XML認證教程:Dtd

一個“有效的”文件首先應該是“形式良好”的。但這還遠遠不夠，它還要往前更進一 步。一個XML文件必須遵守文件類型描述Dtd(Document Type Definition)中 定義的種種規定。所有的文件都是由序言和文件體構成的。序言中包含了XML聲明， 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文件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文件的結構為：

元素描述

]>

文件體.......

這樣，我們就定義了一個文件，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文件加入一段Dtd定義，是相當繁瑣的。而且，更多的情況下，我們 會為一批XML文件定義一個相同的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文件所共享。你只要寫一個Dtd 文件，就可以被多個XML文件所引用。事實上，當許多組織需要統一它們的數據交 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文件，只要改一個 公用的Dtd文件就足夠了。

為了引用一個外部Dtd，必須修改XML聲明和DOCTYPE聲明。

XML聲明中必須説明這個文件不是自成一體的，即standalone屬性的屬性值不再是yes了：

在DOCTYPE聲明中，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： 它説明這個Dtd文件和引用它的XML文件在同一個目錄下。

使用這種方法，你可以方便地把Dtd文件從你的XML文件中分離出來，粘貼到另一 個文件中。這樣，你就得到一個Dtd文件和一個有效的XML文件。

　　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文件中通用的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文件的命名規則稍有不同。具體地説，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，開始部分後面都跟着兩個斜槓“//”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所描述的文件的類型。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 文件的編寫者只要在自己的文件中把事先定義好的Dtd名稱放在相應的位置中就可以了。

　　元素類型聲明1

一個Dtd不僅要告訴語法分析器它所關聯的XML文件的根元素是什麼，而且還要告 訴語法分析器文件的內容和結構，説清文件結構中的每一個細節。為了定義這些細 節，我們必須展開Dtd中元素説明部分，使用元素類型聲明(Etd)來聲明所有有 效的文件元素。

Etd不但説明了每個文件中可能存在的元素，給出了元素的名字，而且給出了元素的 具體類型。一個XML元素可以為空，也可以是一段純文本，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 了整個文件的結構關係。

Etd應該採用如下的結構：

因此，在前面的例子裏，可以在文件序言中通過如下方式定義“聯繫人列表”這個元素：

]>

<聯繫人列表>

...

這個Dtd定義了一個XML文件，它只有一個根元素，名為“聯繫人列表”，這個元素可以 有任何類型的子元素，也可以是純文本，還可以為空。

但是需要注意，儘管元素“聯繫人列表”被定義為“可以”包含其它元素，但實際上這個 Dtd除了“聯繫人列表”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“聯繫人列表”的子元素。“有效的”XML文件規定文件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本都是無須另加説明的，這一點與元素不同。故而，在 相同的Dtd定義下，下面一段XML文件則是合法的：

]>

<聯繫人列表>

純文本信息説明聯繫人信息

　　元素類型聲明2

為了使元素“聯繫人列表”中還可以包含其它元素，從而使前面的那個文件是“有效 的”，我們還需要定義元素“聯繫人”和“姓名”。

]>

<聯繫人列表>

<聯繫人>

<姓名>張三

現在我們已經定義了一個XML文件，它的根元素名為“聯繫人列表”。“聯繫人列表” 中可以包含任何純文本數據，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，“聯繫人列表”中可以包含子元素“聯繫人”，也可以直接包含子元 素“姓名”;“聯繫人”元素又可以包含自己的子元素，名為“姓名”;而“姓名”則只能 包含純文本數據(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，因為它只會引起文件各個元素的混淆，使文件的可讀性大打 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文件名，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：

]>

<聯繫人列表>

<聯繫人>

<姓名>張三

準確的説法是，元素“聯繫人”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?聯繫人可能根本沒有自己的EMAIL郵箱，也可能 有好幾個EMAIL帳號。

使用正則表達式，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類型的定義：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，也就是説，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“聯繫人”的ECM被 描述為子元素“姓名”：

