XML入门的常见问题(三)

作者：AngelGavin  出处：CSDN

　　如何加载有外国和特殊字符的文档？

　　文档可以包含外国字符，例如：

 　　foreign characters (úóí?) 

　　例如 磲 的外国字符必须在前面加上 escape 序列。外国字符可以是 UTF-8 编码或用不同编码指定，如下所示：

 　　foreign characters (磲) 

　　现在可以正确加载 XML 了。

　　其他字符是保留在 XML 中的，并且需要以不同的方式处理。下面的 XML：

 　　This & that
　　产生如下错误：
　　此处不允许有空格。
　　行 0000001: This & that
　　位置  0000012: ----------^

　　此处 & 是 XML 句法结构的一部分，如果它仅仅放在 XML 数据源内部，那么不能解释为 &。您需要替换称为“实体”的特殊字符序列。

　　This & that
　　下面的字符需要相应的实体：

 　　< <
　　& &
　　> >
　　" "
　　' &apos;

　　引号字符被用作标记中属性值的定界符，因此通常不能在属性值的内部使用。例如，下面的内容将返回错误：

　　此处的单引号既用作属性定界符，又在属性值自身中。为了纠正这个问题，可以将属性定界符换成双引号：

　　或者可以将单引号转义为实体 &apos;

　　上述两种方式都将通过 XML 对象模型中的 getAttribute 方法返回属性值 John's Stuff。同样，对于双引号，您可以使用实体
　　"。
　　也可以通过将文本放在 CDATA 节中来处理元素内容中的特殊字符。下面的内容是正确的：

　　在本例子中，XML 对象模型将 CDATA 节点显示 xml 节点的子节点，它将返回字符串

　　This & that  is just "text" content.
　　作为 nodeValue。

　　如何在 Visual Studio 6.0 C++ 中使用 MSXML COM 组件？

　　在 Visual C++ 6.0 中使用 MSXML COM 组件的最简便方式是使用 #import 指令：

　　#import "msxml.dll" named_guids no_namespace#import "msxml.dll" named_guids no_namespace
　　它定义了所有 IXML* 接口和接口 ID，从而可以在应用程序中使用它们了。也可以从 INETSDK 获取 MSXML 类型库和头文件（英文），以及包含类 IIDs 的 uuid.lib。

　　如何在 XML 中使用 HTML 实体？

　　下面的 XML 包含 HTML 实体：

 　　Copyright ? 2000, Microsoft Inc, All rights reserved.

　　它产生下列错误：

 　　引用未定义的实体 'copy'。
　　行： 1, 位置：23, 错误码：0xC00CE002
　　Copyright ? 2000, ...
　　----------------------^

　　这是因为 XML 只有五个内置实体。关于内置实体的详细信息，请参阅如何加载有外国和特殊字符的文档？。

　　要使用 HTML 实体，需要用 DTD 定义它们。有关 DTD 的详细信息，请参阅 W3C XML 建议（英文）。要使用该 DTD，请将它直接包括在 DOCTYPE 标记中，如下所示：

 　　Copyright ? 2000, Microsoft Inc, All rights reserved.

　　要加载它，需要关闭 IXMLDOMDocument 接口的 validateOnParse 属性。请尝试将它粘贴到“Validator 测试页”中，关闭 DTD 验证，然后单击“验证”。请注意文档将加载，并且版权字符将显示在 validator 页面的末尾的 DOM 树中。

　　如果已经完成了 DTD 验证，那么必须将作为参数实体的 HTML 实体包括在现有的 DTD 中，如下所示：

 　　%HTMLENT;
　　%HTMLENT;

　　它将定义所有 HTML 实体，以便在 XML 文档中使用它们。

　　在元素内容中如何处理空白字符？

　　XML DOM 有三种访问元素文本内容的方式：

　　属性 行为

　　nodeValue 按照原始的 XML 源中指定的那样，返回 TEXT、CDATA、COMMENT 和 PI 节点上的原始文本内容（包括空白字符）。对于 ELEMENT 节点和 DOCUMENT 本身，则返回空值。

