HTTP 与 Web 标准 / 系统课时
什么样的 XML 才算良构
什么样的 XML 才算良构
“良构”不是说 XML 的业务数据正确,而是说它满足 XML 最基本的语法约束,解析器能够把它稳定地读成一棵文档树。本节整理最常见的良构规则,并通过解析器验证正确与错误文档。
学习目标
- 判断 XML 是否满足根元素、闭合、嵌套和属性书写规则
- 正确处理文本与属性中的特殊字符
- 用解析器区分“良构错误”和业务层面的内容问题
良构 XML 的核心规则
一个 XML 文档要被普通 XML 解析器接受,至少要满足这些条件:
- 整个文档只有一个根元素。
- 每个开始标签都要正确结束,空元素可以写成
<item/>。 - 元素必须正确嵌套,不能交叉闭合。
- 属性值必须放在单引号或双引号中。
- 同一元素上不能出现两个同名属性。
- 文本中的
<不能直接作为普通字符出现,&也必须用于合法实体或字符引用。 - 标签名区分大小写,因此
<Item>与<item>不是同一个名称。
例如下面的文档是良构的:
xml
<order id="A100">
<customer>Lin & Chen</customer>
<item quantity="2"/>
</order>这里有唯一根元素 order,标签闭合与嵌套正确,属性值带引号,文本中的 & 也写成了实体引用 &。
常见错误长什么样
下面这些写法都会让文档失去良构性:
xml
<order>
<item>
</order>item 没有闭合,而且 order 在内部元素结束前就被关闭。
xml
<order id=A100/>属性值 A100 没有引号。
xml
<message>3 < 5</message>文本中的 < 会被解析器当成标签起始符。应改为 <。
xml
<a></a>
<b></b>这里出现了两个顶级元素,因此没有唯一根元素。可以把它们包进共同根元素中。
用解析器验证文档
判断良构性时不要只靠肉眼。下面的 Python 示例分别解析一份正确 XML 和一份错误 XML:
python
import xml.etree.ElementTree as ET
samples = {
"valid": '<order id="A100"><item quantity="2"/></order>',
"invalid": '<order><item></order>',
}
for name, xml_text in samples.items():
try:
ET.fromstring(xml_text)
print(f"{name}: well-formed")
except ET.ParseError:
print(f"{name}: not well-formed")预期输出:
text
valid: well-formed
invalid: not well-formed解析器抛出 ParseError,说明文档在 XML 语法层面就无法构造成合法树结构。具体报错文本可能因解析器和版本不同而变化,因此验证时更应关注“是否解析成功”和错误位置,而不是依赖固定的报错文案。
良构不等于内容正确
下面的 XML 在语法上仍然是良构的:
xml
<order>
<quantity>-99</quantity>
</order>XML 解析器可以正常读取它,但业务规则可能不允许负数数量。类似“必须有某个元素”“属性只能取指定值”“元素顺序固定”这类约束,需要由应用代码、DTD、XML Schema 等机制进一步验证。
因此排查 XML 问题时先分层:如果解析器连文档树都建立不了,先修复良构错误;只有文档能够成功解析后,再检查结构约束和业务数据是否符合要求。
按自己的节奏,确认真正理解。