XML 文档结构

本章定位 ：理解 XML 文档的树形层级结构——根元素、父子嵌套、兄弟节点、DOM 七种节点类型，以及 XML 声明的格式要求。

定义与作用

XML 文档是一种 树形结构——从唯一的根元素开始，逐层展开为分支和叶子。这种结构与计算机科学中的"树"数据结构完全对应，使得程序可以用统一的递归算法遍历、查询和修改 XML。

DOM（Document Object Model）将 XML 文档映射为包含 七种节点类型 的内存树。理解这七种节点，是后续学习 XPath 定位和 DOM 编程的基础。

核心原理：从文本到树

图解释 ：XML 解析器将纯文本逐行解析为内存中的节点树。文档本身是一个节点（#document），XML 声明变成处理指令节点，注释变成注释节点。属性节点挂在元素节点上但不是子节点。

语法/结构要点

XML 声明

文档第一行必须是 XML 声明（XML 1.0 中可选但强烈推荐）：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

standalone="yes" 表示文档完全自包含，不需要外部 DTD 或实体文件。

DOM 七种节点类型

树结构术语

<bookstore>              ← 根元素（root element）
  <book>                 ← book 是 bookstore 的子元素
    <title>...</title>   ← title 和 price 是 book 的子元素，互为兄弟
    <price>...</price>
  </book>
</bookstore>

完整示例：大翔用 DOM 树诊断配置错误

场景说明

飞翔科技的运维 大翔 接到告警：一台 Web 服务器启动失败，日志显示 XML 配置解析错误。他打开 server-config.xml，一眼看不出问题。大翔决定用 Python 解析这个文件，通过 DOM 树诊断结构异常。

操作前：有结构错误的 XML

<?xml version="1.0" encoding="UTF-8"?>
<!-- 飞翔科技服务器配置 -->
<server-cluster>
  <server id="web01">
    <host>192.168.1.10</host>
    <port>8080</port>
  <load-balancer id="lb01">
    <algorithm>round-robin</algorithm>
    <port>80</port>
  </load-balancer>
</server-cluster>

诊断过程：用 Python 检查 DOM 结构

import xml.dom.minidom

xml_str = '''<?xml version="1.0" encoding="UTF-8"?>
<server-cluster>
  <server id="web01">
    <host>192.168.1.10</host>
    <port>8080</port>
  <load-balancer id="lb01">
    <algorithm>round-robin</algorithm>
    <port>80</port>
  </load-balancer>
</server-cluster>
'''

try:
    dom = xml.dom.minidom.parseString(xml_str)
except Exception as e:
    print(f"解析失败: {e}")

# 手动检查文档结构
root = dom.documentElement
print(f"根元素: {root.nodeName}")
print(f"子节点数: {root.childNodes.length}")

for i in range(root.childNodes.length):
    child = root.childNodes[i]
    if child.nodeType == 1:
        print(f"  元素[{i}]: <{child.nodeName}>")
    elif child.nodeType == 3:
        text = child.nodeValue.strip()
        if text:
            print(f"  文本[{i}]: '{text}'")

操作结果

诊断发现 <server> 没有关闭标签——缺少 </server>。修复后：

<?xml version="1.0" encoding="UTF-8"?>
<!-- 飞翔科技服务器配置 -->
<server-cluster>
  <server id="web01">
    <host>192.168.1.10</host>
    <port>8080</port>
  </server>                      <!-- ← 补上关闭标签 -->
  <load-balancer id="lb01">
    <algorithm>round-robin</algorithm>
    <port>80</port>
  </load-balancer>
</server-cluster>

修复后 DOM 树变为：根元素（server-cluster）→ 两个子元素（server + load-balancer）→ 各自包含子元素和文本节点。大翔总结："XML 文档=树。学 XML 就是学会在树上走路、查节点、剪叶子。"

易错场景

错误一：两个根元素

<!-- ❌ 一个 XML 文档只能有一个根元素 -->
<books>...</books>
<authors>...</authors>

<!-- ✅ 用统一的根元素包裹 -->
<library>
  <books>...</books>
  <authors>...</authors>
</library>

错误二：误把属性当子节点

JavaScript/Flex 中常见：试图用 childNodes 获取属性，但属性不在 childNodes 里。必须用 getAttribute() 或 attributes 集合。

错误三：忽略空白文本节点

DOM 中元素之间的换行和缩进也会产生 #text 节点。遍历 childNodes 时要过滤 nodeType == 1（只取元素）或 nodeType == 3 && nodeValue.trim()。

面试考点