XML文件格式语法及DTD
XML文件格式语法及DTD
XML文件和HTML文件一样,实际上是一个文本文件。显然大家立刻就会明白,创建XML文件最普通的工具和HTML一样,就是“记事本”了。除了 “记事本”之外,当然还有一些更加方便的工具,如XML Notepad、XML Pro、CLIP!XML Editor等,这些工具的一大特点是:能够检查你所建立的XML文件是否符合XML规范。不过,现在这些工具都只有英文版的,并且需要付费使用。当然, 你仍然能够使用FrontPage、DreamWeaver等工具,不过使用起来不是很方便。随着XML的逐渐普及,相信在不久后,也会出现非常好用的创建XML文件的工具。
现在我们暂且使用“记事本”来创建我们的XML文件吧。先看一个XML文件:
例1
〈?xml version="1.0" encoding="gb2312" ?〉
〈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〉
〈!--此书即将出版--〉
〈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〉
这是一个典型的XML文件,编辑好后保存为一个以.xml为后缀的文件。我们可以将此文件分为文件序言(Prolog)和文件主体两个大的部分。在此文件中的第一行即是文件序言。该行是一个XML文件必须要声明的东西,而且也必须位于XML文件的第一行,它主要是告诉XML解析器如何工作。其中,version是标明此XML文件所用的标准的版本号,必须要有;encoding指明了此XML文件中所使用的字符类型,可以省略,在你省略此声明的时候,后面的字符码必须是Unicode字符码(建议不要省略)。因为我们在这个例子中使用的是GB2312字符码,所以encoding这个声明也不能省略。在文件序言部分还有一些声明语句,我们在后面给予介绍。
文件的其余部分都是属于文件主体,XML文件的内容信息存放在此。我们可以看到,文件主体是由开始的〈参考资料〉和结束的〈/参考资料〉控制标记组成,这个称为XML文件的“根元素”;〈书籍〉是作为直属于根元素下的“子元素”;在〈书籍〉下又有〈名称〉、〈作者〉、〈价格〉这些子元素。货币单 位是〈价格〉元素中的一个“属性”,“人民币”则是“属性值”。
〈!--此书即将出版--〉这一句同HTML一样,是注释,在XML文件里,注释部分是放在“〈!--”与“--〉”标记之间的部分。
大家可以看到,XML文件是相当简单的。同HTML一样,XML文件也是由一系列的标记组成,不过,XML文件中的标记是我们自定义的标记,具有明确的含义,我们可以对标记中的内容的含义作出说明。
对XML文件有了初步的印象之后,我们就来详细地谈一谈XML文件的语法。在讲语法之前,我们必须要了解一个重要的概念,就是XML解析器(XML Parse)。
1.XML解析器
解析器的主要功能就是检查XML文件是否有结构上的错误,剥离XML文件中的标记,读出正确的内容,以交给下一步的应用程序处理。XML是一种用来结构化文件信息的标记语言,XML规范中对于如何标记文件的结构性有一个详细的法则,解析器就是根据这些法则写出来的软件(多用Java写成)。同 HTML一样,在浏览器中,必须有HTML的解析器,这样浏览器才能够“读懂”各种用HTML标记所组成的网页,将它们显示在我们面前。如果有浏览器的 HTML解析器读不懂的标记,将会返回给我们错误信息。
由于现在的HTML标记实际上相当混乱,存在大量不规范的标记(有的网页用IE能正常显示,而用Netscape Navigator则不行),所以从一开始,XML的设计者就严格规定了XML的语法和结构,我们编写的XML文件必须遵循这些规定,否则XML解析器将 毫不留情地给你显示错误信息。
有两种XML文件,一种是Well-Formed XML文件,一种是Validating XML文件。
如果一个XML文件满足XML规范中的某些相关法则,且没有使用DTD(文件格式定义——后详述)时,可称这份文件是Well-Formed。 而如果一个XML文件是Well-Formed,且正确地使用了DTD,DTD中的语法又是正确的,那么这个文件就是Validating。对应两种XML文件,有两种XML解析器,一种是Well-Formed 解析器,一种是Validating解析器。IE 5中就内含Validating解析器,Validating解析器也可用来解析Well-Formed XML文件。
