XML入门精解之文件格式定义(DTD)

J2EE

XML入门精解之文件格式定义(DTD)
DTD实际上可以看作一个或多个XML文件的模板,这些XML文件中的元素、元素的属性、元素的排列方式/顺序、元素能够包含的内容等,都必须符合DTD中的定义。XML文件中的元素,即我们所创建的标记,是根据我们应用的实际情况来创建的。想要创建一份完整性高、适应性广的DTD是非常困难的,因为各行各业都有他们自己的行业特点,所以DTD通常是以某种应用领域为定义的范围,如:医学、建筑、工商、行政。DTD定义的元素含盖范围越广泛,那么就越复杂。

  DTD可以是一个完全独立的文件,也可以在XML文件中直接设定。所以,DTD分为外部DTD(在XML文件中调用另外已经编辑好的DTD)和内部DTD(在XML文件中直接设定DTD)两种。比如,有几十家相互联系的、合作伙伴关系的公司、厂商,他们相互之间的交换电子文档都是用XML文档。那么我们可以将这些XML文档的DTD放在某个地方,让所有交换的XML文档都使用此DTD,这是最方便的做法,同时也适用于公司内部的XML文件使用。

内部DTD
  内部DTD是在XML文件的文件序言区域中定义的。语法:

  〈!DOCTYPE element-name[........

  ]〉

  〈!DOCTYPE :表示开始设定DTD,注意DOCUTYPE是大写。

  Element-name :指定此DTD的根元素的名称,一个XML文件只能有一个根元素。注意,如果 XML文件使用了DTD,那么文件中的根元素就在这里指定。

  [.........]〉 :在[ ]标记里面定义XML文件使用元素,然后用〉结束DTD的定义。

  下面,我们来看一下怎样给XML文件定义DTD,请见例1。

  例1中的DTD定义区可以看作是一个DTD定义的大概框架,为其他XML文件定义DTD,结构和例1的DTD差不多,只是可能需要添加、删除或者更改一些东西而已。在DTD定义的中间是元素设定,这是一个DTD的最主要部分,其主要语法如下:

  〈!ELEMENT element-name element-definition〉

  〈!ELEMENT:表示开始元素设置,注意此处ELEMENT关键字是大写。

   element-name:表示要设置的元素的名称。

  element-definition:指明要对此元素进行怎样的定义,就是说〈元素〉...〈/元素〉之间能够包含什么内容,是其他元素还是一般性的文字。

  在例1中,大家可以看到,〈!ELEMENT 参考资料 (书籍)〉这个元素设定是声明了“参考资料”这个元素,并且它是作为“书籍”这个元素的父元素。〈!ELEMENT 书籍 (名称,作者,价格)〉这个元素设定声明了“书籍”这个元素,并且它是作为“名称”、“作者”、“价格”这三个元素的父元素。而〈!ELEMENT 名称 (#PCDATA)〉这个元素设定声明了“名称”这个元素,但是此元素仅仅包含一般文字,是基本元素,这是由#PCDATA关键字定义的。

  在元素设置中,如果元素包含多个子元素,如:〈!ELEMENT 书籍 (名称,作者,价格)〉这种含多个子元素的声明,那么“名称”、“作者”、“价格”这些标记在XML文件中必须以上面排列的顺序出现,每个标记必须而且只能够出现一次。如果在设定元素时,按照〈!ELEMENT 书籍ANY〉,这样在元素下就可以包含任意被设定过的元素,出现的次数和顺序也不受限制,并且在该元素下,除了可以包含子元素以外,还能够包含一般的文字。有时候,在XML文件中,一个标记可能多次出现(或者不出现),那么我们除了在它们的父元素中用ANY关键字之外,还可以在元素的旁边加上特定的符号来控制标记出现的次数。这些符号见表1。
表1
符号 代表标记出现的次数
? 不出现或只出现一次
* 不出现或可出现多次
+ 必须出现一次以上
无符号 只能出现一次

  例如:〈!ELEMENT 参考资料(书籍�,报纸+,杂志?,网站)〉这个元素设定,“书籍”标记在XML文件中可以不出现或者出现多次;“报纸”标记必须出现一次以上;“杂志”标记可以不出现或只出现一次;而“网站”标记必须出现而且只能出现一次。

  在一些父元素的声明中,有可能它包含的子元素是在多个子元素中选择一个来使用,那么我们声明此父元素时,就可以把它声明成选择性元素,例如:〈!ELEMENT 配偶 (妻子|丈夫)〉。可供选择的子元素用“|”分隔,这样,我们在XML文件中可以这样写:

  〈配偶〉

   〈丈夫〉张三〈/丈夫〉

  〈/配偶〉  

  只从中选择一个子元素。

  在我们的XML文件中,还可能包括很多“空元素”,即:元素是单独存在的,没有〈/元素〉这样的结束标记。那么在DTD中是用EMPTY关键字来声明的。如:〈!ELEMENT 元素名 EMPTY〉。在XML文件中,空元素不需要结束标记,但必须以〈/空元素名〉这样的写法。

  在DTD中,还可以声明一些称为Entity的东西,让DTD和XML文件使用。我们可以把Entity看作是一个常量,它有一定的值。在DTD中,Entity的声明语法为:〈!ENTITY entity-name entity-definition〉。例如:我们在DTD中声明〈!ENTITY PC "(#PCDATA)"〉 ,那么在后面的元素设定中,就可以使用这个Entity来代替“(#PCDATA)”这个字符串,如:〈!ELEMENT 作者 (#PCDATA)〉可以写成〈!ELEMENT 作者 &&PC;〉。引用Entity的时候,必须要在Entity名称前面加上“&&”符号,后面加上“;”符号。

  在例1中,〈!ATTLIST 价格 货币单位 CDATA #REQUIRED〉这一句是设定元素的属性,关于元素属性设置的语法为:〈!ATTLIST element-name attribute-name Type Default-value〉 。其中,〈!ATTLIST是开始属性的设定(注意大小写)。element-name是指明此属性设定是针对什么元素的;attribute-name是设定的属性的名称;Type是该属性的属性值的类别,属性值有多种,可以是一般的文字,或从几种属性值中取一种等,属性值的种类见表2。Default-value是指该属性的内定值种类,有四种不同的属性内定值(见表3)。

  下面我们举几个例子来看一下几个常用的元素属性的设定。例:

  〈!ATTLIST 姓名 性别 (男|女) "男"〉

  此元素属性设定是为“姓名”这个元素设定一个名为“性别”的属性,此属性的属性值类别是Enumerated,取值范围为“男”或者“女”(用“|”分隔)。如果在XML文件中没有为此属性赋值,那么就取值为“男”,因为属性内定值是一个字符串“男”。

  〈!ATTLIST 姓名 号码 ID #REQUIRED〉

  该属性设定是为“姓名”元素设定一个名为“号码”的属性,属性值类别是ID,意味着在XML文件中为此属性赋值的时候,值在此XML文件中是唯一的,如在同一份XML文件中出现下面的XML语句:

  〈姓名 号码="1234567"〉张三〈/姓名〉

  〈姓名 号码="1234567"〉李四〈/姓名〉

  注意:“号码”属性的值重复了,这样,在解析过程中将会出现错误信息。此属性设定中的属性内定值为#REQUIRED,表示这个属性在XML文件的〈姓名〉标记中必须出现,否则解析会发生错误。

  〈!ATTLIST 电话号码 国家代码 CDATA #FIX "86"〉

  该属性设定是为“电话号码”这个元素设定一个名为“国家代码”的属性,该属性的值是一般的文字。在〈电话号码〉标记中不能够设定该属性,因为这个属性被设为具有固定值的属性(#FIX关键字),解析器会自动地将该属性以及值“86”加到〈电话号码〉标记中。
表2
属性值类别 描述
cdata 属性值仅仅是一般的文字。
enumerated 列出该属性的取值范围,一次只能有一个属性值能够赋予属性。
nmtoken 表示属性值只能由字母、数字、下划线、.、:、-这些符号组成。
nmtokens 表示属性值能够由多个nmtoken组成,每个nmtoken之间用空格隔开。
id 该属性在xml文件中是唯一的,常用来表示人的身份证号码。
idref 表示该属性值是参考了另一个id属性。
idrefs 表示该属性值是参考了多个id属性,这些id属性的值用空格隔开。
entity 表示该属性的设定值是一个外部的entity,如一个图片文件。
entities 该属性值包含了多个外部entity,不同的entity之间用空格隔开。
notation 属性值是在dtd中声明过的notation(声明用什么应用软件解读某些二进制文件,如图片)。

  在XML的规范中,还规定了两个内定的属性,即:xml:space和xml:lang ,内定的属性名称以xml:开头,而你自己定义的属性名不能以xml:开头,否则在解析时会发生错误。

  我们前面已经讲过,空白格在XML文件是有含义的,xml:space属性就是来设置解析器将XML文件中的空白格传给应用程序后的处理方法。xml:space是一个Enumerated类型的属性,只能够在default和preserve之间取值。xml:space="defaule"表示解析器将空白格传递给应用程序后,由应用程序内定的方法来处理这些空白格。如果没有设定xml:space属性,则解析器会默认用default来设定该属性。xml:space="preserve"是表示解析器将空白格传递给应用程序后,要求应用程序保留这些空白格。

  xml:lang属性是用来设置标记中的文字信息是使用哪种语言,ISO-639规定了不同语言的代表缩写,如:xml:lang="en" 表示英文;xml:lang="la"表示拉丁文;xml:lang="zh" 表示中文资料;xml:lang="zh-CN" 表示中文(简体);xml:lang="zh-TW" 表示中文(繁体)。系统内定是xml:lang="en",即标记中间的文字信息都是英文。

