推薦：Java中四種XML解析技術(shù)之不完全測(cè)試
測(cè)試環(huán)境： AMD毒龍1.4G OC 1.5G、256M DDR333、Windows2000 Server SP4、Sun JDK 1.4.1 Eclipse 2.1 Resin 2.1.8，在Debug模式下測(cè)試。 XML文件格式如下：

隨著互聯(lián)網(wǎng)的迅猛發(fā)展和普及，人們可以通過計(jì)算機(jī)與互聯(lián)網(wǎng)聯(lián)接，從世界各地實(shí)時(shí)的接收和發(fā)送大量、最新的信息，但在信息交換的過程中存在著一個(gè)突出的問題，就是多種多樣的數(shù)據(jù)格式，給信息的有效使用帶來了障礙。所以在信息時(shí)代,如何以最便捷、最可靠、最有效的方式獲取所需的信息是一個(gè)很大的困擾。人們期待著能夠找到一種可以描述任何邏輯關(guān)系的數(shù)據(jù)格式來統(tǒng)一電子數(shù)據(jù)的存儲(chǔ)，從而不再因?yàn)閿?shù)據(jù)格式的不統(tǒng)一而苦惱和困惑。目前，能夠擔(dān)當(dāng)此任的就是xml（extensible markup language，可擴(kuò)展符號(hào)化語言）。

可以說，xml的出現(xiàn)給數(shù)據(jù)交換帶來了一場(chǎng)革命；xml的出現(xiàn)是至今為止最聰明的一種符號(hào)化語言；xml成為下一代網(wǎng)絡(luò)發(fā)展的基石。

xml誕生的背景

sgml介紹

說到xml，我們一定要先了解一下sgml (standard generalized markup language) 。sgml最初是由ibm開發(fā)的一種用于排版的符號(hào)化語言，稱為gml。經(jīng)過若干年的發(fā)展，1984年國(guó)際標(biāo)準(zhǔn)化協(xié)會(huì)（iso）開始對(duì)此提案進(jìn)行討論，于1986年正式承認(rèn)sgml為國(guó)際標(biāo)準(zhǔn)規(guī)范（iso8879）。

 

xml作為電子數(shù)據(jù)交換的統(tǒng)一格式

sgml實(shí)際上是一種通用的文檔結(jié)構(gòu)描述符號(hào)化語言，主要用來定義文獻(xiàn)模型的邏輯和物理類結(jié)構(gòu)。一個(gè)sgml語言文件由三部分組成，即語法定義、文件類型定義dtd（definition type document）和文件實(shí)例。語法定義部分定義了文件類型定義和文件實(shí)例的語法結(jié)構(gòu)；文件類型定義部分定義了文件實(shí)例的結(jié)構(gòu)和組成結(jié)構(gòu)的元素類型；文件實(shí)例是sgml語言程序的主體部分。

在sgml的實(shí)際使用中，每一個(gè)特定的dtd都定義了一類文件。因此，人們習(xí)慣上把具有某一特定dtd的sgml語言，稱為某某符號(hào)化語言。這樣sgml就成為那些派生語言的元語言。

html的出現(xiàn)

1989年，歐洲物理量子實(shí)驗(yàn)室（cern）的信息專家蒂姆·伯納斯·李發(fā)明了超文本鏈接語言, 使用此語言能輕松地將一個(gè)文件中的文字或圖形連到其它的文件中去，這就是html的前身。1991年，蒂姆·伯納斯·李在cern定義了html語言的第一個(gè)規(guī)范，之后成為w3c組織為專門在互聯(lián)網(wǎng)上發(fā)布信息而設(shè)計(jì)的符號(hào)化語言規(guī)范�？梢哉f，html（hypertext markup language）是sgml的一個(gè)實(shí)例，它的dtd作為標(biāo)準(zhǔn)被固定下來。因此，html不能作為定義其它符號(hào)化語言的元語言。

作為world wide web的一個(gè)組成部分，html語言發(fā)展很快，在短短的幾年里，它已歷經(jīng)了html1.0、html2.0和html3.0、html4.0等多個(gè)版本，同時(shí)dhtml (動(dòng)態(tài))、vhtml(虛擬)、shtml等也飛速發(fā)展起來。html以簡(jiǎn)單精練的語法、極易掌握的通用性與易學(xué)性，使web網(wǎng)頁可以親近于每一個(gè)普通人，互聯(lián)網(wǎng)因此得以普及發(fā)展以至今日輝煌。

