XML認證教程:Dtd

一個“有效的”檔案首先應該是“形式良好”的。但這還遠遠不夠，它還要往前更進一 步。一個XML檔案必須遵守檔案型別描述Dtd(Document Type Definition)中 定義的種種規定。所有的檔案都是由序言和檔案體構成的。序言中包含了XML宣告， 在序言中還可以包含Dtd定義。

最簡單的使用Dtd的方法是在XML檔案的序言部分加入一個Dtd描述，加入的位置是 緊接在XML處理指示之後。一個包含Dtd的XML檔案的結構為：

元素描述

]>

檔案體.......

這樣，我們就定義了一個檔案，它以DOCTYPE中規定的根元素名作為其根元素的名字。

如果為每一個XML檔案加入一段Dtd定義，是相當繁瑣的。而且，更多的情況下，我們 會為一批XML檔案定義一個相同的Dtd。例如，對於報社中的每篇稿件，它們都有相同 的格式，可以採用一個統一的Dtd，為每一篇單獨定義既麻煩，又不利於統一格式。 好在XML規範為我們提供瞭解決這個問題的方法，它就是外部Dtd。

　　v

外部Dtd的好處是：它可以方便高效地被多個XML檔案所共享。你只要寫一個Dtd 檔案，就可以被多個XML檔案所引用。事實上，當許多組織需要統一它們的資料交 換格式時，它們就是通過外部Dtd來完成的。這樣做不僅簡化了輸入工作，還保證 當你需要對Dtd做出改動時，不用一一去改每個引用了它的XML檔案，只要改一個 公用的Dtd檔案就足夠了。

為了引用一個外部Dtd，必須修改XML宣告和DOCTYPE宣告。

XML宣告中必須說明這個檔案不是自成一體的，即standalone屬性的屬性值不再是yes了：

在DOCTYPE宣告中，應該加入SYSTEM屬性：

例如：

上面的URL是一個絕對路徑，除此以外，它還可以是一個相對路徑，如： 它說明這個Dtd檔案和引用它的XML檔案在同一個目錄下。

使用這種方法，你可以方便地把Dtd檔案從你的XML檔案中分離出來，貼上到另一 個檔案中。這樣，你就得到一個Dtd檔案和一個有效的XML檔案。

　　公用Dtd

使用外部Dtd時，要在DOCTYPE中使用關鍵字SYSTEM。實際上，SYSTEM不是引 用外部Dtd的唯一方法，這個關鍵字主要用於引用一個作者或組織所編寫的眾多 XML檔案中通用的Dtd。還存在一種外部Dtd，它是一個由權威機構制訂的，提供 給特定行業或公眾使用的Dtd。因此，另一個引用外部Dtd的辦法是使用關鍵字 PUbLIC，引用這一類公開給公眾使用的Dtd。

當使用關鍵字PUbLIC進行引用時，這個外部Dtd還需要得到一個標識名。引用公 共Dtd的形式為：

請見下面例子：

這個Dtd標識的命名規則和XML檔案的命名規則稍有不同。具體地說，Dtd名稱只能 包含字母、數字、空格和下面的符號：_%$#@()+:=/!*;?。同時，Dtd名稱還必須 符合一些標準的規定。例如，ISO標準的Dtd以“ISO”三個字母開頭;被改進的非ISO 標準的Dtd以加號“+”開頭;未被改進的非ISO標準的Dtd以減號“-”開頭。

無論是哪一種情況，開始部分後面都跟著兩個斜槓“//”及Dtd所有者的名稱。在這個 名稱之後又是兩個斜槓“//”，再然後是Dtd所描述的檔案的型別。最後，在又一對斜 槓之後是語言的種類(參見ISO 639)。例如下面這個公用Dtd的引用：

"">

看上去的確比較複雜，不過沒關係，對於Dtd的命名通常不是它的引用者的任務，XML 檔案的編寫者只要在自己的檔案中把事先定義好的Dtd名稱放在相應的位置中就可以了。

　　元素型別宣告1

一個Dtd不僅要告訴語法分析器它所關聯的XML檔案的根元素是什麼，而且還要告 訴語法分析器檔案的內容和結構，說清檔案結構中的每一個細節。為了定義這些細 節，我們必須展開Dtd中元素說明部分，使用元素型別宣告(Etd)來宣告所有有 效的檔案元素。

Etd不但說明了每個檔案中可能存在的元素，給出了元素的名字，而且給出了元素的 具體型別。一個XML元素可以為空，也可以是一段純文字，還可以有若干個子元素， 而這些子元素同時又可以有它們的子元素。Dtd正是通過元素之間的父子關係，描述 了整個檔案的結構關係。

Etd應該採用如下的結構：

因此，在前面的例子裡，可以在檔案序言中通過如下方式定義“聯絡人列表”這個元素：

]>

<聯絡人列表>

...

