XML案例教程高职 教学课件 作者 眭碧霞 全书 第1章.pptVIP

第1章 XML语言简介 　　　　1.1 置标语言概述　　传统意义上的标记(markup)我们经常会遇到。例如，老师批改过的试卷，经常是满篇红色醒目的对号、错号、问号、波浪线或者意味深长的评语，这些都是标记；我们在看书的时候，也喜欢用荧光笔将重要的内容加亮，以帮助我们在日后重读文章时，能够提纲挈领、迅速抓住要害，这也是标记。从广义上来说，一篇文章中的标点符号、空格等都可以称做标记。这些标记使我们接触的文档具备了不同的意义，并协助我们完成不同的目标。 　　所谓置标语言(markup language)，则特指用一系列约定好的标记来对电子文档进行标记，来实现对电子文档的语义、结构、格式的定义。这些标记应该与文档内容相区分且易于识别。标记语言必须定义什么样的标记是被允许的，什么样的标记是必需的，标记是如何与文档的内容相区分的，以及标记的含义是什么。 1.1.1 SGML语言起源　　为了促进数据的交换和操作，人们很早就产生了将文件结构化为标准格式的动机。20世纪60年代，IBM公司创建了GML(Generalized Markup Language，通用置标语言），以在其出版系统内部实现这一需求。　　SGML(Standard Generalized Markup Language，标准通用置标语言)从IBM的GML演化而来，是第一个标准化的信息结构化技术。SGML成为了IBM内部格式化和维护合法文件的手段。 　　SGML后来被扩展和修改，作为一种全面的信息标准以适应工业范围的广泛应用。但直到1986年，SGML才成为了ISO标准。尽管SGML的功能非常强大，但是由于它非常复杂，需要许多昂贵的软件配合运行，因而在很长一段时间都没有被推广。 1.1.2 HTML语言及其局限性　　1989年，欧洲粒子物理实验室(CERT)的研究员Tim Berners-Lee和Anders Berglund创建了一种基于标记的语言，为在Internet上共享的文章做标记，这就是HTML。HTML可以看做是SGML的简化应用，它的诞生，推动了信息产业的大发展。 　　HTML(Hyper Text Markup Language，超文本标记语言)是一种用来制作超文本文档的简单标记语言。用HTML编写的超文本文档称为HTML文档，它能独立于各作操作系统平台(如UNIX、Windows等)。自1990年以来，HTML就一直被用作World Wide Web(WWW)上的信息表示语言，用于描述Homepage的格式设计和它与WWW上其他Homepage (Hyperlink)的链接信息。HTML语言是通过利用各种标记(tags)来标识文档的结构及超链接信息的。 　　HTML之所以能够流行，是因为它有简洁的语法。但也正是由于它过于简洁，也产生了以下几个主要问题：　　(1) 标记扩展复杂。　　HTML当初仅仅提供了一种对静态文本信息表现的方法，但显然并不能适应越来越多的需要。随后越来越多的标签产生了，例如img用于描述图片，script通过为网页加入脚本支持来提供动态网页内容。日益增多的标记不但使HTML越来越庞大，浏览器的开发越来越复杂，还降低了不同浏览器之间的兼容性。 　　(2) 缺乏严格的语法定义。　　HTML文档的正确性很难得到确认。为了使文档的显示过程更加强健，浏览器通常忽略语法分析，不检查语法的正确性。　　(3) 结构化支持差。　　HTML缺乏对复杂结构的支持，例如HTML不能支持分层嵌套信息结构。HTML文档间的联系完全是平面的，这限制了全文检索技术的应用，也使得浏览的过程显得笨拙而繁琐。 　　(4) 数据、格式、超文本及图形用户界面语义混合。　　① 内容提取困难。搜索引擎机械地逐一检索每个页面中所有可以匹配的内容，所以我们往往会得到太多的、难以判断的数据采样。这是由于HTML混淆了数据内容和数据表达，数据内容和数据表达信息都被显式地写在同一文档中的缘故。当我们希望看到用不同表现形式表达的同一内容时(比如需要一个用大号字体排印的版本)，就不得不从服务器直接产生。同样，在网页显示上的任何其他变化也都必须由开发者亲自实现。 　　② 难以实现数据交换。HTML难以实现自动的数据交换，它的标签只用来控制文档的显示，却不能标示出数据域。　　③ 信息重用性差。HTML不易重复使用已有的信息。如果要重新在网上发布同样的信息，或者希望为已有的信息编辑可打印的目录，或需要把网上的数据存入数据库，往往不得不用手工进行处理，更糟糕的是，当网上的数据发生变化时，这些过程都必须重做。　　HTML存在的这些问题随着互联网的蓬勃发展不但没有得到解决，反而越来越突出，成为HTML继续发展应用的障碍。 1.1.3 XML语言的诞生及其优点　　1