XML认证教程:Dtd

一个“有效的”文件首先应该是“形式良好”的。但这还远远不够，它还要往前更进一 步。一个XML文件必须遵守文件类型描述Dtd(Document Type Definition)中 定义的种种规定。所有的文件都是由序言和文件体构成的。序言中包含了XML声明， 在序言中还可以包含Dtd定义。

最简单的使用Dtd的方法是在XML文件的序言部分加入一个Dtd描述，加入的位置是 紧接在XML处理指示之后。一个包含Dtd的XML文件的结构为：

元素描述

]>

文件体.......

这样，我们就定义了一个文件，它以DOCTYPE中规定的根元素名作为其根元素的名字。

如果为每一个XML文件加入一段Dtd定义，是相当繁琐的。而且，更多的情况下，我们 会为一批XML文件定义一个相同的Dtd。例如，对于报社中的每篇稿件，它们都有相同 的格式，可以采用一个统一的Dtd，为每一篇单独定义既麻烦，又不利于统一格式。 好在XML规范为我们提供了解决这个问题的方法，它就是外部Dtd。

　　v

外部Dtd的好处是：它可以方便高效地被多个XML文件所共享。你只要写一个Dtd 文件，就可以被多个XML文件所引用。事实上，当许多组织需要统一它们的数据交 换格式时，它们就是通过外部Dtd来完成的。这样做不仅简化了输入工作，还保证 当你需要对Dtd做出改动时，不用一一去改每个引用了它的XML文件，只要改一个 公用的Dtd文件就足够了。

为了引用一个外部Dtd，必须修改XML声明和DOCTYPE声明。

XML声明中必须说明这个文件不是自成一体的，即standalone属性的属性值不再是yes了：

在DOCTYPE声明中，应该加入SYSTEM属性：

例如：

上面的URL是一个绝对路径，除此以外，它还可以是一个相对路径，如： 它说明这个Dtd文件和引用它的XML文件在同一个目录下。

使用这种方法，你可以方便地把Dtd文件从你的XML文件中分离出来，粘贴到另一 个文件中。这样，你就得到一个Dtd文件和一个有效的XML文件。

　　公用Dtd

使用外部Dtd时，要在DOCTYPE中使用关键字SYSTEM。实际上，SYSTEM不是引 用外部Dtd的唯一方法，这个关键字主要用于引用一个作者或组织所编写的众多 XML文件中通用的Dtd。还存在一种外部Dtd，它是一个由权威机构制订的，提供 给特定行业或公众使用的Dtd。因此，另一个引用外部Dtd的办法是使用关键字 PUbLIC，引用这一类公开给公众使用的Dtd。

当使用关键字PUbLIC进行引用时，这个外部Dtd还需要得到一个标识名。引用公 共Dtd的形式为：

请见下面例子：

这个Dtd标识的命名规则和XML文件的命名规则稍有不同。具体地说，Dtd名称只能 包含字母、数字、空格和下面的符号：_%$#@()+:=/!*;?。同时，Dtd名称还必须 符合一些标准的规定。例如，ISO标准的Dtd以“ISO”三个字母开头;被改进的非ISO 标准的Dtd以加号“+”开头;未被改进的非ISO标准的Dtd以减号“-”开头。

无论是哪一种情况，开始部分后面都跟着两个斜杠“//”及Dtd所有者的名称。在这个 名称之后又是两个斜杠“//”，再然后是Dtd所描述的文件的类型。最后，在又一对斜 杠之后是语言的种类(参见ISO 639)。例如下面这个公用Dtd的引用：

"">

看上去的确比较复杂，不过没关系，对于Dtd的命名通常不是它的引用者的任务，XML 文件的编写者只要在自己的文件中把事先定义好的Dtd名称放在相应的位置中就可以了。

　　元素类型声明1

一个Dtd不仅要告诉语法分析器它所关联的XML文件的根元素是什么，而且还要告 诉语法分析器文件的内容和结构，说清文件结构中的每一个细节。为了定义这些细 节，我们必须展开Dtd中元素说明部分，使用元素类型声明(Etd)来声明所有有 效的文件元素。

Etd不但说明了每个文件中可能存在的元素，给出了元素的名字，而且给出了元素的 具体类型。一个XML元素可以为空，也可以是一段纯文本，还可以有若干个子元素， 而这些子元素同时又可以有它们的子元素。Dtd正是通过元素之间的父子关系，描述 了整个文件的结构关系。

Etd应该采用如下的结构：

因此，在前面的例子里，可以在文件序言中通过如下方式定义“联系人列表”这个元素：

]>

<联系人列表>

...