這個Dtd定義了一個XML檔案，它只有一個根元素，名為“聯絡人列表”，這個元素可以 有任何型別的子元素，也可以是純文字，還可以為空。

但是需要注意，儘管元素“聯絡人列表”被定義為“可以”包含其它元素，但實際上這個 Dtd除了“聯絡人列表”元素本身外沒有定義任何其它元素，所以也就沒有其它元素可 以用作“聯絡人列表”的子元素。“有效的”XML檔案規定檔案中所使用的任何元素都必 須在Dtd中給出定義。

在“ANY”定義下使用任何純文字都是無須另加說明的，這一點與元素不同。故而，在 相同的Dtd定義下，下面一段XML檔案則是合法的：

]>

<聯絡人列表>

純文字資訊說明聯絡人資訊

　　元素型別宣告2

為了使元素“聯絡人列表”中還可以包含其它元素，從而使前面的那個檔案是“有效 的”，我們還需要定義元素“聯絡人”和“姓名”。

]>

<聯絡人列表>

<聯絡人>

<姓名>張三

現在我們已經定義了一個XML檔案，它的根元素名為“聯絡人列表”。“聯絡人列表” 中可以包含任何純文字資料，也可以含有子元素(這即是ANY的含義)。根據後面的 定義，我們知道，“聯絡人列表”中可以包含子元素“聯絡人”，也可以直接包含子元 素“姓名”;“聯絡人”元素又可以包含自己的子元素，名為“姓名”;而“姓名”則只能 包含純文字資料(即(#PCDATA))。

注意：

除了根元素外，在定義其它元素時使用關鍵字ANY都是不好的習慣。

在定義元素時，Etd的順序是無關緊要的。

還有一點要注意，不能對不同的元素使用相同的元素名，即便這些元素的內容、包 含的子元素不同也不行，因為它只會引起檔案各個元素的混淆，使檔案的可讀性大打 折扣。

元素名的第一個字母必須是字母、或下劃線(_)、或冒號(：)，後跟字母、數 字、句號(.)、冒號、下劃線、連結號(-)的組合，並且不能包含空白符，不能以 “xml”開頭。儘管XML1.0標準允許使用任何長度的檔名，但是實際的XML處理器常 常會限制標記名的長度。

　　定義元素及其子元素

對於以下的例子：

]>

<聯絡人列表>

<聯絡人>

<姓名>張三

準確的說法是，元素“聯絡人”必須包含一個，且只能包含一個子元素“姓名”。可如 果子元素是“EMAIL地址”怎麼辦?聯絡人可能根本沒有自己的EMAIL郵箱，也可能 有好幾個EMAIL帳號。

使用正則表示式，我們就可以解決上述問題，描述父元素與子元素之間非常複雜的 關係。例如，你可以對一個元素作如下任何一種型別的定義：它有一個子元素，有 一個或多個子元素，有零個或多個子元素，至少有一個子元素。你還可以定義複合 關係，比如“元素X是有效的，如果它含有一個或多個子元素Y，或一個子元素Z”。

元素定義是由它們的元素內容模型(ECM)來描述的，也就是說，是由緊跟元素後 面的括號中的內容來定義的。因此，正如我們前面見到的，元素“聯絡人”的ECM被 描述為子元素“姓名”：

ECM中的內容採取一組正則表示式的形式。在下表中，我們列出了正則表示式中可能出現的元字元：

下面幾節中，我們將通過一些例子具體講解這些元字元的用法，對使用正則表示式 來定義ECM的方法獲得一些感性認識。

　　有順序的子元素

一個元素的各個子元素之間可以以任意順序出現，也可以強制遵循一定的順序。

考慮下面的Dtd定義：

遵從這個Dtd的XML檔案可以為：

<聯絡人>

<姓名>張三

同樣，下面這個XML檔案也是有效的：

<聯絡人>

<姓名>張三

由於我們在Dtd定義中僅僅用空白符分隔了元素“聯絡人”的兩個子元素，這說明 我們並沒有嚴格要求兩個元素出現的順序，因此上面兩種寫法都是允許的。如果 我們使用逗號“，”來分隔兩個子元素，那麼XML檔案中，元素“姓名”就必須出現 在元素“EMAIL”前面。