但是，目前的html還不穩(wěn)定，不同的瀏覽器會(huì)產(chǎn)生不同的顯示效果。此外 ，由于html對(duì)超級(jí)鏈接支持不足，并缺乏空間立體描述，處理圖形、圖像、音頻、視頻等多媒體能力較弱，圖文混排功能簡(jiǎn)單，不能表示多種媒體的同步關(guān)系等缺點(diǎn)，也影響html的大規(guī)模應(yīng)用以及用于復(fù)雜的多媒體數(shù)據(jù)處理。

xml的誕生

xml是由w3c于1998年2月發(fā)布的一種標(biāo)準(zhǔn)。它同樣是sgml的一個(gè)簡(jiǎn)化子集，它將sgml的豐富功能與html的易用性結(jié)合到web的應(yīng)用中，以一種開放的、自我描述方式定義了數(shù)據(jù)結(jié)構(gòu)。在描述數(shù)據(jù)內(nèi)容的同時(shí)能突出對(duì)結(jié)構(gòu)的描述，從而體現(xiàn)出數(shù)據(jù)之間的關(guān)系。這樣所組織的數(shù)據(jù)對(duì)于應(yīng)用程序和用戶都是友好的、可操作的。之后，w3c又用xml設(shè)計(jì)出一個(gè)與html4.01功能等價(jià)的語言，稱為xhtml1.0 （extensible hyper text markup language）使之與html相兼容。

xml是sgml的一個(gè)子集，嚴(yán)格地講,xml也還是sgml。與html不同的是xml有dtd，因而也可以像sgml那樣作為元語言來定義其它文件系統(tǒng)，或稱其它符號(hào)化語言。如果把符號(hào)化語言分為元符號(hào)化語言和實(shí)例符號(hào)化語言的話，sgml和xml都是元符號(hào)化語言，而html和由xml派生的xhtml都是實(shí)例符號(hào)化語言。

所以可以說，xml的出現(xiàn)，使html存在的問題可以得到很好的解決。

xml的特點(diǎn)

xml作為引人注目的核心技術(shù)應(yīng)用于btob、web服務(wù)、.net等許多系統(tǒng)中。xml是it界談話中不可缺少的一個(gè)關(guān)鍵詞。因此，xml對(duì)于計(jì)算機(jī)工程師來說，是必不可少的一門知識(shí)。

xml可以作為電子數(shù)據(jù)交換的統(tǒng)一格式

10年來，web存儲(chǔ)格式語言，從html發(fā)展到dhtml，直到今天最新的xml，發(fā)展的每一步，都是為了適應(yīng)web應(yīng)用發(fā)展的需求。雖然xml原本是為出版界設(shè)計(jì)的一種文檔描述語言，即sgml派生而來的一種符號(hào)化語言，但是它也是為互聯(lián)網(wǎng)的數(shù)據(jù)交換而設(shè)計(jì)的。從而，xml不僅僅是sgml定義的用于描述的文檔，而且在電子商務(wù)等各個(gè)領(lǐng)域使數(shù)據(jù)交換成為可能。

xml能夠應(yīng)用于各種領(lǐng)域的原因，就是xml具有到目前為止其他方法所不具備的數(shù)據(jù)描述特點(diǎn)，控制信息不是采用應(yīng)用軟件的獨(dú)有形式，而是采用誰都可以看得懂的標(biāo)記形式來表現(xiàn)，所以xml最適合作為數(shù)據(jù)交換的標(biāo)準(zhǔn)，這也是 xml受人關(guān)注的原因。

用xml可以對(duì)數(shù)據(jù)關(guān)系進(jìn)行定義形成特有的標(biāo)準(zhǔn)，因此各行各業(yè)都在建立自己的行業(yè)化標(biāo)準(zhǔn)，以應(yīng)用于網(wǎng)絡(luò)上處理電子商務(wù)，把后臺(tái)系統(tǒng)通過web站點(diǎn)表現(xiàn)出來。xml還可以作為數(shù)據(jù)倉儲(chǔ)，一個(gè)xml文件就是一個(gè)小的數(shù)據(jù)庫，通過對(duì)數(shù)據(jù)關(guān)系的定義形成各種關(guān)系、屬性的數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)交換、上下文檢索、多媒體傳輸。

xml具有其他方法所不具備的數(shù)據(jù)描述特點(diǎn)

xml是以文本形式來描述的一種文件格式 由于xml是以文本形式描述的，所以適合于各種平臺(tái)環(huán)境的數(shù)據(jù)交換。同樣由于使用文本來描述內(nèi)容，可以越過不同平臺(tái)的障礙進(jìn)行正常的數(shù)據(jù)交換。但是，文本形式也會(huì)因?yàn)槲淖执�碼的不同造成不能閱讀的問題，在這一點(diǎn)上xml有著非常完美的解決方案。

xml使用有意義的標(biāo)記（tag） 在xml中文件是由一個(gè)個(gè)稱之為元素（element）的部件構(gòu)成。使用標(biāo)記（tag ）來描述元素。由于使用了標(biāo)記的描述方法，可以保持原數(shù)據(jù)的意思和構(gòu)造在互聯(lián)網(wǎng)上進(jìn)行數(shù)據(jù)交換，進(jìn)而可以保持不同系統(tǒng)之間數(shù)據(jù)交換的靈活性。