这个Dtd定义了一个XML文件，它只有一个根元素，名为“联系人列表”，这个元素可以 有任何类型的子元素，也可以是纯文本，还可以为空。

但是需要注意，尽管元素“联系人列表”被定义为“可以”包含其它元素，但实际上这个 Dtd除了“联系人列表”元素本身外没有定义任何其它元素，所以也就没有其它元素可 以用作“联系人列表”的子元素。“有效的”XML文件规定文件中所使用的任何元素都必 须在Dtd中给出定义。

在“ANY”定义下使用任何纯文本都是无须另加说明的，这一点与元素不同。故而，在 相同的Dtd定义下，下面一段XML文件则是合法的：

]>

<联系人列表>

纯文本信息说明联系人信息

　　元素类型声明2

为了使元素“联系人列表”中还可以包含其它元素，从而使前面的那个文件是“有效 的”，我们还需要定义元素“联系人”和“姓名”。

]>

<联系人列表>

<联系人>

<姓名>张三

现在我们已经定义了一个XML文件，它的根元素名为“联系人列表”。“联系人列表” 中可以包含任何纯文本数据，也可以含有子元素(这即是ANY的含义)。根据后面的 定义，我们知道，“联系人列表”中可以包含子元素“联系人”，也可以直接包含子元 素“姓名”;“联系人”元素又可以包含自己的子元素，名为“姓名”;而“姓名”则只能 包含纯文本数据(即(#PCDATA))。

注意：

除了根元素外，在定义其它元素时使用关键字ANY都是不好的习惯。

在定义元素时，Etd的顺序是无关紧要的。

还有一点要注意，不能对不同的元素使用相同的元素名，即便这些元素的内容、包 含的子元素不同也不行，因为它只会引起文件各个元素的混淆，使文件的可读性大打 折扣。

元素名的第一个字母必须是字母、或下划线(_)、或冒号(：)，后跟字母、数 字、句号(.)、冒号、下划线、连结号(-)的组合，并且不能包含空白符，不能以 “xml”开头。尽管XML1.0标准允许使用任何长度的文件名，但是实际的XML处理器常 常会限制标记名的长度。

　　定义元素及其子元素

对于以下的例子：

]>

<联系人列表>

<联系人>

<姓名>张三

准确的说法是，元素“联系人”必须包含一个，且只能包含一个子元素“姓名”。可如 果子元素是“EMAIL地址”怎么办?联系人可能根本没有自己的EMAIL邮箱，也可能 有好几个EMAIL帐号。

使用正则表达式，我们就可以解决上述问题，描述父元素与子元素之间非常复杂的 关系。例如，你可以对一个元素作如下任何一种类型的定义：它有一个子元素，有 一个或多个子元素，有零个或多个子元素，至少有一个子元素。你还可以定义复合 关系，比如“元素X是有效的，如果它含有一个或多个子元素Y，或一个子元素Z”。

元素定义是由它们的元素内容模型(ECM)来描述的，也就是说，是由紧跟元素后 面的括号中的内容来定义的。因此，正如我们前面见到的，元素“联系人”的ECM被 描述为子元素“姓名”：

ECM中的内容采取一组正则表达式的形式。在下表中，我们列出了正则表达式中可能出现的元字符：

下面几节中，我们将通过一些例子具体讲解这些元字符的用法，对使用正则表达式 来定义ECM的方法获得一些感性认识。

　　有顺序的子元素

一个元素的各个子元素之间可以以任意顺序出现，也可以强制遵循一定的顺序。

考虑下面的Dtd定义：

遵从这个Dtd的XML文件可以为：

<联系人>

<姓名>张三

同样，下面这个XML文件也是有效的：

<联系人>

<姓名>张三

由于我们在Dtd定义中仅仅用空白符分隔了元素“联系人”的两个子元素，这说明 我们并没有严格要求两个元素出现的顺序，因此上面两种写法都是允许的。如果 我们使用逗号“，”来分隔两个子元素，那么XML文件中，元素“姓名”就必须出现 在元素“EMAIL”前面。

