XML入门(3)- 定义文档内容

概述

迄今为止，您已经在本教程中了解到了 XML 文档的基本规则；那当然很好，但您需要定义将用来表示数据的元素。您将在本章了解做到那一点的两种方法。

• 一种方法是使用文档类型定义（Document Type Definition），或简称 DTD。DTD 定义可以在 XML 文档中出现的元素、这些元素出现的次序、它们可以如何相互嵌套以及 XML 文档结构的其它详细信息。DTD 是最初的 XML 规范的一部分，与 SGML DTD 非常相似。
• 另一种方法是使用 XML Schema。模式可以定义您能在 DTD 中使用的所有文档结构，它还可以定义数据类型和比 DTD 更复杂的规则。W3C 在提出最初的 XML 规范的几年之后开发了 XML Schema 规范。

文档类型定义

DTD 允许您指定 XML 文档的基本结构。下面的几页将研究 DTD 片段。首先是定义本章中地址文档示例的基本结构的 DTD， XML 是什么？ ：

 <!--address.dtd -->
 <!ELEMENT address (name, street, city, state, postal-code)>
<!ELEMENT name (title? first-name, last-name)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT first-name (#PCDATA)> 
<!ELEMENT last-name (#PCDATA)> 
<!ELEMENT street (#PCDATA)> 
<!ELEMENT city (#PCDATA)> 
<!ELEMENT state (#PCDATA)>
<!ELEMENT postal-code (#PCDATA)>  

该 DTD 定义了样本文档中使用的所有元素。它定义了三个元素：

• <address> 元素包含一个 <name>、一个 <street>、一个 <city>、一个 <state> 和一个 <postal-code>。所有这些元素必须出现，而且必须以这个顺序出现。
• <name> 元素包含一个可选的 <title> 元素（问号表示 title 这个元素是可选的），后面跟有一个 <first-name> 和一个 <last-name> 元素。
• 所有其它包含文本的元素。（#PCDATA 代表已解析字符数据；不能在这些元素中包含另一个元素。）

尽管 DTD 相当简单，但它清楚地说明了什么样的元素组合是合乎规则的。<postal-code> 元素在 <state> 元素之前的地址文档是不合乎规则的，没有 <last-name> 元素的文档也不合乎规则。

另外，请注意，DTD 语法不同于普通的 XML 语法。（相反，XML Schema 文档本身就是 XML，这导致一些有趣的结果）。尽管 DTD 的语法不同，但您仍可以将普通的注释放到 DTD 中。

DTD 中的符号

DTD 中有几个符号用于指出某元素在 XML 文档中可能会出现多少次（或是否出现）。下面是一些示例及其含义：

• <!ELEMENT address (name, city, state)>

  <address> 元素必须包含一个 <name> 元素、一个 <city> 元素和一个 <state> 元素，并且符合上面的次序。所有的元素都是必需的。逗号表示项的列表。

• <!ELEMENT name (title?, first-name, last-name)>

  这意味着 <name> 元素包含一个可选的 <title> 元素，后面必须跟有一个 <first-name> 和一个 <last-name> 元素。问号表示这一项是可选的；它可以出现一次或根本不出现。

• <!ELEMENT addressbook (address+)>

  <addressbook> 元素包含一个或多个 <address> 元素。您可以有任意多的 <address> 元素，但必须至少有一个。加号表示这一项必须至少出现一次，但可出现任意次。

• <!ELEMENT private-addresses (address*)>

  <private-addresses> 元素包含零个或多个 <address> 元素。星号表示这一项可以出现任意次，包括零次。

• <!ELEMENT name (title?, first-name, (middle-initial | middle-name)?, last-name)>

  <name> 元素包含一个可选的 <title> 元素，后面跟有一个 <first-name> 元素，随后可能跟有一个 <middle-initial> 或 <middle-name> 元素，然后跟有一个 <last-name> 元素。换句话说，<middle-initial> 和 <middle-name> 都是可选的，而且您只能选择二者中的一个。竖线符号表示选择列表；您只能从列表选择一项。还要注意该示例用圆括号对特定元素进行分组，然后在这个组旁放上问号。

• <!ELEMENT name ((title?, first-name, last-name) | (surname, mothers-name, given-name))>

  这个 <name> 元素可以包含两个序列中的一个：一个可选的 <title>，后面跟有一个 <first-name> 和一个 <last-name>；或一个 <surname>、一个 <mothers-name> 和一个 <given-name>。