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

下面幾節中，我們將通過一些例子具體講解這些元字符的用法，對使用正則表達式 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文件可以為：

<聯繫人>

<姓名>張三

同樣，下面這個XML文件也是有效的：

<聯繫人>

<姓名>張三

由於我們在Dtd定義中僅僅用空白符分隔了元素“聯繫人”的兩個子元素，這説明 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文件中，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達式的元字符集列表，它説明一個“聯繫人”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 文件是“有效的”。

<聯繫人>

<姓名>張三

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

<聯繫人>

<姓名>張三

如果你需要表示“零個或多個”，那麼應該使用字符“*”。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片段説明，一個“聯繫人”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文件可以是：

<聯繫人>

<姓名>張三

<姓名>李四

<姓名>王五

注意，僅僅是因為“+”由括號裏面移到括號外面，元素“聯繫人”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 “聯繫人”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文件的定義應該是：

<聯繫人>

<姓名>張三

<電話>12345678

或者是：

<聯繫人>

<姓名>張三

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

要想使用多種連接符，只有通過創建子組的方式，使用

　　可選子元素

字符“?”説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“聯繫人”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”：

<聯繫人>

<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”：

<聯繫人>

<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，也希望包含純文本。 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， “聯繫人”就是一個混合元素。

]>

<聯繫人列表>

<聯繫人>

<姓名>張三

<電話>(010)62345678

這是關於張三的信息

注意，由於在“(姓名|電話|EMAIL|#PCDATA)”之外有“*”，所以在元素“聯繫人”中可以包含零個或多個“姓名”、電話、EMAIL和純文本字段。

還有一種情況沒有説，那就是，一個元素中不包含任何子元素，也不包含純文本。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文件中，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“類型”和“顏色”：<商品 類型 = "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，“類型”和“顏色”是屬性名;缺省值説明在XML文件中，如果沒有特別説明屬性的取值，語法分析器默認它具有的取值;屬性類型則用來指定該屬性是屬於十個有效屬性類型中的哪種類型。

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：

類型 CDATA #REQUIRED

顏色 CDATA #IMPLIED

>

在元素説明的四個部分中，我們需要再詳細討論一下元素類型和缺省值。在下一節中，我們就從缺省值説起。

　　屬性缺省值

根據XML文件是否必須為一個屬性提供取值，屬性的缺省值又可以分為以下三類：

必須賦值的屬性

關鍵字REQUIRED説明XML文件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繫信息，以便當發現頁面錯 誤或無效鏈接時，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 個人信息，所以你無法事先知道應該用什麼作為缺省值，但你又的確需要提供每 個人的信息。這時候，你就可以把與聯繫信息相關的屬性定義為必須的 (REQUIRED)，而且不用提供缺省值。

屬性值可有可無的屬性

當使用IMPLIED關鍵字時，文法解釋器不再強行要求你在XML文件中給該屬性賦 值，而且也無須在Dtd中為該屬性提供缺省值。可以説，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缺省值，並且不希望XML 文件的編寫者把你的缺省值替代掉。這時候，就應該使用FIXED關鍵字，同時為 該屬性提供一個缺省值。

定義缺省值的屬性

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類型。對於這種屬 性，你需要在Dtd中為它提供一個缺省值。而在XML文件中可以為該屬性給出新的 屬性值來覆蓋事先定義的缺省值，也可以不另外給出屬性值，後一種情況下它就 默認為採用Dtd中給出的缺省值。

至於究竟採用哪種缺省值，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

聯繫信息 #CDATA #REQUIRED

網站職務 #CDATA #FIXED "頁面作者"

個人愛好 #CDATA "上網">

　　屬性類型

一個元素可以為以下十種類型中的任意一種：

CDATA

Enumerated

ID

IDREF

IDREFS

ENTITY

ENTITIES

NMTOKEN

NMTOKENS

NOTATION

下面我們就來一個一個講述。

　　CDATA類型

CDATA指的是純文本，即由字符、符號“&”、小於號“<”和引號“"”組成的字符串。 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?