　　数据 与 nodeValue 相同

　　文本 重复连接指定子树中的多个 TEXT 和 CDATA 节点并返回组合结果。

　　注意： 空白字符包括新行、tab 和空格。

　　nodeValue 属性通常返回原始文档中的内容，与文档如何加载和当前 xml:space 范围无关。

　　文本属性连接指定子树中的所有文本并扩展实体。这与文档如何加载、preserveWhiteSpace 开关的当前状态和当前 xml:space 范围有关，请看如下所示：

　　preserveWhiteSpace = true when the document is loaded
preserveWhiteSpace=truepreserveWhiteSpace=truepreserveWhiteSpace=falsepreserveWhiteSpace=falsexml:space=preservexml:space=defaultxml:space=preservexml:space=default保留保留保留保留并截断

　　preserveWhiteSpace = false when the document is loaded
preserveWhiteSpace=truepreserveWhiteSpace=truepreserveWhiteSpace=falsepreserveWhiteSpace=falsexml:space=preservexml:space=defaultxml:space=preservexml:space=default半保留半保留并截断半保留半保留并截断

　　此处的保留表示和原始 XML 文档中完全相同的原始文本内容，截断意味着前导和尾部空格已经删除，半保留意味着保留了“重要的空白字符”并规范化了“不重要的空白字符”。重要的空白字符是文本内容内部的空白字符。不重要的空白字符是标记之间的空白字符，请看如下所示：

 　　\n
　　\t    Jane\n
　　\tSmith     \n

　　在本示例中，红色是可以忽略的不重要的空白字符，而绿色是重要的空白字符，因为它是文本内容的一部分，因此有不可忽略的重要含义。所以在本例中，文本属性返回下列结果：

　　状态 返回值
　　保留 "\n\t    Jane\n\tSmith    \n"
　　
　　保留并截断 "Jane\n\tSmith"
　　
　　半保留 "    Jane Smith    "
　　
　　半保留并截断 "Jane Smith"

　　请注意“半保留”将规范化不重要的空白字符，例如，新行和 tab 字符将退化为单个空格。如果更改 xml:space 属性和 preserveWhiteSpace 开关，那么文本属性将返回相应的不同值。

　　CDATA and xml:space="preserve" subtree boundaries
　　在下面的例子中，CDATA 节点或“保留”节点的内容将得到连接，原因是它们不参与不重要的空白字符规范化。例如：

 　　\n
　　\t Jane \n
　　\t     Smith     ]>\n

　　在这种情况下，CDATA 节点内部的空白字符不再与“不重要”空白字符“合并”，并且不会截断。因此“半保留并截断”情况将返回下列内容：

　　"Jane      Smith     "

　　在此， 和 标记之间的不重要的空白字符将包括在内，与 CDATA 节点的内容无关。如果用下列内容代替 CDATA，那么将返回相同结果：

　　Smith    
　　实体是特殊的

　　实体是作为 DTD 的一部分加载和分析的，并且显示在 DOCTYPE 节点下。它们不一定要有任何 xml:space 范围。例如：

 　　Jane \n
　　\t\n
　　">
　　]>
　　&Jane;

　　假定 preserveWhiteSpace=false（在 DOCTYPE 标记范围内），在分析实体时不重要的空白字符丢失。实体将不会有空白字符节点。树将类似于：

 　　DOCTYPE foo
　　ENTITY: Jane
　　ELEMENT: employee
　　ELEMENT: name
　　TEXT: Jane
　　ELEMENT: title
　　TEXT>:Software Design Engineer
　　ELEMENT: foo
　　ATTRIBUTE: xml:space="preserve"
　　ENTITYREF: Jane

　　请注意，在 DOCTYPE 内部 ENTITY 节点下显露的 DOM 树不包含任何 WHITESPACE 节点。这意味着 ENTITYREF 节点的子节点也没有 WHITESPACE 节点，即使实体引用在 xml:space="preserve" 的范围内也是这样。

　　给定文档中引用的每个 ENTITY 的实例通常都有相同的树。

　　如果实体必须绝对保留空白字符，那么它必须在自己内部指定自己的 xml:space 属性，或者文档 preserveWhiteSpace 开关必须设置为 true。

　　如何处理属性中的空白字符？

　　有几种方式可以访问属性值。IXMLDOMAttribute 接口有 nodeValue 属性，它等价于作为 Microsoft 扩展的 nodeValue 和 text 属性。这些属性返回： 属性 返回的文本

 　　attrNode.nodeValue
　　attrNode.value
　　getAttribute("name") 返回和原始文档中完全相同的内容（和扩展的实体）。
　　attrNode.nodeTypedValue Null
　　attrNode.text 除了前导和尾部的空白字符已经截断之外，其他与 nodeValue 相同。 

　　“XML 语言”规范为 XML 应用程序定义了下列行为： 属性类型 返回的文本
　　CDATA ID、IDREF、IDREFS、ENTITY、ENTITIES、NOTATION、枚举

　　半规范化 全规范化

　　在此半规范化代表将新行和 tab 字符转换为空格，但是多个空格不会退化为一个空格。