外部DTD
  外部DTD是一个独立于XML文件的文件,实际上也是一个文本文件,只是使用.dtd为文件扩展名。因为外部DTD独立于XML文件,那么它可以供多个XML文件使用,就像用同一个模板可以写出多个不同内容的文件一样,这多个XML文件因为是引用同一个外部DTD,所以它们的结构大致相同。

  外部DTD的创建方式、语法和内部DTD是一样的,把例1的内部DTD的例子用外部DTD来写,文件如下所示。文件存为后缀名为 .dtd的文件。

  〈?xml version="1.0" encoding="GB2312" ?〉

  〈!ELEMENT 参考资料 (书籍*)〉

  〈!ELEMENT 书籍 (名称,作者,价格)〉

  〈!ELEMENT 名称 (#PCDATA)〉

  〈!ELEMENT 作者 (#PCDATA)〉

  〈!ELEMENT 价格 (#PCDATA)〉

  〈!ATTLIST 价格 货币单位 CDATA #REQUIRED〉

  除了没有内部DTD中的〈!DOCTYPE 参考资料 [.....]〉语句外,其他都一样。而且有关元素数目、排列顺序、空元素设定、选择性元素、Entity声明、属性设定等都和内部DTD是一样的。

  XML文件使用〈!DOCTYPE element-name SYSTEM DTD-URL〉或者〈!DOCTYPE element-name PUBLIC DTD-name DTD-URL〉来引用创建好的外部DTD文件。
表3
属性内定值 描述
#required 表示在标记中必须出现此属性。
#implied 标记中可以不出现此属性。
#fix 属性的值是固定的某个值。
字符串 标记中如没有指定属性的值,那么此字符串就是此属性的值。

  此语句必须位于XML文件的文件序言区,其中,〈!DOCTYPE表示开始声明应用外部DTD;element-name是指该DTD的根元素的名称;SYSTEM是指该外部DTD文件是私有的,即我们自己创建的,没有公开发行,只是个人或在公司内部或者几个合作单位之间使用;而PUBIC关键字是指该外部DTD是公用的,经过了公开讨论,用PUBLIC的DTD都有一个逻辑名称——DTD-name,我们必须在调用时指明这个逻辑名称。DTD-URL是用URL的方式指明外部DTD文件的位置。例如,我们这份DTD文件存放在URL为:http://www.xml.com/这个地方,文件名为ckzl.dtd。那么在XML文件中的声明如下:

  〈?xml version="1.0" encoding="GB2312" ?〉

  〈!DOCTYPE 参考资料 SYSTEM "http://www.xml.com/ckzl.dtd"〉

  ...

Schema简介
  DTD的语法相当复杂,并且它不符合XML文件的标准,自成一个体系。上面的介绍也仅仅是作了一个简介,目的是帮助大家能读懂DTD文件以及在必要时创建简单的DTD文件,因为现在很多的XML应用是建立在DTD之上的。

  另外,一个代替DTD的就是W3C定义的Schema,Schema相对于DTD的明显好处是XML Schema文档本身也是XML文档,而不是像DTD一样使用自成一体的语法。这就方便了用户和开发者,因为可以使用相同的工具来处理XML Schema和其他XML信息,而不必专门为Schema使用特殊工具。Schema简单易懂,懂得XML语法、规则的人都可以立刻理解它。Schema的概念提出已久,但W3C的标准最近才出来,相应的应用支持尚未完善,但采用Schema已成为XML发展的一个趋势。

例1
  DTD定义区:

  〈?xml version="1.0" encoding="GB2312" ?〉

  〈!DOCTYPE 参考资料 [

  〈!ELEMENT 参考资料 (书籍�)〉

  〈!ELEMENT 书籍 (名称,作者,价格)〉

  〈!ELEMENT 名称 (#PCDATA)〉

  〈!ELEMENT 作者 (#PCDATA)〉

  〈!ELEMENT 价格 (#PCDATA)〉

  〈!ATTLIST 价格 货币单位 CDATA #REQUIRED〉

  ]〉

  〈参考资料〉

  〈书籍〉

  〈名称〉XML入门精解〈/名称〉

  〈作者〉张三〈/作者〉

  〈价格 货币单位="人民币"〉20.00〈/价格〉

  〈/书籍〉

  〈书籍〉

  〈名称〉XML语法〈/名称〉

  〈!-- 即将出版 --〉

  〈作者〉李四〈/作者〉

  〈价格 货币单位="人民币"〉18.00〈/价格〉

  〈/书籍〉

  〈/参考资料〉