(jì)的結(jié)構(gòu)進(jìn)行比較。
清單 7. 只使用元素限制電話號(hào)碼
<phone>
<type>home</type>
<number>123 456 7890</number>
</phone>
<phone>
<type>mobile</type>
<number>123 456 7890</number>
</phone>
<phone>
<type>work</type>
<number>123 456 7890</number>
</phone>
|
現(xiàn)在還很難判斷孰優(yōu)孰劣。盡管從理論上說任何 XML 解析器或適當(dāng)?shù)?XPath 定義都可以把您需要的信息抽取出來。但這樣做獲益不大，并且使得 XML 文檔很難閱讀。
使用 XPath 查找信息
在處理 XML 數(shù)據(jù)時(shí)，查找需要的信息非常復(fù)雜。您可以編寫一個(gè)解析器來挑選需要的信息，但在某些情況下，您只需要快速地找到文件中的一小段信息。
例如，如果需要從聯(lián)系人 XML 文件中提出所有國家的列表，以便查看聯(lián)系人在全球的分布范圍，那么可以使用 XPath 來挑選信息。
通過將 XML 文件的結(jié)構(gòu)作為查詢的一部分，XPath 使您能夠從 XML 文件中抽取數(shù)據(jù)。例如，通過提供特定元素在 XML 文件中的路徑，您可以提取該元素的數(shù)據(jù)：
$ xpath contacts.xml '//contact/address/country'
|
您可以按照下面這樣分析內(nèi)容：
- 最開頭的雙斜杠（//）表示在文檔的任意位置查找指定的元素（contact）。
- 下一個(gè)斜杠和元素名指定了要查找的下一個(gè)元素（address）— 就是說，在 contact 元素內(nèi)查找 address 元素。
- 最后的斜杠重復(fù)此過程，這一次查找的是 country 元素。
注意，在這個(gè)示例中，您限定了從中選擇信息的地址的類型，因此將選擇所有地址。您可以在清單 8 中查看 XPath 查詢的結(jié)果。
清單 8. XPath 查詢的結(jié)果
$ xpath contacts.xml '//contact/address/country'
Found 3 nodes:
-- NODE --
<country>USA</country>-- NODE --
<country>USA</country>-- NODE --
<country>USA</country>
|
如果需要挑選更具體的數(shù)據(jù)，可以指定要匹配的元素或?qū)傩缘膬?nèi)容。例如，如果只選擇手機(jī)號(hào)碼，您需要指定屬性類型和值。為此，使用（@）符號(hào)，它表示您要求搜索一個(gè)屬性，然后指定需要匹配的值（參加清單 9 ）。
清單 9. 只選擇手機(jī)號(hào)碼
$ xpath contacts.xml '//contact/phone[@type="mobile"]'
Found 1 nodes:
-- NODE --
<phone type="mobile">123 456 7890</phone>
|
清單 8 和 9 都使用了一個(gè)命令行工具。很多 XML 工具箱都提供了原生方法來處理 XPath 元素，并且您可以使用 XPath 規(guī)范提取數(shù)據(jù)在應(yīng)用程序中直接使用，而不需要使用解析器來獲取信息。
并不總是需要使用解析器提取信息
盡管有些意想不到，但您并一定需要使用一種功能完善的 XML 解析器，使用 SAX、DOM 或其他技術(shù)（如 XPath 或 XQuery）從 XML 文件中提取需要的信息。
XML 文件使用結(jié)構(gòu)化的格式包含數(shù)據(jù)，但是有時(shí)您需要信息使用自身的結(jié)構(gòu)化格式。要快速查找一個(gè)信息片段時(shí)，通常可以使用更簡單的解決方法。
通常，您僅需使用 grep、Perl 或其他類似工具提取所需的數(shù)據(jù)，而不需要以 XML 文件的形式實(shí)際解釋文檔的結(jié)構(gòu)或內(nèi)容。
例如，您可以使用 grep 選擇電話號(hào)碼（參見清單 10）。
清單 10. 使用 grep 選擇電話號(hào)碼
$ grep '<phone' contacts.xml
<phone type="home">123 456 7890</phone>
<phone type="mobile">123 456 7890</phone>
<phone type="work">123 456 7890</phone>
<phone type="work">234 567 8901</phone>
<phone>234 567 8901</phone>
|
您使用 grep 選擇了需要的信息，并且不需要考慮信息是 XML 格式或者信息的結(jié)構(gòu)。
如果需要查找簡短的信息片段，簡化的處理技術(shù)可以查找到所需的信息，并且避免了使用傳統(tǒng)解析方法的開銷。
何時(shí)使用 SAX 而非 DOM 解析
當(dāng)為文檔構(gòu)建一個(gè)解析器以獲得所需信息時(shí)，常常很難決定何時(shí)使用基于 SAX 的處理程序，何時(shí)使用基于 DOM 的處理程序。
