什么是大数据？就是网络采集器！打开XML文件，教你守株待兔！

什么是 XML文件？

HTML(网页)和 XML (数据) 文档包含的数据均位于标记中，但标记也是这两种语言之间不同的地方。
在 HTML网页中，标记定义数据的外观（标题位置，段落起始位置等）。
在 XML数据中，标记定义数据的结构和含义（什么是数据）。



例如，假设需要存储并共享关于宠物的信息。您可以创建以下 XML 代码：

• <?xml version="1.0"?>
  
• <CAT>
  
• <NAME>Izzy</NAME>
  
• <BREED>Siamese</BREED>
  
• <AGE>6</AGE>
  
• <ALTERED>yes</ALTERED>
  
• <DECLAWED>no</DECLAWED>
  
• <LICENSE>Izz138bod</LICENSE>
  
• <OWNER>Colin Wilcox</OWNER>
  
• </CAT>
  

可以看到，使用 XML 标记可以明确地标明所查看的数据属于何种类型。
例如，您可以了解到以上数据是关于一只猫的，并且可以很容易地找到这只猫的名字、年龄等信息。XML 能够创建定义几乎所有数据结构的标记，因此是“可扩展”的。
但是，请不要将该代码示例中的标记与 HTML 文件中的标记混淆。例如，如果您将该 XML 结构粘贴到一个 HTML 文件中，然后在浏览器中查看该文件，结果会如下所示：
Izzy Siamese 6 yes no Izz138bod Colin Wilcox
浏览器将忽略 XML 标记，而只显示数据。


例如，如下图所示，Excel 和 Word 都可以根据 CAT 架构来验证 <CAT> 数据。



架构可能非常复杂，教您怎样创建架构并不属于本文的范畴。（另外，IT 部门人员应该知道如何创建架构。）不过，了解架构的外观还是有用的。下面的架构定义了 <CAT> ... </CAT> 标记集的规则。
<xsd:element name="CAT">    <xsd:complexType>      <xsd:sequence>      <xsd:element name="NAME" type="xsd:string"/>      <xsd:element name="BREED" type="xsd:string"/>      <xsd:element name="AGE" type="xsd:positiveInteger"/>      <xsd:element name="ALTERED" type="xsd:boolean"/>      <xsd:element name="DECLAWED" type="xsd:boolean"/>      <xsd:element name="LICENSE" type="xsd:string"/>      <xsd:element name="OWNER" type="xsd:string"/>            </xsd:sequence>  </xsd:complexType></xsd:element>如果不理解上面示例中的内容，不必担心。只需要记住以下事项：

• 示例架构中的行项目被称为“声明”。如果需要有关宠物的其他信息（例如其颜色或斑纹），IT 部门可能需要向架构中添加声明。您可以根据业务需求的变化来更改 XML 系统。
  
• 
  
• 声明对数据结构具有较强的控制能力。例如，<xsd:sequence> 声明表示 <NAME> 和 <BREED> 等标记必须按照上面列出的顺序显示。声明也可以控制用户输入的数据类型。例如，上面的架构要求猫的年龄必须为正数，而对于 ALTERED 和 DECLAWED 标记则必须为布尔值（TRUE 或 FALSE）。
  
• 当 XML 文件中的数据遵循架构所提供的规则时，数据就是有效数据。根据架构检查 XML 数据文件的过程称为“验证”（逻辑意义上）。架构的突出优点是可以帮助防止数据损坏。使用架构也可以很容易地发现损坏的数据，因为 XML 遇到问题时将会停止运行。
  

架构只不过是一种包含某些规则的 XML 文件，这些规则用来定义 XML 数据文件中能包含哪些内容，不能包含哪些内容。
架构文件通常使用 .xsd 文件扩展名，而 XML 数据文件使用 .xml 扩展名。


数据文件、架构和转换组成基本的 XML 系统。下图显示了这种系统通常是如何工作的。数据文件先根据架构进行验证，然后通过转换以任意可用方式呈现。在本例中，转换向网页中的表部署数据。



此示例显示一种转换类型的编码形式，但是请记住，您只能用简单的英文描述您想要从数据中获得什么。
例如，您可以对 IT 部门说您需要打印特定区域过去两年的销售数据，并指出“我希望数据的外观是这样的”。这样，IT 部门就可以编写（或更改）一个可执行该任务的转换。使所有此类工作更为方便的是：Microsoft 和日益增多的其他供应商正创建应用于各种任务的转换。
不久的将来，您可以下载符合需要的转换，也可以调整转换以满足需要。这意味着，XML 的使用将随时间的推移而逐渐降低数据处理成本。

我有一个大胆的想法。。。