　　重複元素

讓我們再把上節的例子作一個小小的改動：

讓我們看看前面給出的正則表示式的元字符集列表，它說明一個“聯絡人”元素中必 須含有一個“姓名”元素，後面接一個或多個“EMAIL”元素。這樣，下面的這段XML 檔案是“有效的”。

<聯絡人>

<姓名>張三

那麼下面這段XML檔案不是有效的，因為它沒有“EMAIL”元素，而“+”代表了“一個 或多個”。

<聯絡人>

<姓名>張三

如果你需要表示“零個或多個”，那麼應該使用字元“*”。例如：

　　成組元素

子元素可以使用括號併為一組。因此，下面的Dtd片段說明，一個“聯絡人”元素 中可以有一個或多個“姓名/EMAIL”子元素對，並且在每個子元素對中，“姓名”都 放在“EMAIL”之前。

符合這個Dtd的XML檔案可以是：

<聯絡人>

<姓名>張三

<姓名>李四

<姓名>王五

注意，僅僅是因為“+”由括號裡面移到括號外面，元素“聯絡人”的內容就大大不同了。

　　OR或

號“|”描述了一個OR操作。因此，下面的Dtd片段所規定的XML元素是：所有的 “聯絡人”元素應該有一個“姓名”子元素，同時，在此之後還應該有一個“電話”或 一個“EMAIL”元素，但不能同時有“電話”和“EMAIL”兩個元素。

一個符合上述Dtd定義的“有效的”XML檔案的定義應該是：

<聯絡人>

<姓名>張三

<電話>12345678

或者是：

<聯絡人>

<姓名>張三

注意：在一個組中，只允許使用一種連線符(例如“，”或“|”)。因此，象下面這樣定義的Dtd是不合法的：

要想使用多種連線符，只有通過建立子組的方式，使用

　　可選子元素

字元“?”說明一個子元素是可選的，它可以出現，也可以不出現。因此，在下面的Dtd 中，我們規定，每一個“聯絡人”都必須有一個“姓名”子元素，同時或者有一個“電話” 子元素，或者有一個“EMAIL”子元素，此外，它還可以包含一個“地址”子元素，也可 以不包含這種元素。

根據這個Dtd描述，下面的XML片段是“有效的”：

<聯絡人>

<姓名>張三

<地址>

<街道>五街1234號

<城市>北京市

<省份>北京

同樣，下面這段不包含“地址”元素的XML片段也是“有效的”：

<聯絡人>

<姓名>張三

　　混合內容&空元素

當然，可能也有一些時候，你在一個元素中既希望包含子元素，也希望包含純文字。 XML中允許這種使用方法，並把這種元素稱為混合內容的元素。在下面的例子中， “聯絡人”就是一個混合元素。

]>

<聯絡人列表>

<聯絡人>

<姓名>張三

<電話>(010)62345678

這是關於張三的資訊

注意，由於在“(姓名|電話|EMAIL|#PCDATA)”之外有“*”，所以在元素“聯絡人”中可以包含零個或多個“姓名”、電話、EMAIL和純文字欄位。

還有一種情況沒有說，那就是，一個元素中不包含任何子元素，也不包含純文字。對於這種情況，我們可以定義一個空標記。當然，定義這樣一個標記很簡單，你只需 要使用關鍵字EMPTY就可以了，例如： 這樣，在你的XML檔案中，就可以使用一個空元素。

　　定義有效的元素屬性

現在我們已經學會如何定義一個元素以及它的內容，如何描述父元素與子元素之間 錯綜複雜的關係，只差不知道如何定義元素的屬性了。

在第二篇教程中我們曾經提到過屬性，那個例子是一個有關“商品”的元素，它有兩個屬性，即“型別”和“顏色”：<商品 型別 = "服裝" 顏色 = "黃色">

在Dtd中定義屬性時，我們使用下面的格式：

元素名是屬性所屬的元素的名字，在上面例子中，元素名是“商品”;屬性名是屬性的`命名，例子中，“型別”和“顏色”是屬性名;預設值說明在XML檔案中，如果沒有特別說明屬性的取值，語法分析器預設它具有的取值;屬性型別則用來指定該屬性是屬於十個有效屬性型別中的哪種型別。