检查它是否满足了Well-Formed的条件。我们可以将刚才编辑的第一个XML 文件用IE 5以上版本的浏览器打开。
大家可能要问为什么在浏览器中的显示和我的源文件一样?没错,因为对于XML文件,我们仅仅关心它的的内容,而它的显示形式是交给CSS或XSL来完成的。这里,我们并没有给这个XML文件定义它的CSS或XSL文件,所以它按照原来的形式来显示。实际 上,对于电子数据交换,仅仅需要一个XML文件即可,如果要将它以某种形式显示出来,我们就必须编辑CSS或XSL文件(这个问题会在以后讨论)。
2.Well-Formed的XML文件
我们知道,XML必须是Well-Formed的,才能够被解析器正确地解析出来,显示在浏览器中。那么什么是Well-Formed的XML文件呢?主要有下面几个准则,我们在创建XML文件的时候,必须满足它们。
首先,XML文件的第一行必须是声明该文件是XML文件以及它所使用的XML规范版本。在文件的前面不能够有其它元素或者注释。
第二,在XML文件中有且只能够有一个根元素。我们的第一个例子中,〈参考资料〉... 〈/参考资料〉就是此XML文件的根元素。
第三,在XML文件中的标记必须正确地关闭,也就是说,在XML文件中,控制标记必须有与之对应的结束标记。如:〈名称〉标记必须有对应的〈/名称〉结束标记,不像HTML,某些标记的结束标记可有可无。如果在XML文件中遇到自成一个单元的标记,就是类似于HTML 中的〈img src=.....〉的这些没有结束标记的时候,XML把它称为“空元素”,必须用这样的写法:〈空元素名/〉,如果元素中含有属性时写法则为:〈空元素 名 属性名=“属性值”/〉。
第四,标记之间不得交叉。在以前的HTML文件中,可以这样写:
〈B〉〈H〉XXXXXXX〈/B〉〈/H〉,〈B〉和〈H〉
标记之间有相互重叠的区域,而在XML中,是严格禁止这样标记交错的写法,标记必须以规则性的次序来出现。
第五,属性值必须要用“ ”号括起来。如第一个例子中的“1.0”、“gb2312”、“人民币”。都是用“ ”号括起来了的,不能漏掉。
第六,控制标记、指令和属性名称等英文要区分大小写。与HTML不同的是,在HTML中, 类似〈B〉和〈b〉的标记含义是一样的,而在XML中,类似〈name〉、〈NAME〉或〈Name〉这样的标记是不同的
第七,我们知道,在HTML文件中,如果我们要浏览器原封不动地将我们所输入的东西显示出来,可以将这些东西放到〈pre〉〈/pre〉或者 〈xmp〉〈/xmp〉标记中间。这对于我们创建HTML教学的网页是必不可少的,因为网页中要显示HTML的源代码。而在XML中,要实现这样的功能, 就必须使用CDATA标记。在CDATA标记中的信息被解析器原封不动地传给应用程序,并且不解析该段信息中的任何控制标记。CDATA区域是由:“〈! [CDATA[”为开始标记,以“>〉”为结束标记。例如:例2中的源码,除了“〈![CDATA[”和“>〉”符号,其余的内容解析器将原封不动地交给下游的应用程序,即使CDATA区域中的开始和结尾的空白以及换行字符等,都同样会被转交(注意CDATA是大写的字符)。
例2
〈![CDATA[飞翔的xml〉〉〉〉〉,:-)
oooo〈〈〈〈〈〈〈
>〉
第八,XML处理空白字符和HTML不一样。HTML标准规定,不管有多少个空白,都当作一个空白来处理;而在XML中规定,所有标记以外的空白,解析器都要忠实地交给下游的应用程序处理。这样,我们有时必须摒弃编写HTML文件时的缩排习惯,因为缩排的空格,解析器也要处理。如:
〈作者〉张三〈/作者〉
和
〈作者〉
张三
〈/作者〉
上述内容对于解析器来说是不同的(后者在〈作者〉〈/作者〉标记之内除了张三这个字符以外,还包括两个换行记号以及“张三”前的文字缩排符号)。所以解析器在去掉标记后将信息传给应用程序将有不同的处理结果。
如果我们想明确地告诉XML程序,标记中的空白有明确的含义,不要随便去掉(如在一些诗中,空格有它具体的意义),则可在标记中加入一个XML内置的属性——xml:space 。如(注意属性名称和值的大小写):
〈诗歌 xml:space="preserver"〉
祖国啊! 祖国!
