XML 中的常见问题 (三)

　　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：

　　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：

　　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：

　　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：

　　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 '

　　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。

　　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：

　　它产生下列错误：

　　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：

　　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：

　　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 = false when the document is loaded

　　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：

　　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     "

　　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：

　　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：

　　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

　相关文章：XML 中的常见问题 (一) | XML 中的常见问题 (二)