用XSLT和Xpath查询XML文档

下载后可任意编辑 用XSLT和Xpath查询XML文档 1．序言 1.1 XML概述 1.1.1 XML产生背景 当今，互联网已渗透到社会生活的每一个角落，在此过程中HTML—超文本标记语言功不可磨，HTML以其简单精练的语句和易于掌握的通用性和易学性，使web技术从计算机世界走向全社会，走向千家万户。然而由于电子商务，电子图书，远程教育等的异军突起，使传统的web资源更加复杂化，多样化，于是高容量，高信息量，高效率成为网络信息技术进展追求的目标，与此同时，人们对web服务功能的需求也达到了更高的标准，如：用户需要对web进行智能化的语义搜索，对数据按不同的需求进行多样化显示等个性化服务；公司和企业要为客户创建和分发大量有价值的文档信息，以降低生产成本；以及对不同平台，不同格式的数据源进行数据集成和转换等等。因此，面对着web技术的飞速进展，HTML存在着如下的不足： ·HTML的标记集合是固定的。随着web技术的进展，新的数据格式不断出现并且需要在网上展现，这就需要有一种比较灵活的标记机制来满足不断进展的web内容要求，但标准的HTML语法格式过于简单，且又不允许用户自己创建新的标记，这将无法支持那些专门的页面格式，如：数学公式，化学方程式，音乐乐谱等。 ·DHTML的问题。由于标准的HTML已经无法满足用户的需求，人们在其基础上增加了动态的成分，如脚本程序等，但是这些非标准的技术制作的网页在不同的浏览器之见互不兼容。 ·HTML只是一种表现技术，它并不能揭示HTML标签所标记的信息的任何含义。 ·随着web文件变得越来越大，越来越复杂，web内容提供商已开始感受到普通的HTML已经无法提供用于大规模商业出版所需的扩展性，结构化和数据检查功能。 1.1.2 XML简介 1996年7月W3C开始设计XML，1998年2月发布了XML1.0的第一个版本。XML是SGML的一个简化子集，保留了SGML80%的功能，而其复杂程度只有原来的20%。XML将SGML的灵活性和强大功能与HTML的易用性结合到web的应用中，以一种开放的自我描述的方式定义了数据结构，在描述数据内容的同时能突出对结构的描述，从而体现数据之间的关系。 与普通的标记语言不同，XML是一种元标记语言，即它是一种用来定义标记语言的标记语言。事实上，用户可以利用XML语法和有限的元标记，来定义自己需要的任意的特别标记集，即定义一种在功能上类似HTML标记的标记集，从而形成自己所独有的一套标记语言。 相对于HTML，XML具有很多优点： ·XML是自描述的。XML允许根据各种不同的规则来制定标记，如：商业规则，根据数据描述甚至根据数据关系来制定标记。XML实现了用定义它们自己的标记集来说明文档内容的功能，说明的精度由实现者自己掌握。 · XML支持对文档内容的验证。XML文档的内容和结构是由DTD或XML Schema 来定义，我们可以根据它们来检验文档的有效性。 ·XML允许开发各种不同专业领域的特定标记语言，如：CML, MathML等。 ·XML是非专有并易于阅读和编写的。这使得它成为在不同应用间交换数据的理想格式。 ·XML是基于W3C定制的开放标准，从而使得基于XML的应用具有广泛性。 ·XML支持高级搜索。因为根据XML的语法规则，可以知晓文档内容的结构和含义，所以在XML文档中的搜索较为容易。假如web页是XML格式的，则搜索会更高效，而且不仅可以搜索数据，还可以在搜索中加入与数据相关的上下文信息，形成更为精确的搜索机制。 正因为XML有相对于HTML的这些优点，有人把它称为下一代的web语言，甚至把XML说成是21世纪的世界语，这些都说明了XML的巨大潜力。 1.1.3 XML文档的结构 1.1.3.1 法律规范的XML文档 在编写XML文档时，必须保证文档结构的法律规范性，这样浏览器才能对其作出正确的解释，否则会报错。W3C在XML1.0推举标准中对XML文档的法律规范性作了定义。 当一个文本对象满足下列条件时，就是一个法律规范的XML文档： ·整体上是一个标记文档。 ·必须满足XML1.0法律规范中所有的法律规范约束，即必须遵循XML1.0推举标准中规定的语法规则。 ·文本中直接或间接引用的解析实体都是法律规范的。 1.1.3.2 XML数据结构 所有法律规范的XML文档都由以下三部分组成： ·序言(可选)，它包含关于数据其余部分的重要信息。 ·主体，它由一个或多个元素以层次树的形式组成。 ·尾声(可选)，紧随元素树以各种各样的形式出现。 序言用于标记XML数据的开始，它描述数据的字符编码，并为XML解析 器和应用程序提供一些其它的配置线索。序言包括：一个XML声明，一个可选的文档类型声明，以及多个可选的注释，处理指令和空白字符等。 主体是XML文档中唯一必须存在的部分，是XML数据最主要的内容。它包括：元素，属性，字符数据等，除此之外，注释，处理指令和空白字符也可交叉存储在元素和字符数据中。主体被组织成一棵层次树，在这棵树中存在唯一的根节点，其对应的元素为文档元素，是树中所有其它元素的父元素，文档中所有其它元素都是它的后代。父—子元素之间要正确的嵌套。 尾声是可选的，它可能包括：注释，处理指令或空白字符。 1.1.4 本文的出发点 对于XML文档，业界有两种不同的观点：其一，以文档为中心的观点认为XML文档是一种带批注的文本文件，该文件包含标记指令，用于控制被包含文本的格式和显示，强调XML的语法并将尖括号视为XML的中心主题。其二，以数据为中心的观点认为XML只是类型化值的许多种表示方法中的一种，软件代理程序可以利用其进行数据互换和互操作，而将XML语法视为次要的细节。本文从后一种观点出发，论述运用Xpath和XSLT查询XML文档。Xpath维持原文档的层次性和结构，适用于访问XML文档的独立节点，XSLT适用于对查询结果进行处理，构建新的元素，在有必要的时候重新组织结果元素，综合运用XSLT和Xpath将允许开发者随意而方便的对源文档进行操作和重组。 由于Xpath是XSLT的基础和核心。所以在谈到XSLT之前须先对Xpath进行介绍。Xpath，即XML的路径语言，这一名称源于Xpath使用基于路径的语法遍历文档的信息集。另外，Xpath的数据模型与XML Infoset的[parent]/[childen]模型平行，每个Xpath节点的属性都可以通过对应的XML Infoset信息项的属性查看，因此，在谈及Xpath之前有必要对XML Infoset作一介绍。 1.2 XML Infoset 1.2.1 XML Infoset简介 XML Info