關(guān)于這個(gè)問題的最簡單解決方法是同時(shí)考慮文檔的復(fù)雜性和所查找信息的用途。如果要轉(zhuǎn)換文檔，或者文檔非常大，那么 SAX 是最佳選擇。
SAX 逐個(gè)解析文檔元素，在識(shí)別元素時(shí)調(diào)用方法或函數(shù)。如果將一個(gè) XML 文檔轉(zhuǎn)換為另一種格式，例如將 XML 轉(zhuǎn)換成 HTML，那么 SAX 是最有效的方式。您不必將整個(gè)文檔加入到內(nèi)存中，只需響應(yīng)被識(shí)別出的元素和結(jié)構(gòu)。
SAX 的缺點(diǎn)是，如果需要保存或記錄結(jié)構(gòu)，或者理解整個(gè)文檔并從其中挑選單個(gè)元素（例如，從所有記錄中選擇單個(gè)聯(lián)系人），則必須構(gòu)建復(fù)雜的處理程序，以加載數(shù)據(jù)并將數(shù)據(jù)記錄到結(jié)構(gòu)中，然后將元素標(biāo)識(shí)到輸出目標(biāo)中。
何時(shí)使用 DOM 而非 SAX 解析
DOM 可以將整個(gè)文檔及其結(jié)構(gòu)載入到內(nèi)存，并允許您在應(yīng)用程序內(nèi)部引用和使用 XML 文檔的結(jié)構(gòu)。如在聯(lián)系人示例中，您可以將整個(gè)聯(lián)系人數(shù)據(jù)庫讀入內(nèi)存，然后通過遍歷聯(lián)系人選擇所有的電話號(hào)碼，接著在每個(gè)聯(lián)系人內(nèi)部遍歷每個(gè)電話號(hào)碼。
由于 DOM 保留了結(jié)構(gòu)，更重要的是可以理解和處理結(jié)構(gòu)，您可以輕松地對(duì)結(jié)構(gòu)進(jìn)行整體或單獨(dú)的處理。仍然以聯(lián)系人示例為例，使用 SAX 插入新的聯(lián)系人將非常復(fù)雜。但是如果使用 DOM，您只需將一個(gè)表示新聯(lián)系人的新 XML 元素插入到現(xiàn)有的 XML 文檔。
DOM 的缺陷是使用流方式處理文件 — 例如，轉(zhuǎn)換為 HTML — 過于復(fù)雜，因?yàn)楸仨氃诮Y(jié)構(gòu)內(nèi)逐個(gè)遍歷每個(gè)元素來處理文檔。
此外，由于 DOM 在解析其間將整個(gè) XML 文檔載入到內(nèi)存中，DOM 解析器會(huì)變得非常慢并且需要更多的內(nèi)存。但 DOM 處理這樣做也有一些好處；例如，在一次解析過程中，可以對(duì)使用 DOM 解析的 XML 文檔進(jìn)行多次處理。而使用 SAX，則需要多次重復(fù)解析過程才能獲得相同的效果。
訪問 參考資料，查找更多關(guān)于使用 DOM 和 SAX 的信息。
使用良好的 XML 編輯器
如果經(jīng)常需要編寫和使用 XML，那么必須擁有一個(gè)良好的 XML 編輯器。XML 編輯器不同于標(biāo)準(zhǔn)的文本編輯器，前者可以理解 XML 的結(jié)構(gòu)和布局。XML 編輯器提供的豐富特性使處理 XML 更加簡單，這些特性包括：
- 完成 — 為一個(gè)快完成的元素輸入字符，編輯器可以自動(dòng)幫您輸入剩下的內(nèi)容。
- 內(nèi)容完成 — 如果對(duì) XML 文件使用 DTD，那么編輯器可以為您填充并格式化部分內(nèi)容。例如，在 contacts DTD 中，phone 元素的 type 屬性是一個(gè)必需元素。使用智能 XML 編輯器，在創(chuàng)建 phone 標(biāo)記時(shí)，該屬性（值為空）將自動(dòng)引入到文本中。
- 內(nèi)聯(lián)格式化 — 編輯器可以使您的 XML 更加易于閱讀和理解。這可以在編輯時(shí)立即實(shí)現(xiàn)，也可以通過單獨(dú)的格式命令實(shí)現(xiàn)。最終得到可以理解并可以更快速地標(biāo)識(shí)的 XML。
- 內(nèi)置驗(yàn)證 — 在輸入內(nèi)容時(shí)，編輯器可以驗(yàn)證 XML 文檔的錯(cuò)誤，在編輯器中立即突出顯示各種問題，這樣您就知道該如何解決這些問題。
- 內(nèi)置翻譯和轉(zhuǎn)換 — 一些 XML 編輯器包括 XPath、XQuery 界面，某些情況下還包括 XSLT 和其他轉(zhuǎn)換的界面，因此可以在編輯環(huán)境中查看轉(zhuǎn)換結(jié)果。
- 學(xué)習(xí)和操作 — 有時(shí)您在 DTD 之前創(chuàng)建 XML 結(jié)構(gòu)。在這種情況下，編輯器可以讀取 XML 文件，學(xué)習(xí)它的結(jié)構(gòu)并創(chuàng)建一個(gè) DTD 進(jìn)行驗(yàn)證，這樣可以為您節(jié)省大量的時(shí)間和精力。
好的 XML 編輯器包括 Eclipse 和 oXygenXML，但是還有很多其他選擇。
結(jié)束語
養(yǎng)成良好的 XML 處理習(xí)慣，一切將大有不同，包括利用 XML 提供的功能、打破 XML 標(biāo)準(zhǔn)進(jìn)行驗(yàn)證的基礎(chǔ)知識(shí)以及正確處理解析。本文可以幫助您學(xué)習(xí)這 10 個(gè)好習(xí)慣，從而提高處理 XML 文檔和數(shù)據(jù)的效率。