灵活性说明

在继续之前，有一个关于为了灵活性而设计 XML 文档类型的快速说明。考虑一下前面的样本名称和地址文档类型；显然我是针对美国邮政地址习惯编写了该文档。如果您想要定义其它地址类型的规则的 DTD 或模式，您就必须向它添加更复杂的东西。有一个 <state> 元素在澳大利亚或许有意义，但在英国就毫无意义。或许能够用 文档类型定义 中的样本 DTD 处理加拿大的地址，但添加 <province> 元素会更好。最后，要知道在世界的很多地方，象头衔、名和姓这样的概念没有意义。

要点：如要定义一个 XML 文档的结构，您应该象在应用程序中设计数据库模式或数据结构那样事先考虑 DTD 或模式。您事先考虑的未来需求越多，以后实现它们就越容易而且成本越低。

定义属性

本篇介绍性教程没有很详细地研究 DTD 如何工作，但这里要介绍一个更基本的概念：定义属性。您可以定义将在 XML 文档中出现的元素的属性。使用 DTD，您还可以：

• 定义哪些属性是必需的
• 定义属性的缺省值
• 列出给定属性的所有有效值

假设您要更改 DTD，使 state 成为 <city> 元素的属性。下面演示如何做到这一点：

 <!ELEMENT
city (#PCDATA)> <!ATTLIST city state CDATA #REQUIRED> 和以前一样，我们定义了 <city> 元素，但修改的示例还使用了 ATTLIST 声明来列出元素的属性。属性列表中的名称 city 告诉解析器这些属性是为 <city> 元素定义的。名称 state 是属性的名称，关键字 CDATA 和 #REQUIRED 告诉解析器 state 属性包含文本并且是必需的（如果它是可选的，用 CDATA
#IMPLIED 即可）。 

要定义元素的多个属性，可象下面那样编写 ATTLIST：

 <!ELEMENT
city (#PCDATA)> <!ATTLIST city state CDATA #REQUIRED postal-code CDATA #REQUIRED> 

该示例将 state 和 postal-code 都定义为 <city> 元素的属性。

最后，DTD 允许您定义属性缺省值，并列举属性的所有有效值：

 <!ELEMENT
city (#PCDATA)>

<!ATTLIST city state CDATA (AZ|CA|NV|OR|UT|WA) "CA">

上面的示例表明它仅支持来自亚利桑那州（AZ）、加利福尼亚州（CA）、内华达州（NV）、俄勒冈州（OR）、犹他州（UT）和华盛顿州（WA）的地址，并且缺省值是加利福尼亚州。这样，您就可以进行形式非常有限的数据验证。尽管这是有用的功能，但它只是您能用 XML 模式（请参阅XML 模式）完成的工作的一个小子集。

XML 模式

使用 XML 模式，您会有更多的能力来定义什么样的 XML 文档是有效的。它们与 DTD 相比有几个优势：

• XML 模式使用 XML 语法。换句话说，XML 模式是一个 XML 文档。这意味着您可以象处理任何其它文档一样处理模式。例如，您可以编写一个 XSLT 样式表，该样式表将 XML 模式转换成具有自动生成的 JavaScript 代码的 Web 表单，其中的 JavaScript 代码可以验证您输入的数据。
• XML 模式支持数据类型。尽管 DTD 确实支持数据类型，但很明显这些数据类型是从发布的角度开发的。XML 模式支持 DTD 中的所有原始数据类型（诸如标识和标识引用之类的类型）。它们还支持整数、浮点数、日期、时间、字符串、URL 和其它对数据处理和验证有用的数据类型。
• XML 模式是可扩展的。除了 XML 模式规范中定义的数据类型以外，您还可以创建自己的数据类型，并且可以基于其它数据类型派生出新的数据类型。
• XML 模式有更强的表达能力。例如，您可以用 XML 模式定义任何 <state> 属性值不得超过 2 个字符，或定义任何 <postal-code> 元素的值必须与正则表达式 [0-9]{5}(-[0-9]{4})? 相匹配。您无法用 DTD 做这些事。

样本 XML 模式

下面是与原始名称和地址 DTD 相匹配的 XML 模式。它增加了两个约束：<state> 元素的值必须刚好是两个字符长，<postal-code> 元素的值必须与正则表达式 [0-9]{5}(-[0-9]{4})? 相匹配。尽管这个模式比 DTD 长很多，但它更清楚地表达了有效的文档看起来是什么样子。下面是模式：

