网页编程必看:XML文法分析

在进行XML文法分析之前，首先有必要了解XML语法的基本规则：

　　词法特征：1）XML区分大小写，如元素名在打开和关闭标记中应保持大小写一致<mytag>…</mytag>，XML的保留词串应符合大小写要求<?xml …> <!ENTITY>…。

　　2）XML保留标记字符为：< > &，保留字符不允许出现在元素名、元素文本、属性名、属性值中，< 用户打开标记，>用于关闭标记，&用于转意，常见的转意为 &lt生成<，&gt生成>，&amp生成&，&apos生成’，&quot生成”

　　3）元素名以下划线或字母开始，可包含字母、数字、句点、连字符、下划线、冒号和用于其他语言的扩展字符，元素名中不能有空格符（分格符、跳格符、换行符、回车符），元素名可以由名域前缀。如：<mytag> <dt:mytag> 元素文本可以是除XML保留字符外的字符集合，如<mytag> my money is $2000 </mytag>

　　4）属性名的规则同元素名，属性值由单引号或双引号括约其中，可由除XML保留字符以外的字符串组成，如：<mytag myprop=”proper value”>。属性名有xmlns前缀，表明该属性定义了一个名域，如：<mytag xmlns:ns=”http://www.myweb.com/myschema”>

　　句法特征：1）XML文档由一个XML说明、多个可选的文档说明、多个可选的XML指令、多个可选的XML注释和一个根元素的数据体组成，此外还可以有嵌入语句中的CDATA段，如：

　　分析XML文法需要构造一个下推自动机，它的结构定义如下：

　　1）STACK_DFA mata_xml_doc = <Q,Σ，σ，q,Γ,T,S >
　　Q: {…} /*详见后面的状态集合*/
　　Σ: /*指向待解析的XML元素词串*/
　　σ: Q×Σ->Q /*状态转移函数，见状态转移列表*/
　　q: {NIL_SKIP} /*初始状态*/
　　Γ: {NIL_FAILED,NIL_SUCCEED} /*终结状态集合*/
　　S:  {Q/*状态*/, N/*DOM节点*/>,<…>} /*下推栈*/
　　2）栈顶符集合用于反映当前分析节点的类型：
　　T：{NIL/*空*/, TG/*标记*/, NS/*元素*/, IS/*指令*/, DS/*声明*/, CD/*CDATA界段*/,CM/*注释*/}
　　3）状态集合反映了分析的某一阶段特征，与栈顶符对应：
　　NIL:  NIL_FAILED /*失败*/
　　NIL_SKIP /*忽略*/
　　NIL_SUCCEED /*成功*/
　　CM:  CM_BEGIN /*注释开始*/
　　CM_END /*注释结束*/
　　TG:  TG_OPEN /*标记打开*/
　　TG_INT_CLOSE /*标记中断*/
　　TG_PRE_CLOSE /*标记准备关闭*/
　　TG_CLOSE /*标记关闭*/
　　NS:  NS_NAME_BEGIN /*元素名开始*/
　　NS_NAME_END /*元素名结束*/
　　NS_KEY_BEGIN /*属性名开始*/
　　NS_KEY_END /*属性名结束*/
　　NS_ASIGN /*属性赋值*/
　　NS_VAL_BEGIN /*属性值开始*/
　　NS_VAL_END /*属性值结束*/
　　NS_TEXT_BEGIN /*元素文本开始*/
　　NS_TEXT_END /*元素文本结束*/
　　IS:  IS_OPEN /*指令打开*/
　　IS_NAME_BEGIN /*指令名开始*/
　　IS_NAME_END /*指令名结束*/
　　IS_KEY_BEGIN /*指令键开始*/
　　IS_KEY_END /*指令键结束*/
　　IS_ASIGN /*赋值符*/
　　IS_VAL_BEGIN /*指令值开始*/
　　IS_VAL_END /*指令值结束*/
　　IS_CLOSE /*指令关闭*/
　　DS:  DS_OPEN /*声明打开*/
　　DS_SKIP /*越过申明节*/
　　DS_CLOSE /*声明关闭*/
　　CD:  CD_BEGIN /*CDATA界段开始*/
　　CD_END /*CDATA界段结束*/

