XML（eXtensible Markup Language）

eXtensible Markup Language（可扩展标记语言）是一种用来存储和传输数据的文本格式。

具体定义

• XML 可扩展标记语言，是用于标记电子文件使其具有结构性的标记语言，可以
  用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的
  源语言。
• XML 文档结构包括 XML 声明、DTD 文档类型定义（可选）、文档元素。与
  HTML 不同，XML 不使用预定义标签，因此可以为标签指定描述数据的名称。
• 在 Web 历史的早期，XML 作为一种数据传输格式非常流行（“AJAX”中的“X”
  即代表“XML”），但它的受欢迎程度现在已经下降，转而支持 JSON 格式。

XML vs HTML

特性	XML	HTML
主要用途	用于传输与存储数据	用于显示数据
格式要求	严格区分大小写	不区分大小写
空格处理	不会自动删除空格	自动删除空格
标签定义	标签可根据数据需求自定义扩展	标签是预定义的

XML文档的构建模块

元素元素 (Element)：

XML 文档的基本组成单位。一个元素由开始标签、结束标签及其内容组成。元素可以包含属性、文本、其他元素或这些的组合。元素的名称通常遵循大小写敏感的规则。
示例：

<book>内容</book>

属性 (Attribute)：

属性用于为元素提供额外的描述信息。属性总是包含在开始标签中，具有键值对的形式。
示例：

<book title="学习XML">内容</book>

在这个例子中，title 是 book 元素的属性，值为 “学习XML”。

实体 (Entity)：

实体是一个特殊的标识符，用于表示在文档中反复使用的数据片段。它们通常用于替代某些字符（如 <、>）或存储外部文件。
预定义实体：

&lt;   <!-- 小于符号 < -->
&gt;   <!-- 大于符号 > -->
&amp;  <!-- 与符号 & -->

示例：

<book>
  <title>XML &amp; HTML</title>
  <description>这是一个包含特殊字符的文本，例如 &lt; 和 &gt;。</description>
</book>

在这个例子中，& 表示 &，< 表示 <，> 表示 >。这些实体保证了 XML 文件在解析时不会产生冲突。
实体可以是字符实体（如上述示例）或外部实体（如外部文件引用）。

PCDATA(parsed chatacter data):

XML 解析器通常会解析 XML 文档中所有的文本。
当某个 XML 元素被解析时，其标签之间的文本也会被解析：

<message>This text is also parsed</message>

解析器之所以这么做是因为 XML 元素可包含其他元素，就像这个实例中，其中的 元素包含着另外的两个元素（first 和 last）：

<name><first>Bill</first><last>Gates</last></name>

而解析器会把它分解为像这样的子元素：

<name>
<first>Bill</first>
<last>Gates</last>
</name>

解析字符数据（PCDATA）是 XML 解析器解析的文本数据使用的一个术语。

CDATA(Character Data)：

术语 CDATA 是不应该由 XML 解析器解析的文本数据。
像 “<” 和 “&” 字符在 XML 元素中都是非法的。

• “<” 会产生错误，因为解析器会把该字符解释为新元素的开始。
• “&” 会产生错误，因为解析器会把该字符解释为字符实体的开始。

某些文本，比如 JavaScript 代码，包含大量 “<” 或 “&” 字符。为了避免错误，可以将脚本代码定义为 CDATA。
CDATA 部分中的所有内容都会被解析器忽略。

CDATA 部分由 <![CDATA[ 开始，由 ]]> 结束：

<script>
<![CDATA[
function matchwo(a,b)
{
if (a < b && a < 0) then
{
return 1;
}
else
{
return 0;
}
}
]]>
</script>

在上面的实例中，解析器会忽略 CDATA 部分中的所有内容。
关于 CDATA 部分的注释：
CDATA 部分不能包含字符串 “]]>”。也不允许嵌套的 CDATA 部分。
标记 CDATA 部分结尾的 “]]>” 不能包含空格或换行。

