XML(eXtensible Markup Language，可扩展标记语言)，是一个基于文本格式表示的 结构化信息 ， 提供一套跨平台、跨网络、跨程序语言的数据描述方式

关键词： 可扩展标记语言、数据描述方式、跨平台、跨网络、跨程序语言

标记语言（Markup Language）指用一系列约定好的标记对电子文档进行标记，以实现对电子文档的语义、结构及格式的定义

XML发展史

• 1980年代早期，IBM设计了一种标识语言——GML (Generalized Markup Language，通用标记语言)。GML 能够将标识和内容分开，所有文件的标签（标识）使用方法均一致 （例如标记字体大小和版面的标识）
• 1986年国际标准化组织（ISO）正式发布了标记语言标准（ISO 8879)，成为新的标准通用语言——SGML

  SGML功能强大，是可以定义标记语言的元语言，被广泛地运用在各种大型的文件计划中，但是SGML是一种非常严谨的文件描述法，导致其过于庞大复杂（光标准手册就有500多页），难以理解和学习，进而影响其推广与应用。 HTML是SGML的子集，是一个非常成功的SGML应用。虽然HTML限制定义新的标签，背离了SGML的思想，但是在实际应用中取得了成功。

• 1982年 W3C 发布了 XML 1.0标准，后来又修订了4次，2007年11月发布了XML 1.0 第五版。
• W3C组织于2004年2月四日发布了XML1.1的推荐标准，后又于2006年8月发布了第2版

  其目的是在WEB上能以现有的HTML的使用方式提供、接受和处理通用的SGML。XML是SGML的一个简化子集，它以一种开放的、自我描述的方式定义数据结构，在描述数据结构的同时能突出对结构的描述，从而体现出数据与数据之间的关系。

XML文档组成、语法、DTD和Schema

XML的文档组成

• XML声明： <?xml version = "1.0" encoding = "UTF-8" standalone-"yes"?>。必需且必须位于第一行
• 文档类型声明： 外部引用或直接在文档中给出DTD

  DTD(Document Type Definition)，XML从SGML继承了用于定义语法规则的DTD机制，HTML就有一个标准的DTD文件，所以其组织结构和所有标签都是固定的。详细介绍见下文。

• 处理指令（Processing Instruction，PI），XML处理一些非XML格式的数据，使用指令通知其他应用程序来处理这些数据。
• 注释：注释不能出现在标记中，可以包围和隐藏标记。注释中不能出现 --双连字符；不允许以--->结尾
• 元素：<元素名称>标记内容</元素名称>

正确理解 标记、元素和属性

• 标记： 标记是一对尖括号和两者之间的内容，包括元素名和所有属性；如 <tag color="white">、</tag>和<tag/>分别是开始标记、结束标记和单标记
• 元素： 元素通常由开始标记、结束标记以及标记的内容构成，是文件的基本对象，是通过标记进行定义的。指开始标记、结束标记以及两者之间的一切内容，包括属性、文本、注释以及子元素
• 属性： 属性是元素的附加信息，总是以"属性名"="属性值"的形式给出，总是在元素的开始标记中进行定义

XML语法

• 双标记、单标记都必需关闭标签 <tag></tag> 和 <tag/>
• 所有标签都区分大小写
• 标签命名规则：
  • 允许使用中文、可以包含空格、大小写敏感、不能用 XML（无论大小写）开头、可以以字母、下划线（_)开始
  • 后面可以是字母、下划线、数字、点号(.)或者连接线(-)
• 所有标签必需合理嵌套
• 所有标签属性必需使用双引号(“)或单引号(‘)括起来，两者不能混用
• 有且只能有一个根元素
• 元素内容：
  • 子元素、字符数据、字符引用、实体引用、CDATA字段、空白处理、行尾处理、语言标识

    • 字符数据： 任意字符串，但不能包含任何标记的起始定界符（<、&）和CDATA段的结束定界符（]]>）
    • 字符引用/实体引用： 字符引用和实体引用都是以一个和号(&)开始并以一个封号(;)结束。 如果采用的是字符引用，需要在和号之后再加上一个井号(#)，之后是所需字符的十进制或十六进制代码； 如果是实体引用，在和号之后写上字符的助记符
    • CDATA段： <![CDATA[ 任意不包含CDATA段的结束定界符的字符串]]>，主要用于需要将整个文本解释为字符数据而不是标记的情况下，CDATA段内容不被XML处理器分析

      XML预定义的字符引用和实体引用

      |字符|字符引用（十进制/十六进制）|预定义实体引用| |:-:|:-:|:-:| |<|</&#x3c|&lt| |>|>/&#x3e|&gt| |"|"/&#x22|&quot| |'|'/&#x27|&apos| |&|&/&#x26|&amp|

• 空白处理： 空白包括 空格、制表符和空行。
• 行尾处理： XML处理器在解析前，要将所有的两个字符序列#xD#xA以及单独的#xD字符转换成单个的#xA字符

  不同的计算机系统采用的行分隔符是不同的。在XML空白字符中，有两个标准的ASCII码行尾控制字符：回车（CR，#xD）和换行（LF，#xA）。回车是将光标移动到当前行的开头，换行是将光标“垂直”移动到下一行（不改变光标的水平位置）。

  • 在windows平台下，采用#xD#xA的组合作为行分隔符
  • 在Linux、UNIX系统下，采用#xA作为行分隔符
  • 在Mac OS下，采用#xD作为行分隔符

• 语言标识： 使用xml:lang属性指出元素的内容和属性值所使用的语言（自然或人工语言）

格式不良好的XML文档

没有完全遵守XML文档语法规则的文档；例如文档中某个开始标记没有对应的结束标记。

格式良好的XML

• 有且只有一个根元素
• 符合XML元素的嵌套规则
• 满足XML规范中定义的所有正确性约束
• 文档中直接或间接引用的每一个已分析实体嗾使格式正确的

有效的XML文档

• XML文档是一个格式良好的文档
• 语法符合DTD的定义或者Schema规定

DTD文档类型定义

W3C推荐的验证XML文档的正式规范

当一个XML单独存在时，其中的元素可以由用户随意定义。但实际应用中往往需要XML文档编写者和提供者遵循共同的原则，比如约定文档可以有哪些元素，哪些元素是必须的等等。DTD就是一种有效约定。

DTD内部包含下列语句：

• 元素类型声明 <!ELEMENT >
• 属性列表声明 <!ATTLIST >
• 实体声明 <!ENTITY >
• 符号声明 <!NOTATION >

DTD可以是独立的文档，扩展名为.dtd，也可以存在于XML文档内部（但要放置于<!DOCTYPE[...]>之中）

内部DTD

<!DOCTYPE 根元素名称 [
  <!ELEMENT 根元素名称 （子元素1，子元素2）>
  <!ELEMENT 子元素1 （#PCDATA）
  <!ELEMENT 子元素2 （#PCDATA）
  <!ATTLIST 子元素1 属性1 CDATA #REQUIRED>
]>

外部DTD：

在XML文档中按以下语法格式添加

<!DOCTYPE (根元素名称) SYSTEM "外部DTD的URI地址">

SYSTEM关键字表示文档使用的是私有DTD文件； 外部DTD URI可以是相对URI也可以是绝对URI，也被称为系统标识符（system identifier）

公用DTD

<!DOCTYPE (根元素名称) PUBLIC "DTD的标识名" "公用DTD的URL地址"

公共DTD名称的一些约定

Schema

命名空间