　　重复元素

让我们再把上节的例子作一个小小的改动：

让我们看看前面给出的正则表达式的元字符集列表，它说明一个“联系人”元素中必 须含有一个“姓名”元素，后面接一个或多个“EMAIL”元素。这样，下面的这段XML 文件是“有效的”。

<联系人>

<姓名>张三

那么下面这段XML文件不是有效的，因为它没有“EMAIL”元素，而“+”代表了“一个 或多个”。

<联系人>

<姓名>张三

如果你需要表示“零个或多个”，那么应该使用字符“*”。例如：

　　成组元素

子元素可以使用括号并为一组。因此，下面的Dtd片段说明，一个“联系人”元素 中可以有一个或多个“姓名/EMAIL”子元素对，并且在每个子元素对中，“姓名”都 放在“EMAIL”之前。

符合这个Dtd的XML文件可以是：

<联系人>

<姓名>张三

<姓名>李四

<姓名>王五

注意，仅仅是因为“+”由括号里面移到括号外面，元素“联系人”的内容就大大不同了。

　　OR或

号“|”描述了一个OR操作。因此，下面的Dtd片段所规定的XML元素是：所有的 “联系人”元素应该有一个“姓名”子元素，同时，在此之后还应该有一个“电话”或 一个“EMAIL”元素，但不能同时有“电话”和“EMAIL”两个元素。

一个符合上述Dtd定义的“有效的”XML文件的定义应该是：

<联系人>

<姓名>张三

<电话>12345678

或者是：

<联系人>

<姓名>张三

注意：在一个组中，只允许使用一种连接符(例如“，”或“|”)。因此，象下面这样定义的Dtd是不合法的：

要想使用多种连接符，只有通过创建子组的方式，使用

　　可选子元素

字符“?”说明一个子元素是可选的，它可以出现，也可以不出现。因此，在下面的Dtd 中，我们规定，每一个“联系人”都必须有一个“姓名”子元素，同时或者有一个“电话” 子元素，或者有一个“EMAIL”子元素，此外，它还可以包含一个“地址”子元素，也可 以不包含这种元素。

根据这个Dtd描述，下面的XML片段是“有效的”：

<联系人>

<姓名>张三

<地址>

<街道>五街1234号

<城市>北京市

<省份>北京

同样，下面这段不包含“地址”元素的XML片段也是“有效的”：

<联系人>

<姓名>张三

　　混合内容&空元素

当然，可能也有一些时候，你在一个元素中既希望包含子元素，也希望包含纯文本。 XML中允许这种使用方法，并把这种元素称为混合内容的元素。在下面的例子中， “联系人”就是一个混合元素。

]>

<联系人列表>

<联系人>

<姓名>张三

<电话>(010)62345678

这是关于张三的信息

注意，由于在“(姓名|电话|EMAIL|#PCDATA)”之外有“*”，所以在元素“联系人”中可以包含零个或多个“姓名”、电话、EMAIL和纯文本字段。

还有一种情况没有说，那就是，一个元素中不包含任何子元素，也不包含纯文本。对于这种情况，我们可以定义一个空标记。当然，定义这样一个标记很简单，你只需 要使用关键字EMPTY就可以了，例如： 这样，在你的XML文件中，就可以使用一个空元素。

　　定义有效的元素属性

现在我们已经学会如何定义一个元素以及它的内容，如何描述父元素与子元素之间 错综复杂的关系，只差不知道如何定义元素的属性了。

在第二篇教程中我们曾经提到过属性，那个例子是一个有关“商品”的元素，它有两个属性，即“类型”和“颜色”：<商品 类型 = "服装" 颜色 = "黄色">

在Dtd中定义属性时，我们使用下面的格式：

元素名是属性所属的元素的名字，在上面例子中，元素名是“商品”;属性名是属性的`命名，例子中，“类型”和“颜色”是属性名;缺省值说明在XML文件中，如果没有特别说明属性的取值，语法分析器默认它具有的取值;属性类型则用来指定该属性是属于十个有效属性类型中的哪种类型。