為什么具有上述的優(yōu)點(diǎn)呢？首先是使用標(biāo)記描述數(shù)據(jù)的話，可以具體指出開始元素（開始標(biāo)記）、結(jié)束元素（結(jié)束標(biāo)記），在開始和結(jié)束元素之間是要表現(xiàn)的元素?cái)?shù)據(jù)。這就是用元素表現(xiàn)數(shù)據(jù)的方法。

標(biāo)記可以作為子元素 xml中用標(biāo)記符號(hào)化的元素可以作為子元素形成數(shù)據(jù)嵌套。

xml的標(biāo)記名和關(guān)系可以自由定義 就像許多文章中介紹的那樣“xml是用標(biāo)記描述的語言”，而且xml的標(biāo)記名標(biāo)記的層次結(jié)構(gòu)等都可以由用戶定義。也就是說，根據(jù)xml語法可以定義用戶特殊用途的標(biāo)記集合形成一個(gè)全新的符號(hào)化語言。這就是xml“可擴(kuò)充(extensible)”名字的來源。

可以說，xml是“定義語言的語言”，也即是一種元語言。由于xml具有元語言的功能，所以可以成為描述電子商務(wù)數(shù)據(jù)、多媒體演示數(shù)據(jù)、數(shù)學(xué)公式等各種各樣數(shù)據(jù)應(yīng)用語言的基礎(chǔ)語言。下面提供幾個(gè)以xml為基礎(chǔ)生成的數(shù)據(jù)描述語言（本文亦稱為xml應(yīng)用語言）的應(yīng)用例子，即出版媒體：open ebook（電子書籍）、newsml（新聞媒體）；科學(xué)：mathml（數(shù)學(xué)表達(dá)式）、cml（化學(xué)）；電子商務(wù)：cxml（電子商務(wù)）、fpml（金融）；多媒體：smil（多媒體演示）、bml（衛(wèi)星數(shù)據(jù)傳送）。

另外，就像我們使用的自然語言，講這種語言的人多了就會(huì)把它當(dāng)作不認(rèn)識(shí)的人之間的初次交流時(shí)的工具。同樣，在特定的企業(yè)之間或在業(yè)界內(nèi)歸納出一套標(biāo)記集合，即約定用一套特定的xml應(yīng)用語言作為交流工具是很有價(jià)值的。但是，許多xml用戶都是用業(yè)界或集團(tuán)標(biāo)準(zhǔn)化以后的應(yīng)用語言，很少有人自己制作一套新的xml應(yīng)用語言。

xml的不足之處

xml作為數(shù)據(jù)描述語言是非常優(yōu)秀的，但是并不是所有的電子數(shù)據(jù)都是轉(zhuǎn)換到xml是最有效的。例如xml的文本表現(xiàn)手法、標(biāo)記的符號(hào)化等會(huì)導(dǎo)致xml數(shù)據(jù)比二進(jìn)制表現(xiàn)方法數(shù)據(jù)量增加，尤其當(dāng)數(shù)據(jù)量很大時(shí)，會(huì)成為很大的問題。也就是說，xml的導(dǎo)入要根據(jù)具體需求，比較其優(yōu)缺點(diǎn)，在充分發(fā)揮xml優(yōu)點(diǎn)的領(lǐng)域進(jìn)行。

盡管xml具備了作為通用數(shù)據(jù)描述語言的優(yōu)秀特征，但是xml不是編程語言，說到底它是一種數(shù)據(jù)描述的技術(shù)。因此xml文件的顯示、文件結(jié)構(gòu)的變更、應(yīng)用程序的操作等xml相關(guān)技術(shù)也是非常重要的。

xml的主要相關(guān)技術(shù)分類

xml是描述內(nèi)容的數(shù)據(jù)格式，在使用xml數(shù)據(jù)時(shí)，還需要xml數(shù)據(jù)的顯示、打印、數(shù)據(jù)結(jié)構(gòu)的變更等許多相關(guān)技術(shù)。如果這些相關(guān)技術(shù)也都標(biāo)準(zhǔn)化的話，即使在不同平臺(tái)開發(fā)應(yīng)用程序也都可以用相同的方法，使開發(fā)難度降低。