　　枚舉類型

屬性也可以被描述為一組可接受的取值的列表，XML文件中對屬性的賦值將從這個列表中選取一個值。這類屬性屬於枚舉類型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 類型 = "魚肉"/>

<肉 類型 = "牛肉"/>

<肉/>

注意，在上面這個例子中，給屬性“類型”定義的缺省值是“雞肉”，所以“購物籃”中的第三個元素的“類型”屬性取值為“雞肉”。

　　ID和IDREF

ID類型

ID是用屬性值的方式為文件中的某個元素定義唯一標識的方法，它的作用類似於 HTML文件中的內部鏈接。在大多數情況下，ID由處理文件的程序或腳本語言使用。

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類型的屬性事先指定缺省值，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型的缺省值。此類屬性經常使 用REQUIRED缺省類型，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缺省類型。

encoding="Gb2312"

standalone = "yes"?>

]>

<聯繫人列表>

<聯繫人 編號="1">

<姓名>張三

<聯繫人 編號="2">

<姓名>李四

　　ID和IDREF2

IDREF類型

IDREF類型允許一個元素的屬性使用文件中的另一個元素，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"?>

]>

<聯繫人列表>

<聯繫人 編號="2">

<姓名>張三

<聯繫人 編號="1" 上司="2">

<姓名>李四

　　NMTOKEN和NMTOKENS

類型NMTOKEN和NMTOKENS是諸多屬性類型中面向處理程序的又一個類型。這兩個 類型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 類或一個安全算法，相聯繫時，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"

授權用户 NMTOKENS #IMPLIED

>

XML文件：

<數據 安全性="ON" 授權用户 = "Iggieeb SelenaS Guntherb">

blah blah blah

　　NOTATION類型

NOTATION類型允許屬性值為一個Dtd中聲明的符號，這個類型對於使用非XML格式的數據非常有用。

現實世界中存在着很多無法或不易用XML格式組織的數據，例如圖象、聲音、影象等 等。對於這些數據，XML應用程序常常並不提供直接的應用支持。通過為它們設定 NOTATION類型的屬性，可以嚮應用程序指定一個外部的處理程序。例如，當你想要 為一個給定的文件類型指定一個演示設備時，可以用NOTATION類型的屬性作為觸發。

要使用NOTATION類型作為屬性的類型，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類型，形式是：

再有一種是使用一個URL路徑，指定一個處理程序的路徑。

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

encoding="Gb2312"

standalone = "yes"?>

]>

<文件>

<電影 演示設備 = "mp"/>

　　實體屬性類型與參數實體

實體在XML中充當着宏或別名的角色。實體最根本的作用是幫助你為一大段文本創 建一個別名，這樣，在文件的另一個位置需要引用這段文本時，僅需要指向它的別 名就可以了。它還意味着一旦需要修改，僅需要在一個地方作改動，就完成了全局 的改動。

我們還提到，實體分為一般實體和參數實體兩種類型，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 正確嵌套，不能出現循環引用的情況。在Dtd中，這兩種類型的實體都得到了廣泛的 應用。

實體屬性類型

實體類型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，則聲明一個屬性是實體類型，它的取值為已定義的實體。請看下面例子：

encoding="Gb2312"

standalone = "yes"?>

]>

<文件>

<電影 來源 = "&bladeRunner;">

參數實體 參數實體專門用在Dtd中。定義方式是：

或：

引用方式為： %實體名; 使用參數實體，可以方便元素和屬性的聲明。例如：

最後提醒大家注意，不要以為實體屬性類型的定義與Dtd有關，所以它使用的就是參數 實體。參數實體只能在Dtd中使用，而對於任何元素屬性值的指定(除了缺省值外)， 都是在XML文件正文中進行的，因此實體屬性值仍屬於一般實體。