注意：由于ATTLIST是一个属性的列表，它可以包含很多属性，在实际应用中，一个元素也经常有多个属性。

上面例子中的属性可以如下定义：

类型 CDATA #REQUIRED

颜色 CDATA #IMPLIED

>

在元素说明的四个部分中，我们需要再详细讨论一下元素类型和缺省值。在下一节中，我们就从缺省值说起。

　　属性缺省值

根据XML文件是否必须为一个属性提供取值，属性的缺省值又可以分为以下三类：

必须赋值的属性

关键字REQUIRED说明XML文件中必须为这个属性给出一个属性值。例如，假设你 想定义一个"页面作者"元素，并把这个元素加入所有网站中的每一个页面。之所 以定义这个元素，是为了页面编辑者能够提供他的联系信息，以便当发现页面错 误或无效链接时，可以及时地通知他。在这种情况下，每个页面作者都有不同的 个人信息，所以你无法事先知道应该用什么作为缺省值，但你又的确需要提供每 个人的信息。这时候，你就可以把与联系信息相关的属性定义为必须的 (REQUIRED)，而且不用提供缺省值。

属性值可有可无的属性

当使用IMPLIED关键字时，文法解释器不再强行要求你在XML文件中给该属性赋 值，而且也无须在Dtd中为该属性提供缺省值。可以说，这是对属性值有无的最 低要求，现实中经常用到。

固定取值的属性

还有一种特殊情况，你需要为一个特定的属性提供一个缺省值，并且不希望XML 文件的编写者把你的缺省值替代掉。这时候，就应该使用FIXED关键字，同时为 该属性提供一个缺省值。

定义缺省值的属性

如果不使用上面任何一种关键字的话，该种属性就是属于这种类型。对于这种属 性，你需要在Dtd中为它提供一个缺省值。而在XML文件中可以为该属性给出新的 属性值来覆盖事先定义的缺省值，也可以不另外给出属性值，后一种情况下它就 默认为采用Dtd中给出的缺省值。

至于究竟采用哪种缺省值，就看实际需要了。下面给出一个具体的例子：

姓名 #CDATA #IMPLIED

年龄 #CDATA #IMPLIED

联系信息 #CDATA #REQUIRED

网站职务 #CDATA #FIXED "页面作者"

个人爱好 #CDATA "上网">

　　属性类型

一个元素可以为以下十种类型中的任意一种：

CDATA

Enumerated

ID

IDREF

IDREFS

ENTITY

ENTITIES

NMTOKEN

NMTOKENS

NOTATION

下面我们就来一个一个讲述。

　　CDATA类型

CDATA指的是纯文本，即由字符、符号“&”、小于号“<”和引号“"”组成的字符串。 当然，就象我们前面讲到的，你应该使用实体&代替“&”，<代替“<”， "代替“"”。

请看下面这个关于剧本的例子：

encoding="Gb2312"

standalone = "yes"?>

]>

<剧本>

<对话 演员="某甲">我可不这么认为!

<对话 演员="某乙">为什么呢?

　　枚举类型

属性也可以被描述为一组可接受的取值的列表，XML文件中对属性的赋值将从这个列表中选取一个值。这类属性属于枚举类型ENUMERATED，不过，关键字ENUMERATED是不出现在Dtd定义中的。

encoding="Gb2312"

standalone = "yes"?>

]>

<购物篮>

<肉 类型 = "鱼肉"/>

<肉 类型 = "牛肉"/>

<肉/>

注意，在上面这个例子中，给属性“类型”定义的缺省值是“鸡肉”，所以“购物篮”中的第三个元素的“类型”属性取值为“鸡肉”。

　　ID和IDREF

ID类型

ID是用属性值的方式为文件中的某个元素定义唯一标识的方法，它的作用类似于 HTML文件中的内部链接。在大多数情况下，ID由处理文件的程序或脚本语言使用。

ID的值必须是一个有效的XML名称，它由字母、数字或下划线开始，名字中不能出 现空白符。另外一般而言，不要给ID类型的属性事先指定缺省值，这很容易引起不 同的元素具有相同的标识的情况，更不能使用FIXED型的缺省值。此类属性经常使 用REQUIRED缺省类型，当然，这也不是必须的。有的应用并不要求每个元素都有 自己的标识，所以，也可以使用IMPLIED缺省类型。