處理xml數(shù)據(jù)時(shí)，一定要使用xml processor（也就是xml parser），把xml數(shù)據(jù)結(jié)構(gòu)的檢查等交給xml parser去做。

關(guān)于xmlprocessor有許多軟件產(chǎn)品，當(dāng)然，也有不少免費(fèi)的。開發(fā)工程師只需將xml數(shù)據(jù)的檢查工作交給xmlprocessor即可，集中精力開發(fā)應(yīng)用程序部分，減少了不小的負(fù)擔(dān)。

應(yīng)用程序?qū)�接收到xmlprocessor傳遞來的xml樹進(jìn)行處理，向用戶提供服務(wù)。此時(shí)，不管是電子商務(wù)，還是知識(shí)管理，都是定義xml數(shù)據(jù)結(jié)構(gòu)的技術(shù)、顯示打印xml數(shù)據(jù)的技術(shù)、xml數(shù)據(jù)結(jié)構(gòu)變更技術(shù)、xml數(shù)據(jù)聯(lián)接整合技術(shù)、用程序操作xml樹的api和其它應(yīng)用技術(shù)的組合。

定義xml數(shù)據(jù)結(jié)構(gòu)的技術(shù)

在xml中用戶可以自由的定義標(biāo)記名以及與標(biāo)記相關(guān)的元素及元素層次，這是xml的主要特征。但是，如果定義的都是只有自己才能理解的標(biāo)記，就無法與其他人進(jìn)行交換數(shù)據(jù)。為了在企業(yè)團(tuán)體之間進(jìn)行xml格式的數(shù)據(jù)的交換，xml數(shù)據(jù)的結(jié)構(gòu)、元素的名稱、元素的數(shù)據(jù)類型以及元素的親子關(guān)系都需要仔細(xì)考慮，一定要設(shè)計(jì)成人和系統(tǒng)能夠理解的語言。這樣設(shè)計(jì)的xml數(shù)據(jù)結(jié)構(gòu)在xml領(lǐng)域稱為schema，描述schema的語言稱為schema語言。

dtd 最普通xml的schema語言是dtd（document type definition：文檔類型定義）。dtd是遠(yuǎn)在sgml時(shí)期就一直使用的schema語言，1998年制訂xml語法時(shí)，沿用了描述schema的dtd。

xml schema 在xml中，所謂的“dtd”就是schema文件。dtd描述的schema應(yīng)用非常廣泛。但是，隨著xml的應(yīng)用的發(fā)展，從sgml繼承下來的dtd顯然有許多不足的地方。為了解決這些問題，w3c制訂了schema語言xml schema。

xml schema中有下述dtd中不具備的特征：多個(gè)schema復(fù)合使用xml名字空間；用xml語法描述；可以詳細(xì)定義元素的內(nèi)容及屬性值的數(shù)據(jù)類型。

由于在xml schema中的數(shù)據(jù)結(jié)構(gòu)也都是用xml數(shù)據(jù)來表現(xiàn)的，與dtd相比數(shù)據(jù)量增大很多。但是，xml schema的表現(xiàn)力要遠(yuǎn)比dtd強(qiáng)得多，不僅支持字符串、10進(jìn)制數(shù)、浮動(dòng)小數(shù)點(diǎn)、日期等，還支持m回以上和n回以下出現(xiàn)的元素（m、n為整數(shù)）的指定。例如“郵編xxxxxx”（x是字符）是郵政編碼元素的格式指定等都是dtd所不能表現(xiàn)的內(nèi)容。xml schema于2001年5月成為w3c的推薦規(guī)范，對(duì)xml的利用產(chǎn)生了重要的影響。

顯示和打印xml數(shù)據(jù)的技術(shù)

xml數(shù)據(jù)定義打印、顯示排版信息主要有3種方法： 用css定義打印和顯示排版信息；用xslt轉(zhuǎn)換到html進(jìn)行顯示和打��；用xslt轉(zhuǎn)換成xsl的fo(formatter object) 進(jìn)行顯示和打印。

css 指定文件排版信息的數(shù)據(jù)稱為樣式表，描述html樣式表的語言是css（cascading style sheet）。這里介紹的是使用css來瀏覽、打印xml數(shù)據(jù)的方法，具體來講css是給html的每個(gè)標(biāo)記元素指定排版信息，同樣也可以用來給xml的標(biāo)記元素定義顯示排版方法。css不能改變xml的結(jié)構(gòu)，只能在簡(jiǎn)單的定義排版信息的時(shí)候使用。