XML特性

• 所有 XML 元素都须有关闭标签
• XML 标签对大小写敏感
• XML 必须正确地嵌套
• XML 文档必须有根元素
• XML 的属性值需要加引号

XML实体

XML 实体是对数据的引用，根据实体种类的不同，XML 解析器将使用实体的替代文本或者外部文档的内容来替代实体引用。
XML 实体由三部分构成: 一个与字符 &, 一个实体名称, 以及一个分号 ;。
XML 语言的规范中内置了各种实体。例如实体<和>代表字符 < 和 >。这些是
用于表示 XML 标签的元字符，因此当它们出现在数据中时，通常必须使用它们的实体来表示。
实体类别：

• 参数实体：用%声明，用%引用；在 DTD 中声明，在DTD中引用。

<!DOCTYPE book [
  %author;  <!-- 引用参数实体 -->
  <!ENTITY % author "John Doe">
]>
<book>
  <title>XML教程</title>
  <author>%author;</author>  <!-- 使用参数实体 -->
</book>

• 其余实体：直接用实体名称声明，使用&引用；在 DTD 中声明，在 XML 中引用。

<!DOCTYPE book [
  <!ENTITY author "John Doe">
]>
<book>
  <title>XML教程</title>
  <author>&author;</author>  <!-- 使用一般实体 -->
</book>

文档类型(DTD)

文档类型定义（DTD，Document Type Definition）可定义合法的 XML文档构建模块，它使用一系列合法的元素来定义文档的结构（文档中使用的标签、属性及其组合方式）。

DTD 可被成行地声明于 XML 文档中，也可作为一个外部引用，也可以是两者的混合。

示例：

<?xml version="1.0"?>
<!DOCTYPE user [
  <!-- 定义根元素为 user -->
  <!ELEMENT user (username, password, userid, mail)> <!-- 定义 user 有四个子元素 -->
  <!ELEMENT username (#PCDATA)> <!-- 定义子元素类型为 #PCDATA -->
  <!ELEMENT password (#PCDATA)>
  <!ELEMENT userid (#PCDATA)>
  <!ELEMENT mail (#PCDATA)>
]>
<user>
  <username>pinginglab</username>
  <password>Pinker@123</password>
  <userid>1</userid>
  <mail>[e-mail]</mail>
</user>

DTD引用方式：

<!ELEMENT user (username, password, userid, mail)>
<!ELEMENT username (#PCDATA)>
<!ELEMENT password (#PCDATA)>
<!ELEMENT userid (#PCDATA)>
<!ELEMENT mail (#PCDATA)>
#user.dtd文件

<?xml version="1.0"?>
<!DOCTYPE user SYSTEM "user.dtd">
<user>
  <username>xiaoming</username>
  <password>xiaoming@123</password>
  <userid>1</userid>
  <mail>[e-mail]</mail>
</user>

XML自定义实体

XML 允许在 DTD 中定义自定义实体。例如：

<!DOCTYPE foo [ <!ENTITY myentity "my entity value" > ]>

此定义意味着 XML 文档中对&myentity;实体引用的任何用法都将替换
为定义的值：“my entity value”。

XML外部实体

XML 外部实体是一种自定义实体，其定义位于声明它们的 DTD 之外。
外部实体的声明使用 SYSTEM 关键字，并且必须指定应从中加载实体值的URL。例如：

<!DOCTYPE foo [ <!ENTITY test SYSTEM "http://www.baidu.net" > ]>

URL 可以使用file://协议，因此可以从文件加载外部实体。例如：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE foo [ <!ENTITY hosts SYSTEM "file:///etc/hosts" > ]>
<abc>&hosts;</abc>

默认支持协议

libxml2	PHP	Java	.NET
file	file	http	http
http	http	https	https
ftp	ftp	ftp	ftp
	php	file	file
	compress.zlib	jar
	compress.bzi	netdoc
	p2	mailto
	data	gopher
	glob
	phar