 <?xml
version="1.0" encoding="UTF-8"?>

<xsd:schema xmlns:xsd="http://www.w3.org/2001/XMLSchema">

  <xsd:element name="address">

    <xsd:complexType>

      <xsd:sequence>

        <xsd:element ref="name"/>

        <xsd:element ref="street"/>

        <xsd:element ref="city"/>

        <xsd:element ref="state"/>

        <xsd:element ref="postal-code"/>

      </xsd:sequence>

    </xsd:complexType>

  </xsd:element>

 
<xsd:element name="name">

    <xsd:complexType>

      <xsd:sequence>

        <xsd:element ref="title" minOccurs="0"/>

        <xsd:element ref="first-Name"/>

        <xsd:element ref="last-Name"/>

      </xsd:sequence>

    </xsd:complexType>

  </xsd:element>

 
<xsd:element name="title"      type="xsd:string"/>

  <xsd:element name="first-Name" type="xsd:string"/>

  <xsd:element name="last-Name"  type="xsd:string"/>

  <xsd:element name="street"     type="xsd:string"/>

  <xsd:element name="city"       type="xsd:string"/>

 
<xsd:element name="state">

    <xsd:simpleType>

      <xsd:restriction base="xsd:string">

        <xsd:length value="2"/>

      </xsd:restriction>

    </xsd:simpleType>

  </xsd:element>

 
<xsd:element name="postal-code">

    <xsd:simpleType>

      <xsd:restriction base="xsd:string">

        <xsd:pattern value="[0-9]{5}(-[0-9]{4})?"/>

      </xsd:restriction>

    </xsd:simpleType>

  </xsd:element>

</xsd:schema>

 

  
  
定义模式中的元素

      
       
        
      




 

   样本 XML 模式中的 XML 模式用 <xsd:element> 元素定义了一些
   XML 元素。头两个定义的元素（<address> 和 <name>）由其它元素组成。<xsd:sequence> 元素定义了包含在这两个元素中的元素的序列。下面是示例： 

 <xsd:element
name="address">

    <xsd:complexType> 


      <xsd:sequence>

        <xsd:element ref="name"/>

        <xsd:element ref="street"/>

        <xsd:element ref="city"/>

        <xsd:element ref="state"/> 


        <xsd:element ref="postal-code"/> 


      </xsd:sequence> 


    </xsd:complexType>

</xsd:element>  

   与 DTD 版本一样，XML 模式示例定义 <address> 包含一个 <name>、一个 <street>、一个 <city>、一个 <state> 和一个 <postal-code> 元素，并且依照上面的次序。请注意，该模式实际上用 <xsd:complexType> 元素定义了新的数据类型。 


   大多数元素包含文本；定义它们很简单。您只要声明新的元素，然后指定它的数据类型为 xsd:string： 

 <xsd:element
name="title" type="xsd:string"/> 


   <xsd:element name="first-Name" type="xsd:string"/>

   <xsd:element name="last-Name" type="xsd:string"/>

 <xsd:element name="street" type="xsd:string"/> 


 <xsd:element name="city" type="xsd:string"/>
 
 
 

    
    
定义模式中的元素内容

        
         
          
        


    


   样本模式为两个元素的内容定义了约束：<state> 元素的内容必须是两个字符长，而 <postal-code> 元素的内容必须与正则表达式 [0-9]{5}(-[0-9]{4})? 匹配。下面演示如何做到那一点： 

<xsd:element
name="state">

  <xsd:simpleType>

     <xsd:restriction base="xsd:string">

      <xsd:length value="2"/>

     </xsd:restriction>

  </xsd:simpleType>

</xsd:element>

<xsd:element name="postal-code">

   <xsd:simpleType>

    <xsd:restriction base="xsd:string">

      <xsd:pattern value="[0-9]{5}(-[0-9]{4})?"/>

    </xsd:restriction>

   </xsd:simpleType>

</xsd:element>  

   对于 <state> 和 <postal-code> 元素，模式用约束定义了新的数据类型。第一个情况使用 <xsd:length> 元素，而第二个情况则使用 <xsd:pattern> 元素定义该元素必须匹配的正则表达式。 


   这里概要的介绍仅仅触及 XML 模式能力的表面；有整本的书籍讨论这个主题。就这篇介绍性文章而言，我们足以说明 XML 模式是描述什么样的 XML 文档才算有效的非常强大和灵活的方式。