学习XML档案格式与实作系列：(4/6) 解析XML档案开头的定义

既然是一种标準化的资料档案格式，严谨一点的XML档案其开头的定义至关重要，它直接影响数据的準确性与互操作性。不仅确保资料在不同系统间的一致性，也增强了档案的可读性和稳定性。

有些不属于单纯资料内容的XML档案，常常一开头会有定义XML版本、编码方式、命名空间，以及指定资料结构验证的来源(XSD文件)的描述，如下所示的範例：

• <?xml version="1.0" encoding="UTF-8"?>
• <加班清册 xmlns="http://everflow.com/fee/加班清册" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://everflow.com/fee/加班清册加班清册.xsd" generated="2025-02-10T03:33:05">

这两句是XML文件开头的重要部分，定义了该XML的版本、编码方式以及命名空间等资讯，让解析器或其他应用程式可以正确解读和处理这个XML档案。以下是逐一解析绍上述範例其作用和含义：

第1句：

• <?xml version="1.0" encoding="UTF-8"?>
  这一行是XML文件的声明（Declaration），用于定义XML文件的基本资讯。其中，<?xml ... ?>是XML声明的开头和结尾标记。version="1.0" 则是表示这份XML文件的版本编号是1.0，这是大多数XML文件的标準版本。而encoding="UTF-8" 则是定义了这份XML文件的字符编码（Character Encoding）是支援多种语言（包括中文、英文、日文等）的通用字符编码，有了这一行就可以告诉Power Query或其他XML解析器如何正确读取和解析XML文件，也确保了文件中的字符（尤其是非英文字符）能够正确显示。若缺少此行XML文件声明，Power Query可能会无法正确识别文件的版本或编码，导致解析失败或产生乱码。所以，当您在Power Query中处理XML文件时，这一行是必要的，通常不需要手动修改它。

第2句：

• <加班清册 xmlns="http://everflow.com/fee/加班清册" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://everflow.com/fee/加班清册 加班清册.xsd" generated="2025-02-10T03:33:05">
  这一行是XML档案的根元素(Root Element) <加班清册>的描述，所有其他元素都嵌套在这个元素之下。根元素的名称可以是任意的，这里使用<加班清册>表示资料的根节点。常见一般的XML也会以<dataroot> 表达资料的根节点，在此定义了与文件结构相关的命名空间（Namespaces）和属性（Attributes），也就是文件的背景资讯与结构设定。其中：
  • xmlns="http://everflow.com/fee/加班清册"
    这是预设命名空间 (Default Namespace)，用来定义 <加班清册> 和其他元素的命名空间，其目的是区分不同来源或用途的XML元素和属性，避免与其他XML档案或命名空间中使用的相同元素名称而发生冲突。至于URI说明http://everflow.com/fee/加班清册 则是命名空间的唯一识别码。此URI不一定是实际的网站地址，但它是一个标识符号，表示该命名空间的作用域或所有权。
  • xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    这是一个XML Schema Instance命名空间，指定为前缀词为xsi。xsi是XML Schema Instance的缩写，可用于引用XML Schema的相关属性，比如接下来的xsi:schemaLocation。而URI是W3C标準的命名空间，也是XML Schema标準的一部分，用于处理XML Schema的实例，这是固定不变的值。
  • xsi:schemaLocation="http://everflow.com/fee/加班清册 加班清册.xsd"
    这是用来指示文件资料要使用的XML Schema (XSD)档案位置的实例属性，专门用于验证XML档案的资料结构。其中http://everflow.com/fee/加班清册，这是命名空间的URI，与 xmlns的值是一致的。也就是XSD档案的位置，可以是一个相对路径或绝对路径，指向包含结构定义的外部文件。加班清册.xsd是Schema档案的名称，定义了XML文件的结构和资料类型。若这个Schema档案并没有特定的命名空间，则常会以noNamespaceSchemaLocation表示。
  • generated="2025-02-10T03:33:05">
    这是一个额外的时间戳记属性，用来标记XML文件生成的日期和时间。採用格式是ISO 8601 标準，2025-02-10 表示日期（年-月-日）；T是日期与时间的分隔符号；03:33:05 表示时间（时:分:秒）。

这段开头内容的主要功能是提供XML文件的技术基础（版本与编码），当Power Query读取包含有这两行描述的XML文件档案时，就会并根据指定的结构验证Schema档（如果存在）来验证XML档案的资料结构。诸如定义命名空间以避免混淆，因为这会影响Power Query对元素和属性的解析方式。最后来提供文件生成的时间戳记，可作为后续的追溯或版本管理依据。这些信息皆有助于正确解析和验证XML资料，但一般使用者取得XML档案时，并不一定会去细究该XLS档案倒底有无结构定义的叙述，但请放心，这一切就交由Power Query自动判别啰。

前一篇：<<学习XML档案格式与实作系列：(3/6) 认识XML档案>>
下一篇：<<学习XML档案格式与实作系列：(5/6) 实际汇入XML的情境>>