解码 XML 和 DTD
这篇介绍性文章说明了如何创建 XML“文档类型定义（DTD）”和格式正确定义明确的 XML 文件，这些文件能够由您选择的 XML 语法分析器进行确认。虽然不必在产生的每个 XML 文件中都包含 DTD，但这样做将会使您的生活大为轻松。DTD 不仅强制使用为 XML 文件建立的语法，它还将允许文件由确认 XML 语法分析器进行语法分析。代码样本包括 DTD 和 XML 文档示例。
“可扩展标记语言”已经存在了十分长的一段时间，因此现在大多数人都熟悉其最基本的需求：所有 XML 文档都必须既格式正确又有效。但如何确定您的 XML 文档是否满足这些需求呢？简短的回答就是您不用确定。或者至少是不必。大多数时候，您会依赖于 XML 语法分析器来为您管理这些苦活。
在经过一些小调查（请参阅 参考资料）后您就会发现市场上到处充斥着 XML 语法分析器，其中大多数都可以从 Web 上免费获得。一个基本的 XML 语法分析器既强调 XML 语法规则（即，确保文件格式正确），又建立文件的有效性。XML 语法分析器可用于几乎每种相关的计算机语言，包括 C、C++、Perl、Python、Tcl 和 Java。
谈到确保 XML 格式正确时，您可以或多或少地指向一个语法分析器然后执行。然而为了确保文档有效，需要为语法分析器提供文档类型定义或 DTD。
 |
|
本文回顾了 XML 文档格式正确究竟意味着什么，然后会谈到较少讨论的话题确认 － 更具体地说，是 DTD。我将讨论为什么您需要将 DTD 包含在 XML 文件中、介绍一些最常用的 DTD 语法，并使用几个简单的样本来教您开始编写自己的 DTD。
当 XML 开发人员谈到格式正确和格式不正确的 XML 时，我们并不是参加美学讨论。当然，格式正确的 XML 文档是满足以下三个基本结构需求的文档：
- 有一个包含所有其它元素的父（或根）元素
- 每个开始标记都有结束标记
- 所有元素都正确嵌套的
清单 1 是一个格式正确的 XML 示例。请注意：该文档的父元素是 <person> ，每个开始标记都有一个结束标记，并且每个结束标记都有与其开始标记完全相同的定义。通常，开始标记和结束标记之间包括的是信息或文本。不过，在某些情况下，标记之间没有包括信息或文本。空标记必须用一个右斜杠来结束。<nothing/> 就是一个空标记。
清单 1. 格式正确的 XML
<person>
<firstname>Jane</firstname>
<lastname>Fung</lastname>
<nothing/>
</person>
|
清单 2 是一个格式不正确的 XML 示例。它举例说明了三种常见错误。首先，开始和结束 <firstname> 标记没有完全匹配。其次， <lastname> 标记没有结束标记。最后，空标记没有用一个右斜杠结束。
清单 2. 格式不正确的 XML
<person>
<Firstname>Jane</firstname>
<lastname>Fung
<nothing>
</person>
|
 |
|
XML 的优点在于它允许您定义自己的有意义的标记，因此您可以最大程度地定制文档。但 XML 就是 XML（可扩展），而人就是人（疯狂的人），这可能很快就会无法控制。解决方案是 DTD，它指定了 XML 文档的标记。简而言之，DTD 指定：可以在文档中存在的元素、那些元素可以具有的属性、在元素内部元素的层次结构以及元素在整个文档中出现的顺序。
虽然 DTD 不是必需的，但它们确实带来方便。DTD 适合三个基本用途。它能：
- 对标记编制文档
- 加强标记参数内部的一致性
- 使 XML 语法分析器能够确认文档
如果不对 XML 文档进行 DTD 定义，文档就无法由 XML 语法分析器进行确认。使用 XML Schema 实例来代替 DTD 如何？（请参阅侧栏 模式如何？）清单 3 是清单 1 中显示的 XML 文档的 DTD。
清单 3. 精简 person.xml 的 DTD
<!ELEMENT person (firstname, lastname)>
<!ELEMENT firstname (#PCDATA)>
<!ELEMENT lastname (#PCDATA)>
<!ELEMENT nothing EMPTY>
|
清单 3 中 DTD 的第一行定义了 XML 文档的父元素： person 。person 元素有两个子元素： firstname 和 lastname 。
第二和第三行包含了元素属性 #PCDATA ，它表明 firstname 和 lastname 元素可能包含经过语法分析的字符数据（在这种情况下是文本）。DTD 文件的最后一行描述了一个空标记： nothing 。