encoding="Gb2312"

standalone = "yes"?>

]>

<联系人列表>

<联系人 编号="1">

<姓名>张三

<联系人 编号="2">

<姓名>李四

　　ID和IDREF2

IDREF类型

IDREF类型允许一个元素的属性使用文件中的另一个元素，方法就是把那个元素的 ID标识值作为该属性的取值。例如下面的例子：

encoding="Gb2312"

standalone = "yes"?>

]>

<联系人列表>

<联系人 编号="2">

<姓名>张三

<联系人 编号="1" 上司="2">

<姓名>李四

　　NMTOKEN和NMTOKENS

类型NMTOKEN和NMTOKENS是诸多属性类型中面向处理程序的又一个类型。这两个 类型用于指示一个有效的名字。当需要把一个元素和其它的元件，例如一个JAVA 类或一个安全算法，相联系时，可以让它们助你一臂之力。请看下面的例子：

关于元素的定义：

安全性( ON | OFF ) "OFF"

授权用户 NMTOKENS #IMPLIED

>

XML文件：

<数据 安全性="ON" 授权用户 = "Iggieeb SelenaS Guntherb">

blah blah blah

　　NOTATION类型

NOTATION类型允许属性值为一个Dtd中声明的符号，这个类型对于使用非XML格式的数据非常有用。

现实世界中存在着很多无法或不易用XML格式组织的数据，例如图象、声音、影象等 等。对于这些数据，XML应用程序常常并不提供直接的应用支持。通过为它们设定 NOTATION类型的属性，可以向应用程序指定一个外部的处理程序。例如，当你想要 为一个给定的文件类型指定一个演示设备时，可以用NOTATION类型的属性作为触发。

要使用NOTATION类型作为属性的类型，首先要在Dtd中为可选用的记号作出定义。 定义的方式有两种，一种是使用MIME类型，形式是：

再有一种是使用一个URL路径，指定一个处理程序的路径。

在下面这个例子中，为"电影"元素指定了两种可选设备：一种是movPlayer.exe，用来播映.mov文件，另一种则用来绘制GIF图象。

encoding="Gb2312"

standalone = "yes"?>

]>

<文件>

<电影 演示设备 = "mp"/>

　　实体属性类型与参数实体

实体在XML中充当着宏或别名的角色。实体最根本的作用是帮助你为一大段文本创 建一个别名，这样，在文件的另一个位置需要引用这段文本时，仅需要指向它的别 名就可以了。它还意味着一旦需要修改，仅需要在一个地方作改动，就完成了全局 的改动。

我们还提到，实体分为一般实体和参数实体两种类型，它们都可以定义为内部的也 可以用关键字SYSTEM定义为外部的。实体的定义必须出现在引用之前，而且要注意 正确嵌套，不能出现循环引用的情况。在Dtd中，这两种类型的实体都得到了广泛的 应用。

实体属性类型

实体类型的属性值属于一般实体，如前所述，它的定义方式是：

或利用SYSTEM定义外部实体，方式为：

引用方式为： &实体名;

使用关键字ENTITY，则声明一个属性是实体类型，它的取值为已定义的实体。请看下面例子：

encoding="Gb2312"

standalone = "yes"?>

]>

<文件>

<电影 来源 = "&bladeRunner;">

参数实体 参数实体专门用在Dtd中。定义方式是：

或：

引用方式为： %实体名; 使用参数实体，可以方便元素和属性的声明。例如：

最后提醒大家注意，不要以为实体属性类型的定义与Dtd有关，所以它使用的就是参数 实体。参数实体只能在Dtd中使用，而对于任何元素属性值的指定(除了缺省值外)， 都是在XML文件正文中进行的，因此实体属性值仍属于一般实体。