注意：由於ATTLIST是一個屬性的列表，它可以包含很多屬性，在實際應用中，一個元素也經常有多個屬性。

上面例子中的屬性可以如下定義：

型別 CDATA #REQUIRED

顏色 CDATA #IMPLIED

>

在元素說明的四個部分中，我們需要再詳細討論一下元素型別和預設值。在下一節中，我們就從預設值說起。

　　屬性預設值

根據XML檔案是否必須為一個屬性提供取值，屬性的預設值又可以分為以下三類：

必須賦值的屬性

關鍵字REQUIRED說明XML檔案中必須為這個屬性給出一個屬性值。例如，假設你 想定義一個"頁面作者"元素，並把這個元素加入所有網站中的每一個頁面。之所 以定義這個元素，是為了頁面編輯者能夠提供他的聯絡資訊，以便當發現頁面錯 誤或無效連結時，可以及時地通知他。在這種情況下，每個頁面作者都有不同的 個人資訊，所以你無法事先知道應該用什麼作為預設值，但你又的確需要提供每 個人的資訊。這時候，你就可以把與聯絡資訊相關的屬性定義為必須的 (REQUIRED)，而且不用提供預設值。

屬性值可有可無的屬性

當使用IMPLIED關鍵字時，文法直譯器不再強行要求你在XML檔案中給該屬性賦 值，而且也無須在Dtd中為該屬性提供預設值。可以說，這是對屬性值有無的最 低要求，現實中經常用到。

固定取值的屬性

還有一種特殊情況，你需要為一個特定的屬性提供一個預設值，並且不希望XML 檔案的編寫者把你的預設值替代掉。這時候，就應該使用FIXED關鍵字，同時為 該屬性提供一個預設值。

定義預設值的屬性

如果不使用上面任何一種關鍵字的話，該種屬性就是屬於這種型別。對於這種屬 性，你需要在Dtd中為它提供一個預設值。而在XML檔案中可以為該屬性給出新的 屬性值來覆蓋事先定義的預設值，也可以不另外給出屬性值，後一種情況下它就 預設為採用Dtd中給出的預設值。

至於究竟採用哪種預設值，就看實際需要了。下面給出一個具體的例子：

姓名 #CDATA #IMPLIED

年齡 #CDATA #IMPLIED

聯絡資訊 #CDATA #REQUIRED

網站職務 #CDATA #FIXED "頁面作者"

個人愛好 #CDATA "上網">

　　屬性型別

一個元素可以為以下十種型別中的任意一種：

CDATA

Enumerated

ID

IDREF

IDREFS

ENTITY

ENTITIES

NMTOKEN

NMTOKENS

NOTATION

下面我們就來一個一個講述。

　　CDATA型別

CDATA指的是純文字，即由字元、符號“&”、小於號“<”和引號“"”組成的字串。 當然，就象我們前面講到的，你應該使用實體&代替“&”，<代替“<”， "代替“"”。

請看下面這個關於劇本的例子：

encoding="Gb2312"

standalone = "yes"?>

]>

<劇本>

<對話 演員="某甲">我可不這麼認為!

<對話 演員="某乙">為什麼呢?

　　列舉型別

屬性也可以被描述為一組可接受的取值的列表，XML檔案中對屬性的賦值將從這個列表中選取一個值。這類屬性屬於列舉型別ENUMERATED，不過，關鍵字ENUMERATED是不出現在Dtd定義中的。

encoding="Gb2312"

standalone = "yes"?>

]>

<購物籃>

<肉 型別 = "魚肉"/>

<肉 型別 = "牛肉"/>

<肉/>

注意，在上面這個例子中，給屬性“型別”定義的預設值是“雞肉”，所以“購物籃”中的第三個元素的“型別”屬性取值為“雞肉”。

　　ID和IDREF

ID型別

ID是用屬性值的方式為檔案中的某個元素定義唯一標識的方法，它的作用類似於 HTML檔案中的內部連結。在大多數情況下，ID由處理檔案的程式或指令碼語言使用。

ID的值必須是一個有效的XML名稱，它由字母、數字或下劃線開始，名字中不能出 現空白符。另外一般而言，不要給ID型別的屬性事先指定預設值，這很容易引起不 同的元素具有相同的標識的情況，更不能使用FIXED型的預設值。此類屬性經常使 用REQUIRED預設型別，當然，這也不是必須的。有的應用並不要求每個元素都有 自己的標識，所以，也可以使用IMPLIED預設型別。