从清单 3 中的 DTD 可以看出，任何阅读我们的 XML 文档的人（以及对它进行语法分析的语法分析器）都知道 person 元素仅包含两个文本元素： firstname和 lastname 。此外，DTD 规定，在整个文档中， firstname 元素必须在 lastname 元素之前出现。
在转到更复杂的示例之前，让我们回顾一下一些最常用的 DTD 语法元素。可以在 W3C 主页上找到完整的 DTD 规范（请参阅 参考资料）。
|
|
A、B、C 和 D 是在下例中代表元素的变量。
元素必须有正好一个 A 、至少一个 B （由加号表示）、零个或多个 C （由星号表示）以及零个或一个 D （由问号表示）：
<!ELEMENT element (A, B+, C*, D?)>
|
元素可能有 A 或 B 或 C 之一：
<!ELEMENT element (A | B | C)>
|
元素不包含任何内容：
<!ELEMENT element EMPTY>
|
元素可以包含在 DTD 中列出的任何元素：
<!ELEMENT element ANY>
|
元素可能包含经过语法分析的字符数据或另一个元素（ element2 ）。星号（*）表示混合内容模型 — 其中元素可以包含不同类型的属性。
<!ELEMENT element (#PCDATA|element2)*>
|
下例将文本 "entity reference" 插到文档中它出现的任何地方：
<!ENTITY element "entity reference">
|
可以看到在 XML 文档中该实体引用元素如下：
&element;
|
下例表明其元素是一个包含三个属性的空标记：属性 1（ att1 ）是一个可选属性，属性 2（ att2 ）是带有固定值 "A" 的属性，属性 3（ att3 ）是必需的文本属性。
<!ELEMENT element EMPTY>
<!ATTLIST element
att1 ID #IMPLIED
att2 CDATA #FIXED "A"
att3 CDATA #REQUIRED>
|
可以看到在 XML 文档中使用的这个元素如下：
<element att2="A" att3="MustHave"/>
|
属性 CDATA 表示包括的信息应该是文本。 ID 属性表明必须填入唯一的标识。每个元素只能有一个 ID 属性。另外， CDATA 表示 att2 和 att3 可能包含任何字符串。
如果您对该语法还未完全熟悉，请继续阅读。下一部分中的工作示例应该能帮助您消除疑虑。
|
|
可以使用 Microsoft Internet Explorer 5 或更高版本查看清单 4 中显示的 XML 文档 ― 前面示例中使用的 people.xml 文件的扩展版本。如果在 IE5 中打开 people.xml，应该看到一个树结构。这是因为 IE5 带有能够将 XML 文档语法分析成元素树的 XML 语法分析器。
还可以在 参考资料中找到这个文件及其 DTD。
清单 4. people.xml 的完整清单
<?xml version="1.0"?>
<!DOCTYPE people SYSTEM "people.dtd">
<people>
<person>
<name>
<firstname>Jane</firstname>
<lastname>Fung</lastname>
</name>
<look>good-looking</look>
<possession>
<car>
<model>Civic</model>
</car>
<job>&IBM;</job>
</possession>
</person>
<person>
<name>
<firstname>G.I.</firstname>
<lastname>Jane</lastname>
</name>
<look>tough</look>
<possession>
<house country="CANADA" city="Toronto">
<townhouse townhouse_type="good" />
</house>
<bankaccount bankaccount_number="sg-123">
<![CDATA[<greeting>5000</greeting>]]>
</bankaccount>
</possession>
<other>
<car>she has a car</car>
<house country="CANADA" city="Toronto">
<townhouse townhouse_type="good" />
</house>
</other>
</person>
</people>
|
对 XML 的深入探讨主要考虑的是文档头中的几个元素，从以下开始：
<?xml version="1.0"?>
|
