搜索
1第一章XML与DTDXML的产生：XML的全称是ExtensibleMarkupLanguage,意思是可扩展的标记语言，它是标准通用标记语言（StandardGeneralizedMarkupLanguage，SGML）的一个子集。在80年代早期，IBM提出在各文档之间共享一些相似的属性．例如字体大小和版面。IBM设计了一种文档系统，通过在文档中添加标记，来标识文档中的各种元素，IBM把这种标识语言称作通用标记语言（GeneralizedMarkupLanguage），即GML。经过若干年的发展，1984年国际标准化组织（ISO）开始对此提案进行讨论，并于1986年正式发布了为生成标准化文档而定义的标记语言标准（ISO8879)，称为新的语言SGML,即标准通用标记语言。SGML功能非常强大，是可以定义标记语言的元语言。W3C介绍：W3C是万维网联盟(WorldWideWebConsortium）英文的缩写，它成立于1994年10月，以开放论坛的方式来促进开发互通技术（包括规格、指南、软件和工具），开发网络的全部潜能。万维网联盟(W3C)从1994年成立以来，已发布了90多份Web技术规范，领导着Web技术向前发展。W3C认为自身不是官方组织，因此将它正式发布的规范称为推荐（建议）标准，意思是进一步标准化的建议，但是由于该组织自身的权威性往往成为事实上的标准。一项技术要成为W3C的推荐标准，需要7个步骤：1．W3C收到提交(ReceivesaSubmission)2.W3C发布注释(PublishesaNote)3.W3C成立工作组(CreatesaWorkingGroup)4.W3C发布工作草案(PublishesaWorkingDraft)5.W3C发布候选推荐标准(PublishesaCandidateRecommendation)6.W3C发布提议的推荐标准(Publishesa2ProposedRecommendation)7.W3C发布推荐标准(PublishesaRecommendation)关于XML的问题：XML是HTML的扩展吗？HTML的全称是HypertextMarkupLanguage（超文本标记语言），而XML的全称是(ExtensibleMarkupLanguage）可扩展的标记语言，这很容易让人联想到XML是通过增加新标记来扩展HTML的一种标记语言。实际上HTML和XML在标记语言中处于不同的层次。html?xmlversion=1.0encoding=gb2312?head欢迎词＞title这是一个欢迎的例子/title标题这是一个欢迎的例子/标题/head内容你好！欢迎你！/内容body你好!欢迎你!/body/欢迎词/html提示:XML在设计之初，就考虑到了国际化的问题，同HTML4.01一样，XML也是基于ISO/IEC10646字符集标准中定义的通用字符集（UniversalCharacterSet.UCS)。SGML、HTML和XML之间的关系：SGML、HTML和XML之间是什么关系？SGML是一种在Web发明前就早已存在的使用标记来描述文档资料的通用语言，它是一种定义标记语言的元语言。HTML和XML都是从SGML发展而来的标记语言，因此，它们有一些共同点，如相似的语法和标记的使用。不过HTML是在SGML定义下的一个描述性的语言，只是SGML的一个应用，其DTD作为标准被固定下来，而XML是SGML的一个简化版本，是SGML的一个子集，严格意义上来说，XML仍然是SGML。HTML不能用来定义新的应用，而XML可以，例如RDF和CDF那是使用XML定义的应用．事实上。XML和SGML是兼容的．但又没有SGML那么复杂，它是设计用于有限带宽的网络，如Internet.XML规范的制定者之一TimBray说，XML的设计出发点是取SGML的优点，去除复杂的部分，使其保持轻巧，可以在Web上工作。HTML、SGML和XML将继续使用于适合的地方，它们中的任何一个都不会使其它一个废弃。对于像新闻、网络日记、论坛留言等大部分短期的数据，HTML仍是在Web上快速出版数据的最简单的方法。如果数据要长期使用，并且需要更多的一些结构，我们更推荐使用XML。不同于HTML和XML，SGML可能永远不会在Internet上被广泛接受，因为它们不是为某个网络协议而设计，也从来没有为某个网络协议的需求而优化过。对于高端的、复杂结构的出版应用，SGML将继续应用。XML与HTML的比较：XML将数据与显示分开htmlhead?xmlversion=1.0encoding=gb2312?title静夜思/titlepoembodycentertitle静夜思/titleh2fontcolor=red静夜思/font/h2author李白/authorb作者：李白/bhrcolor=bluecontentline床前明月光/linepbifontsize=3color=greenline疑是地上霜/line床前明月先，疑是地上霜brline举头望明月/line举头望明月，低头思故乡/font/i/bline低头思故乡/line/content/center/body/html/poem3XML对文档的格式要求更加严格,由于HTML文档格式非常松散，导致了HTML文档解析的复杂性，也造成了浏览器兼容的问题，所以XML从一开始，就对文档的格式制定了非常严格的标准，凡是符合这一标准的XML文档就是格式良好的XML文档（Well-FormedXMLDocuments）。开始标签必须要有一个结束标签:在HTML文档中，可以直接使用p,tr,td等标签，而不用加结束标签，在XML中，开始标签和结束标签必须配套，也就是必须写成p.../p、tr.../tr,td.../td空元素标签必须被关闭.