encoding="Gb2312"

standalone = "yes"?>

]>

<聯絡人列表>

<聯絡人 編號="1">

<姓名>張三

<聯絡人 編號="2">

<姓名>李四

　　ID和IDREF2

IDREF型別

IDREF型別允許一個元素的屬性使用檔案中的另一個元素，方法就是把那個元素的 ID標識值作為該屬性的取值。例如下面的例子：

encoding="Gb2312"

standalone = "yes"?>

]>

<聯絡人列表>

<聯絡人 編號="2">

<姓名>張三

<聯絡人 編號="1" 上司="2">

<姓名>李四

　　NMTOKEN和NMTOKENS

型別NMTOKEN和NMTOKENS是諸多屬性型別中面向處理程式的又一個型別。這兩個 型別用於指示一個有效的名字。當需要把一個元素和其它的元件，例如一個JAVA 類或一個安全演算法，相聯絡時，可以讓它們助你一臂之力。請看下面的例子：

關於元素的定義：

安全性( ON | OFF ) "OFF"

授權使用者 NMTOKENS #IMPLIED

>

XML檔案：

<資料 安全性="ON" 授權使用者 = "Iggieeb SelenaS Guntherb">

blah blah blah

　　NOTATION型別

NOTATION型別允許屬性值為一個Dtd中宣告的符號，這個型別對於使用非XML格式的資料非常有用。

現實世界中存在著很多無法或不易用XML格式組織的資料，例如圖象、聲音、影象等 等。對於這些資料，XML應用程式常常並不提供直接的應用支援。通過為它們設定 NOTATION型別的屬性，可以嚮應用程式指定一個外部的處理程式。例如，當你想要 為一個給定的檔案型別指定一個演示裝置時，可以用NOTATION型別的屬性作為觸發。

要使用NOTATION型別作為屬性的型別，首先要在Dtd中為可選用的記號作出定義。 定義的方式有兩種，一種是使用MIME型別，形式是：

再有一種是使用一個URL路徑，指定一個處理程式的路徑。

在下面這個例子中，為"電影"元素指定了兩種可選裝置：一種是movPlayer.exe，用來播映.mov檔案，另一種則用來繪製GIF圖象。

encoding="Gb2312"

standalone = "yes"?>

]>

<檔案>

<電影 演示裝置 = "mp"/>

　　實體屬性型別與引數實體

實體在XML中充當著巨集或別名的角色。實體最根本的作用是幫助你為一大段文字創 建一個別名，這樣，在檔案的另一個位置需要引用這段文字時，僅需要指向它的別 名就可以了。它還意味著一旦需要修改，僅需要在一個地方作改動，就完成了全域性 的改動。

我們還提到，實體分為一般實體和引數實體兩種型別，它們都可以定義為內部的也 可以用關鍵字SYSTEM定義為外部的。實體的定義必須出現在引用之前，而且要注意 正確巢狀，不能出現迴圈引用的情況。在Dtd中，這兩種型別的實體都得到了廣泛的 應用。

實體屬性型別

實體型別的屬性值屬於一般實體，如前所述，它的定義方式是：

或利用SYSTEM定義外部實體，方式為：

引用方式為： &實體名;

使用關鍵字ENTITY，則宣告一個屬性是實體型別，它的取值為已定義的實體。請看下面例子：

encoding="Gb2312"

standalone = "yes"?>

]>

<檔案>

<電影 來源 = "&bladeRunner;">

引數實體 引數實體專門用在Dtd中。定義方式是：

或：

引用方式為： %實體名; 使用引數實體，可以方便元素和屬性的宣告。例如：

最後提醒大家注意，不要以為實體屬性型別的定義與Dtd有關，所以它使用的就是引數 實體。引數實體只能在Dtd中使用，而對於任何元素屬性值的指定(除了預設值外)， 都是在XML檔案正文中進行的，因此實體屬性值仍屬於一般實體。