　　4）栈顶动作：PUSH: 将当前节点和状态压入栈
　　POP：出栈并恢复当前节点和状态
　　NOP：无栈操作

　　5）读写头动作：NEXT: 移动至下一字符
　　SKIP: 越过转义串或保留名串
　　PAUSE: 暂定于当前字符
　　STOP：停机于当前字符

　　6）状态转移列表：
　　说明： space 指符合空格定义的字符
　　name 指符合命名定义的字符
　　namepre 指符合命名的第一个字符
　　token 指除去保留字符外字符
　　other 指除去已判断以外的字符
　　（状态）输入符（栈操作，状态，读写头动作）
　　(NOP,NIL_SKIP,NEXT)/*初始化*/
　　(NIL_SKIP)
　　space     (NOP,NIL_SKIP,NEXT) /*忽略起始空格*/
　　<           (NOP,TG_OPEN,NEXT) /*遇到标记*/
　　‘/0’     (NOP,NIL_SUCCEED,STOP) /*终结符*/
　　other (NOP,NIL_FAILED,STOP) /*无效字符*/
　　(TG_OPEN)
　　!           (NOP,DS_OPEN,NEXT) /*遇到声明符*/
　　?          (NOP,IS_OPEN,NEXT) /*遇到指令符*/
　　/           (POP,TG_PRE_CLOSE,NEXT) /*准备关闭标记*/
　　namepre (NOP,NS_NAME_BEGIN,PAUSE) /*元素名开始*/
　　other     (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(DS_OPEN)
　　other     (NOP,DS_SKIP,PAUSE) /*忽略声明*/
　　(DS_SKIP)
　　>          (NOP,DS_CLOSE,PAUSE) /*声明结束*/
　　other    (NOP,DS_SKIP,NEXT) /*忽略声明*/
　　(DS_CLOSE)
　　>         (NOP,TG_CLOSE,PAUSE) /*标记关闭*/
　　other   (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(CM_BEGIN)
　　-           (NOP,CM_END,SKIP) /*注释开始*/
　　token    (NOP,CM_BEGIN,NEXT) /*继续注释串*/
　　other     (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(CM_END)
　　>          (NOP,DS_CLOSE,PAUSE) /*注释关闭*/
　　other     (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(CD_BEGIN)
　　]           (NOP,CD_END,SKIP) /*界段开始*/
　　token   (NOP,CD_BEGIN,NEXT) /*继续界段*/
　　other    (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(CD_END)
　　>         (NOP,DS_CLOSE,PAUSE) /*声明关闭*/
　　other   (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_OPEN)

　　namepre    (NOP,IS_NAME_BEGIN,PAUSE) /*指令名开始*/
　　other         (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_NAME_BEGIN)
　　space      (NOP,IS_NAME_END,PAUSE) /*指令名结束*/
　　?             (NOP,IS_NAME_END,PAUSE) /*指令名结束*/
　　&            (NOP,IS_NAME_BEGIN,SKIP) /*字符转义*/
　　name       (NOP,IS_NAME_BEGIN,NEXT) /*继续指令名*/
　　other       (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_NAME_END)
　　space      (NOP,IS_NAME_END,NEXT) /*忽略空格*/
　　?             (NOP,IS_CLOSE,NEXT) /*标记中断*/
　　namepre  (NOP,IS_KEY_BEGIN,PAUSE) /*指令属性名开始*/
　　other       (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_KEY_BEGIN)
　　space      (NOP,IS_KEY_END,PAUSE) /*属性名结束*/
　　=           (NOP,IS_KEY_END,PAUSE) /*属性名结束*/
　　&           (NOP,IS_KEY_BEGIN,SKIP) /*字符转义*/
　　name      (NOP,IS_KEY_BEGIN,NEXT) /*继续属性名*/
　　other      (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_KEY_END)
　　space    (NOP,IS_KEY_END,NEXT) /*忽略空格*/
　　=           (NOP,IS_ASIGN,NEXT) /*属性赋值符*/
　　other     (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_ASIGN)
　　space    (NOP,IS_ASIGN,NEXT) /*忽略空格*/
　　“          (NOP,IS_VAL_BEGIN,NEXT) /*属性赋值打开*/
　　‘           (NOP,IS_VAL_BEGIN,NEXT) /*属性赋值打开*/
　　other     (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_VAL_BEGIN)
　　“         (NOP,IS_VAL_END,NEXT) /*属性值结束*/
　　‘         (NOP,IS_VAL_END,NEXT) /*属性值结束*/
　　&         (NOP,IS_VAL_BEGIN,SKIP) /*字符转义*/
　　token   (NOP,IS_VAL_BEGIN,NEXT) /*继续属性值*/
　　other    (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(IS_VAL_END)
　　space     (NOP,IS_VAL_END,NEXT) /*忽略空格*/
　　?            (NOP,IS_CLOSE,NEXT) /*标记中断*/
　　other      (NOP,IS_KEY_BEGIN,PAUSE) /*属性名开始*/
　　(IS_CLOSE)
　　>          (NOP,TG_CLOSE,NEXT) /*标记关闭*/
　　other     (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(NS_NAME_BEGIN)
　　space    (NOP,NS_NAME_END,PAUSE) /*元素名结束*/
　　>          (NOP,NS_NAME_END,PAUSE) /*元素名结束*/
　　/            (NOP,NS_NAME_END,PAUSE) /*元素名结束*/
　　&           (NOP,NS_NAME_BEGIN,SKIP) /*字符转义*/
　　name     (NOP,NS_NAME_BEGIN,NEXT) /*元素名继续*/
　　other      (NOP,NIL_FAILED,STOP) /*非法字符*/
　　(NS_NAME_END)
　　space    (NOP,NS_NAME_END,NEXT) /*忽略空格*/
　　>           (NOP,TG_INT_CLOSE,NEXT) /*元素名结束*/
　　/            (NOP,TG_PRE_CLOSE,NEXT) /*元素名结束*/
　　other      (NOP,NS_KEY_BEGIN,PAUSE) /*属性名开始*/