我的祖国!
〈/诗歌〉
另外,在XML文件中,如果要用到表1的特殊字符,必须用相应符号代替。
表1
特殊字符 替代符号
&& &
< ⁢
> >
" "
' '
在此做个小结:符合上述规定的XML文件就是Well-Formed的XML文件。这是编写XML文件的最基本要求。可以看到XML文件的语法规定比HTML要严格多了。由于有这样的严格规定,软件工程师编写XML的解析器就容易多了,不像编写HTML语言的解析器,必须费尽心思去适应不同的网页写法,提高自己浏览器的适应能力。实际上,这对于我们初学者来说,也是一件好事。该怎样就怎样,不必像原来那样去疑惑各种HTML的写法。
我们看到,在XML文件中,用的大多都是自定义的标记。但是大家考虑一下,如果两个同行业的公司A和B要用XML文件相互交换数据,A公司用 〈价格〉标记来表示他们产品的价格信息,而B公司可能用〈售价〉来表示价格信息。如果一个XML应用程序来读取他们各自的XML文件中的信息时,如果它只知道〈价格〉标记里表示的是价格信息,那么B公司的价格信息就读不出来,必将产生错误。显然,对于想利用XML文件来交换信息的实体来说,他们之间必须有 一个约定——即编写XML文件可以用哪些标记,母元素中能够包括哪些子元素,各个元素出现的顺序,元素中的属性怎样定义等。这样他们在用XML交换数据时才能够畅通无阻。这种约定称为DTD(Document Type Definition,文档格式定义)。可以把DTD看作编写XML文件的模板。对于同行业之间的XML数据交换,有一个固定的DTD将会方便很多。比如 说,如果网上的各大电子商场的XML网页都遵循同一个DTD时,那么我们就可以轻松地依据这个DTD 编写一个应用程序,去网上将我们感兴趣的东西自动抓回来。事实上已经有了好几个定义好的DTD,如前面所说的MathML、SMIL等。
如果一个XML文件是Well-Formed的,并且它是正确的依据某个DTD建立的,那么,这个XML文件就被称为:Validating XML文件。相应的解析器就称为:Validating Parser。
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〉 |
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preserver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="preserver"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" ?〉 |
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" ?〉 |
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" ?〉 |
· 其实Android 5.0该叫“切糕”
· 产业资本双管齐下:雷军的商业地图猜想
· 马克·库班的20条建议:别在不痴迷的行业创业
· 微软国际业务总裁:Win8认证设备超1000款
· 微软的噩梦已经开始了:帝国后的10个阴影
· c# 怎么动态修改webservice的地址和端口 动态修改配置文
· 多种方式实现ul中的li居中的利弊
· 手把手玩转win8开发系列课程(12)
· C#线程篇---你所不知道的线程池(4)
· jquery1.8.3 callbacks源码分析
· 硅谷创业教父Paul Graham:如何获得创业idea
· SSL协议详解
· 提高软件质量实践——Facebook 篇
· HTTP协议之缓存
· 图解HTTPS