xslt 還有一種是使用改變xml數(shù)據(jù)結(jié)構(gòu)的語言xslt（extensible stylesheet language transformations）的方法。使用xslt，可以改變xml元素名、屬性名、元素層次結(jié)構(gòu)等，根據(jù)xslt的指定，可以將xml的元素轉(zhuǎn)換為html元素，則可以是用瀏覽器瀏覽。現(xiàn)在，這種用瀏覽器顯示xml數(shù)據(jù)的方法是最常用的方法。

xsl xsl（extensible stylesheet language）是用xml描述的文件。它是一種可以詳細(xì)描述商用印刷排版水平的規(guī)范，xsl排版信息的定義。用xsl指定排版信息的方法由2步組成：

將要打印、顯示的原xml樹進(jìn) 行結(jié)構(gòu)變換，追加排版信息生成新的樹結(jié)構(gòu)（xsl-fo樹）；將這個(gè)新樹傳遞給xsl-fo對(duì)應(yīng)的打印和顯示引擎進(jìn)行相應(yīng)的操作。

xml數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換技術(shù)

在xml的應(yīng)用中，有的xml數(shù)據(jù)需要轉(zhuǎn)換到其他結(jié)構(gòu)的xml數(shù)據(jù)，為此w3c制訂了描述標(biāo)準(zhǔn)化的xml數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換規(guī)則的語言xslt。

xslt是為顯示和打印xml，而從xsl規(guī)范獨(dú)立出來的規(guī)范，原本是描述排版信息的語言，因此，用xslt制作的程序稱為樣式表。但是，xslt也可以用于排版以外的各種用途。

例如，使用了不同schema（標(biāo)記集合）的企業(yè)團(tuán)體之間交換xml數(shù)據(jù)時(shí)，需要將使用了各公司獨(dú)自數(shù)據(jù)格式的xml數(shù)據(jù)向雙方系統(tǒng)共同采用的業(yè)界標(biāo)準(zhǔn)格式結(jié)構(gòu)轉(zhuǎn)換以后，才可能進(jìn)行數(shù)據(jù)交換。在xslt中不僅描述了轉(zhuǎn)換規(guī)則，結(jié)構(gòu)轉(zhuǎn)換還可以交給xslt樣式表的執(zhí)行引擎（xslt processor）。為了跨過業(yè)界之間的障礙實(shí)現(xiàn)數(shù)據(jù)交換，其它文件格式的數(shù)據(jù)交換也會(huì)經(jīng)常發(fā)生，盡管如此，結(jié)構(gòu)轉(zhuǎn)換時(shí)如果利用xslt，可以不改更程序只改變樣式表就可以了。

隨著xml的普及，xslt的應(yīng)用也會(huì)更加廣泛。在windows上，只需進(jìn)行簡(jiǎn)單的環(huán)境設(shè)定，用ie 5.x和任意一個(gè)文本編輯器就可以制作和執(zhí)行xslt。即使只會(huì)一點(diǎn)點(diǎn)制作xslt樣式表的方法，就可以很簡(jiǎn)單的進(jìn)行xml的處理了，非常方便。

隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展深入xml技術(shù)的應(yīng)用也將不斷擴(kuò)大。該技術(shù)不僅在傳統(tǒng)的銀行之間數(shù)據(jù)交換、證券公司對(duì)上市公司情況的數(shù)據(jù)統(tǒng)計(jì)、圖書館對(duì)圖書的查詢檢索、企事業(yè)文件檔案管理等領(lǐng)域的應(yīng)用更加迫切，在電子商務(wù)、搜索引擎軟件、自動(dòng)智能翻譯、文檔發(fā)聲軟件等領(lǐng)域也將得到更大的發(fā)展，特別是近期發(fā)展起來的移動(dòng)通訊網(wǎng)絡(luò)服務(wù)的發(fā)展，將使各種各樣的信息經(jīng)過格式轉(zhuǎn)換到達(dá)pda、甚至到達(dá)手持電話機(jī)，將來我們可以通過網(wǎng)絡(luò)數(shù)據(jù)格式轉(zhuǎn)換服務(wù)使小小的手機(jī)可以閱讀到大千世界的豐富信息。

分享：XML入門教程：使用XSL顯示XML
通過使用XSL，您可以向XML文檔添加顯示信息。 使用XSL顯示XML XSL是首選的XML樣式表語言。 XSL遠(yuǎn)比CSS更加完善。使用XSL的方法之一是在瀏覽器顯示XML文件之前，先把它轉(zhuǎn)換為HTML，正如以