在HTML文档中，可以使用br,hr,imgsrc=logo.gifwidth=197height=81等单标签，而在XML中，空元素标签必须被关闭。空元素标签采用斜杠(/)来关闭，例如：br/,hr/,imgsrc=logo.gifwidth=197height=81/所有的标签都区分大小写在HTML文档中，标签是不区分大小写的，tr和/TR是tr元素的开始标签和结束标签，但是在XML中，tr和TR是两个不同的标签，开始标签和结束标签的大小写形式必须一致.所有的标签都必须合理嵌套。在HTML文档中，bi.../b/i是允许的，但是在XML中，这是错误的．在XML中，所有的标签都要成对出现，合理嵌套，正确的形式是：bi.../i/b.所有标签的属性值必须用双引号()或单引号（''）括起来。在HTML文档中，属性值可以加引号，也可以不加，例如：hrcolor=blue和hrcolor=blue都是合法的。在XML文档中，即使是数等字符，也必须加双引号或单引号，例如:studentname=zhangsanage='18'/。XML有且只能有一个根元素,在HTML中，可以有多个根元素，如下：table..../tabletable.../table.但是在XML中，有且只能有一个根元素，如下：table.../tableXML的编辑工具：．Notepad(Windows自带)、UltraEdit、XMLSpyXML的文档：每一个XML文档都有一个逻辑和一个物理结构。物理上而言，文档由称为实体(entities)的存储单元组成，实体都具有内容并且都通过实体的名字进行标识〔文档实体和外部DTD子集除外）。实体可以是一段文本、一个文件、一个数据库记录或其他包含数据的项目。一个实体可以引用其它的实体，从而将它们包含在文档中。文档开始于根(root)或文档实体(documententity).格式良好的XML文档形成了一种层次树结构，而这个树的树根就是文档实体，与其它实体不同，文档实体没有名宇，只是用于表示文档树的根。XML文档的根元素被称为文档元素(documentelement)，它和在其外部出现的处理指令、注释等作为文档实体的子节点,而根元素本身和其内部的子元素也是一棵树.实体可以包含已分析(parsed）的或未分析的(unparsed）数据.已分析的数据由字符组成，其中一些字符组成字符数据，另一些字符组成标记。已分析的实体(parsedentity）内容被称为它的替换文本，这个文本被看成是文档整体的一部分．在XML处理器分析XML文档时，凡是文档中出现引用已分析实体的地方，都将被该实体的内容所替换.未分析的实体(unparsedentity)是一种资源，它的内容可以是也可以不是文本，并且，如果是文本的话，可以不是XML文本。每一个未分析的实体有一个相关联的用名字标识的记号(notation)。除了要求XML处理器能向应用程序提供可用的实体和记号的标识符之外，XML对未分析的实体内容不作任何限限制。已分析的实体以实体引用的方式通过名字来调用：未分析的实体通过ENTITY或ENTITIES属性中给出的名字来调用．逻辑上而言，文档由声明，元素，注释，字符引用和处理指令组成，在文档中，所有这些都是通过显式的标记(markup)来指明的.XML标记(markup)包括开始标签(tag)、结束标签、空元素标签、实体引用、字符引用、注释、CDATA段定界符、文档类型声明，处理指令、XML声明、文本声明以及任何在文档实体顶层的空白（即，在文档元素之外，且不在任何其它的标记内部）。其它所有非标记的文本组成文档的字符数据。XML文档在逻辑上主要由以下五个部分组成。--XML声明--文档类型声明4--元素--注释--处理指令。XML声明：XML文档总是以一个XML声明开始，其中指明所用的XML版本、文档的编码、文档的独立性信息。其格式如下?xml版本信息[编码信息][文档独立性信息]?一对中括号([])中的部分表示是可选信息。版本声明?xmlversion=1.0?文档编码声明在XML声明中还可以加上交档编码信息，默认是UTF-8,如果要使用中文，我们可以在声明中加上encoding=gb2312,如下所示：?xmlversion=1.0encoding=gb2312?独立文档声明如果我们的文档不依赖于外部文档．在XML声明中，我们可以通过standalone=yes来声明这个文档是独立的文档，如要文档依赖于外部文档，可以通过standalone=no来声明。完整的XML声明如下所示：?xmlversion=1.0encoding=gb2312standalone=yes?XML声明必须位于文档的第一行，前面不能有任何字符。文档类型声明DTD（DocumentTypeDefinition)．文档类型定义．XML从SGML继承了用于定义语法规则的DTD机制，但DTD本身井不要求遵循XML规则，几乎所用的XML应用都是使用DTD来定义的。HTML就有一个标准的DTD文件，所以其组织结构和所有的标签都是固定的．DTD文件也是一个文本文件，通常用dtd作为其扩展名．通过文档类型声明，指出XML文档所用的DTD.文档类型声明有两种形式．一种是声明DTD在一个外部的文件中，如下：!DOCTYPEgreetingSYSTEMhello.dtd一种是直接在XML文档中给出DTD，如下：?xmlversion=1.0encoding=gb2312standalone=yes?!DOCTYPEgreeting[!ELEMENTgreeting(#PCDATA)]