XML. XML документы

Цель лабораторной работы:

Познакомиться с языком разметки данных XML.
Изучить правила построения HTML документов

Теоретические сведения

Устройство XML документа

Синтаксически в XML, по сравнению с HTML, нет ничего нового. Это такой же текст, размеченный тэгами, но с той лишь разницей, что в HTML существует ограниченный набор тэгов, которые можно использовать в документах, в то время, как XML позволяет создавать и использовать любую разметку, которая может понадобиться для разметки данных.

Несомненным достоинством XML является и то, что это достаточно простой язык. Основных конструкций в XML мало, но, несмотря на это, с их помощью можно создавать разметку документов практически любой сложности.

Для демонстрации структуры XML документа лучше обратиться к какому нибуть примеру. Рассмотрим следующий XML документ:

<?xml version="1.0" ?>
<корневой_элемент>
    <элемент>
        Текст <еще_элемент атрибут="значение" /> текст ...
    </элемент>
    Текст текст текст <элемент>текст текст... </элемент>  ...
</корневой_элемент>

Рассмотрим данный пример подробно. Первая строка документа определяет его как XML документ, построенный в соответствии с первой версией языка (version="1.0"). В этой же конструкции можно указать и кодировку, в которой создан документ:

xml version="1.0" encoding="Windows-1251" ?>.

Кодировкой по умолчанию для XML является unicode. Далее находится открывающий тэг корневого (главного) элемента <корневой_элемент>, содержащий элемент <элемент>, который, в свою очередь, содержит элемент <еще_элемент атрибут="значение" /> с атрибутом атрибут. Как видно из примера, правила записи элементов, атрибутов и их значений в XML ничем не отличаются от правил записи элементов атрибутов и их значений в HTML (также есть открывающие и закрывающие тэги элементов, элементы с содержимым и без и т.д.), только набор элементов несколько расширен, благодаря чему мы и можем "нагрузить" разметку семантикой.

Ниже приводятся несколько правил построения XML документа. Итак:

любой XML документ должен начинаться строкой <?xml version="1.0" ?>
любой XML документ должен иметь единственный (не более, не менее!) корневой элемент; например, в HTML для этих целей использовался элемент <html>, в примере выше - это <корневой_элемент>.
кодировкой по умолчанию для символов XML документа является Unicode кодировка UTF-8, поэтому XML файлы должны быть сохранены в соответствующей кодировкой или в 1-й строке документа должна быть задана кодировка документа, например encoding="Windows-1251" (при работе только с латиницей это никак себя не проявляет, так как кодировка этих символов в ASCIIсовпадает с UTF-8).
правила записи большинства конструкций языка совпадает с правилами XHTML, изучавшемся вами ранее (более подробно речь об основных конструкциях языка пойдет далее в уроке).

XML документ представляет собой обыкновенный текстовый файл с расширением .xml. Единственная особенность их заключается в том, что для символов файла рекомендуется использовать кодировку Unicode.

Основные конструкции XML

Помимо элементов, атрибутов и текста, документы могут содержать и другие конструкции, такие как комментарии, инструкции по обработке и секции символьных данных. Эти базовые составляющие используются для того, чтобы чтобы гибко, но в четком соответствии со стандартами, размечать документы любой сложности. Рассмотрим эти конструкции поподробнее.

Элемент

Тэги в XML документе не просто размечают текст - они выделяют объект, называемый элементом. Элементы являются основными структурными единицами XML - именно они иерархически организуют информацию, содержащуюся в документе. Элементы могут быть пустыми, т.е. не содержать ни данных, ни других конструкций, или непустыми - включать в себя текст, другие элементы и т. п.

Пустой элемент имеет следующий вид:

<элемент атрибут="значение" атрибут="значение" ... />

Примерами таких элементов в знакомом HTML являются: <br />, <img src="images/picture.gif" /> и др.

Непустые элементы имеют вид:

<элемент атрибут="значение" атрибут="значение" ...> ... Содержимое элемента ... </элемент>

В HTML таких элементов большинство: <body> ... </body>, <p> ... </p> - в этих элементах может располагаться как текст, так и другие элементы (таблицы, рисунки...).

Необходимо помнить об обной очень важной особенности XML: имена в XML - регистро-зависимы, то есть <Sample-element />, <SAMPLE-ELEMENT /> и <sample-element /> - совершенно разные элементы.

Легко заметить, что документ, состоящий из вложенных друг в друга элементов, подобен дереву: родительский элемент является корнем, дочерние элементы - ветками, а если они не содержат ничего более - листьями:

<library>
   <book>
        <title value="Технология XSLT" />
        <author fio="Алексей Валиков" />
        <publisher>
            <name value="BHV" />
            <homepage url="http://www.bhv.com" />
        </publisher>
   </book>
   ...
</library>

Графически этот пример выглядит следующим образом:

В данном случае <library> является корнем, <book> и </publisher> - ветви, а <title>, <author>, <name> и <homepage> - листья

Внимание: в XML требуется тщательно следить за правильностью вложения элементов друг в друга - элементы, раньше открытые, должны быть позже закрыты. В противном случае не может быть и речи о иерархической структуре документа.

Атрибут

В элементах можно использовать атрибуты с присвоенными им значениями. Атрибут задается следующим образом:

атрибут = "значение"

В отличие от HTML в XML атрибуты всегда должны иметь значение! Значение атрибута заключается в двойные или одинарные кавычки. При необходимости, можно использовать одинарные кавычки внутри двойных и наоборот.

<company name = 'Акционерное Общество "Витязь"' ... /> ... <book author = "О'Генри" ... />

Имена в XML регистро-зависимые. Это относится не только к элементам, но и к атрибутам.

Символьные данные: секция CDATA

Секция CDATA выделяет часть документа, внутри которых текст не должен восприниматься как разметка. CDATA означает буквально "character data" - символьные данные. Вот пример секции CDATA:

<![CDATA[ содержимое ]]>

Внутри секции CDATA могут располагаться любые символы, даже < и & - они не будут восприниматься анализатором как управляющие. Единственная последовательность, которая не должна присутствовать в CDATA, это "]]>" - окончание символьных данных.

Задание на лабораторную работу

Создать XML документ, содержащий информацию о какой-либо предметной области. Название предметной области согласовать с преподавателем. Для оформления XML документа использовать знания и пользоваться правилами, указаными в теоретических сведениях. Проверить документ на действительность.

The Apache Software Foundation создала набор ПО, представляющего собой парсеры и другое обеспечение для работы с XML. Одним из таких известных парсеров является Xerces. Он существует в виде отдельного ПО, реализованного на С++ или Java. Чтобы не ограничивать Вас в выборе инструментальной среды и ОС, будем использовать Java реализацию ввиду ее кроссплатформенности и простоты использования.

Замечание. Для запуска Java приложения необходимо, чтобы на компьютере была установлена Java машина от Sun. Желательно с Java SDK.

Проверить действительность My.XML можно командой

java sax.counter my.xml

При необходимости нужно явно указать путь к архивам Xerces ключом -classpath

java -classpath "PATH\XercesImpl.jar;PATH\XercesSamples.jar" sax.Counter my.xml

(замените PATH на свой путь к местоположению архивов)

Сам Xerces можно скачать отсюда или с официального сайта.

Следующая работа