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=true	preservewhitespace=true	preservewhitespace=false	preservewhitespace=false
xml:space=preserve	xml:space=default	xml:space=preserve	xml:space=default
保留	保留	保留	保留并截断

　　preservewhitespace = false when the document is loaded

preservewhitespace=true	preservewhitespace=true	preservewhitespace=false	preservewhitespace=false
xml:space=preserve	xml:space=default	xml:space=preserve	xml: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。