每个 XML 文档都必须包含这样的一个头，向 XML 语法分析器表示它是一个 XML 文档。头中的下一行告诉 XML 语法分析器该文档是使用什么字符编码来创建的：
<!DOCTYPE people SYSTEM "people.dtd">
|
在 Unix 系统上创建的 XML 文档和在 Windows 系统上创建的 XML 文档可能有不同的编码。
还可以为第一行设置可选的 standalone 属性。standalone 的缺省值是 no。 no 值表示该 DTD 定义是在另一个文件中描述的。 yes 值表明该 DTD 应该在 XML 文档内部定义。我没有为示例设置这个属性；如果想设置，它应该看起来如下：
<?xml version="1.0" standalone='yes'?>
<!DOCTYPE people [
<!ELEMENT people (person+)>
<!ELEMENT person (#PCDATA)>
]>
|
还应该注意使这个文档格式正确的方法。例如，所有空标记都用一个右斜杠结束，如下所示：
<townhouse townhouse_type="good" />
|
还请注意 CDATA 用于对所有若不进行转义就会以 XML 语言解释的任何数据进行转义，例如：
<![CDATA[<greeting>5000</greeting>]]>
|
如果适当的格式化，这一行将以文本内容显示：
<greeting> 5000 </greeting>
|
可以从 XML 文件的进一步研究中获益，甚至可能从对您自己的文件运行 XML 语法分析器获益（请参阅 参考资料）。但是现在，让我们看一下 people.xml 文件的 DTD。
清单 5. people.dtd 的完整清单
<!ELEMENT people (person+)>
<!ELEMENT person (name, look*, possession?, other?)>
<!ELEMENT name (firstname, lastname)>
<!ELEMENT firstname (#PCDATA)>
<!ELEMENT lastname (#PCDATA)>
<!ELEMENT look (#PCDATA)>
<!ELEMENT possession (car?, house?, bankaccount?, job?)>
<!ELEMENT car (#PCDATA|model)*>
<!ELEMENT model (#PCDATA)>
<!ELEMENT house (apartment|standalone|townhouse)>
<!ATTLIST house house_area ID #IMPLIED country CDATA #FIXED
"CANADA" city CDATA #IMPLIED>
<!ELEMENT apartment EMPTY>
<!ELEMENT standalone EMPTY>
<!ELEMENT townhouse EMPTY>
<!ATTLIST townhouse townhouse_type ID #IMPLIED>
<!ELEMENT bankaccount (#PCDATA)>
<!ATTLIST bankaccount bankaccount_number ID #REQUIRED>
<!ELEMENT job (#PCDATA)>
<!ELEMENT other ANY>
<!ENTITY IBM "Proud to work for IBM">
|
使用 快速指南作为参考，通过比较 XML 文件及其 DTD，您应该能够方便地定义 DTD 和 XML 文件中各元素之间的关系。不过，还有两个剩下的元素，您可能感兴趣。
清单 4 包含了对实体的引用。
<job>&IBM;</job>
|
实体引用用于代替在 DTD 文档中定义的特定字符或字符串。进行了语法分析后，该实体引用将读作：
<job> Proud to work for IBM </job>
|
还应该注意， <other> 标记的内容类型是 ANY 。这表示 <other> 可能包含所有以前已在 DTD 中声明过的元素。因此， other 元素可能包含 car 和 house 元素，如下：
<other>
<car>she has a car</car>
<house country="CANADA" city="Toronto">
<townhouse townhouse_type="good" />
</house>
</other>
|
|
|
这就结束了对创建格式和定义均正确的 XML 文件的基本介绍。您可能想要继续自己研究 people.xml 和 people.dtd 文件。如果想要尝试使用 XML 语法分析器对这些文件进行语法分析，请参阅“参考资料”来查找可供下载的语法分析器的列表。
