一篇文章让你弄清楚XML文件的规范与使用

可扩展标记语言（Extensible Markup Language，简称XML）是一种标记语言。所谓的标记是指计算机所能理解的信息符号，通过标记可以实现软件开发者与计算机之间的信息沟通。我们常见的HTML便是一种标记语言，不过HTML语言中的标签（例如“<h1> </h1>”、“<img \>”等）都是固定的，是不可以扩展的。XML则可以由开发人员自由扩展定义。

XML可扩展的一个重要表现就是XML文档的结构是可以自由定义的。定义XML文档可以使用DTD（Document Type Definition，即：文档类型定义），也可以使用XML Schema。不过在介绍DTD和XML Schema之前，我们先了解下XML文档的结构。

XML文档中包含众多的节点。节点分为以下几类：元素节点、属性节点、文本节点、文档节点等，在实际指代中，我们可以省略“节点”二字，也可以将以上各类统称“节点”。

下面代码给出了一个XML文档。

<?xml version="1.0" encoding="UTF-8"?>
<members>
  <user type="student">
    <id>1</id>
    <name>易哥</name>
    <shcool>Sunny School</shcool>
  </user>
  <user type="student">
    <id>2</id>
    <name>莉莉</name>
    <shcool>Garden School</shcool>
    </user>
</members>

文档第一行为XML声明，它声明了XML的版本是1.0，使用的编码是UTF-8。XML中从一个标签开始（含）到一个标签结束（含）的部分叫作元素节点，例如从第一个“<user>”到第一个“</user>”之间的部分就是一个user元素节点。元素节点可以有属性节点，例如“type="student"”。元素节点可以包含其他元素节点，例如user元素包含了id、name、school这三个元素节点。元素节点中也可以有文本节点，例如第一个name元素节点中就包含了文本节点，值为“易哥”。

上述XML中，members元素位于最顶层，因此是根元素。每一个XML文档都必须要有一个根元素。

XML文档实际上表述了一棵树。下图展示了上述XML对应的结构树。

在一个XML文档中，可以存在什么元素以及每个元素是怎样的，这些是由XML文档的定义文件来进行描述的，例如DTD（此类文件的后缀名为dtd）或者XML Schema（此类文件的后缀名为xsd）。

以XML Schema文档为例，我们可以使用下面的代码来定义上述XML片段。

<xs:schema attributeFormDefault="unqualified" elementFormDefault="qualified" xmlns:xs="http://www.w3.org/2001/XMLSchema">
  <xs:element name="members">
    <xs:complexType>
      <xs:sequence>
        <xs:element maxOccurs="unbounded" name="user">
          <xs:complexType>
            <xs:sequence>
              <xs:element name="id" type="xs:unsignedByte" />
              <xs:element name="name" type="xs:string" />
              <xs:element name="school" type="xs:string" />
            </xs:sequence>
            <xs:attribute name="type" type="xs:string" />
          </xs:complexType>
        </xs:element>
      </xs:sequence>
    </xs:complexType>
  </xs:element>
</xs:schema>

而使用DTD，则可以用下面的代码来定义。

<!DOCTYPE members [
        <!ELEMENT members (user*)>
        <!ELEMENT user (id,name,school)>
        <!ATTLIST user type CDATA #IMPLIED>
        <!ELEMENT id (#PCDATA)>
        <!ELEMENT name (#PCDATA)>
        <!ELEMENT school (#PCDATA)>
        ]>

上面的DOCTYPE声明中，members是根节点名称，“[ ]”中为节点的限制条件。而且，DTD也支持使用外部DTD文档来定义XML文档。

以上均参考自《通用源码阅读指导书——MyBatis源码详解》一书。接下来我们继续跟随这本书分析MyBatis的配置文档。

MyBatis的配置文档开头我们就可以看到下面所示的片段就引用了外部的DTD文档。

<!DOCTYPE configuration
        PUBLIC "-//mybatis.org//DTD Config 3.0//EN"
        "http://mybatis.org/dtd/mybatis-3-config.dtd">

在上述DOCTYPE声明中，各个项目的含义如下：

• configuration ：表示当前XML文档的根节点为configuration
• PUBLIC ：表示当前XML文档的采用的是公共的DTD
• -//mybatis.org//DTD Config 3.0//EN ：表示DTD文档的信息： - ：表示是非ISO组织mybatis.org ：表示组织名称mybatis.orgDTD Config 3.0 ：表示文本描述，包括版本号EN ：表示DTD文档是英文
• http://www.w3.org/TR/xhtml/DTD/xhtml1-transitional.dtd ：表示文档的下载地址。

本文，我们详细介绍了XML文档中节点的含义，以及如何定义一个XML文档。接下来的文章中我们会参照《通用源码阅读指导书——MyBatis源码详解》一书，以MyBatis中的配置文件解析为例，介绍如何使用Java解析XML文档。

这是一本以MyBatis的源码为实例讲述源码阅读方法的书籍，并且附带有示例项目源码，MyBatis的全中文注解。书籍还总结了大量的编程知识和架构经验，对提升编程和架构能力十分有用，非常推荐。

最后，我是高级架构师易哥，这里是架构研究所。真心希望本文能让大家有所收获。

欢迎关注我们，我会偶尔出没分享软件架构和编程相关的干货知识。