XML学习笔记2——DTD

　　在上一篇笔记中，将文档类型分类时，曾经根据文档是否使用并遵守了DTD或Schema来区分为格式良好的XML和有效的XML，那么什么是DTD和Schema呢？DTD和Schema都是用来规范XML文档的，对XML文档进行语义约束的，DTD简单易用，Schema则功能强大。在这篇笔记中，首先学习一下DTD（Document Type Definition，文档类型定义）。

1、在XML文档中怎么使用DTD

导入方式	语法格式	说明
内部DTD	<!DOCTYPE 根元素名[ 元素描述 ]>	将DTD定义放在XML文档内部，紧跟在XML声明和处理指令后面 如：<!DOCTYPE 模型列表[ 　　   <!ELEMENT 模型列表（模型）*>      ]>
外部DTD	<!DOCTYPE 根元素名 SYSTEM "外部DTD的URI">	将DTD单独定义在一个文件内，然后通过关键字SYSTEM导入DTD 如：<!DOCTYPE 模型列表 SYSTEM "模型列表DTD文件的相对路径或绝对路径">
公用DTD	<!DOCTYPE 根元素名 PUBLIC "DTD的标识名" "公用DTD的URI">	公用DTD，这种DTD一般是由某个权威机构指定，供特定行业或公众使用，通过关键字PUBLIC导入 如：<!DOCTYPE web-app PUBLIC "-//Sun Microsystems, Inc.//DTD Web Application 2.3//EN" "http://java.sun.com/dtd/web-app_2_3.dtd">

2、 DTD的结构

DTD文档本身不是XML文档，而只是为XML定义语义约束的文档，DTD文档的语法非常简单，大致有如下结构：

（1）第一行是DTD文档的声明，语法和XML的声明相同

（2）0到多个注释部分，DTD注释与XML注释语法相同

（3）0到多个<!ELEMENT...>定义，每个<!ELEMENT...>定义一个XML元素

（4）0到多个<!ATTLIST...>定义，每个<!ATTLIST...>为XML元素定义一个属性

（5）0到多个<!ENTITY...>定义，每个<!ENTITY...>定义一个实体

（6）0到多个<!NOTATION...>定义，每个<!NOTATION...>定义一个符号

其中<!ELEMENT...>、<!ATTLIST...>、<!ENTITY...>、<!NOTATION...>4个定义彼此完全独立，无须互相嵌套，下面就逐一说明这四种定义。

3、定义元素

（1）元素类型定义，Element Type Definition，简称ETD

（2） 元素类型

元素类型	定义格式	说明
任意类型	<!ELEMENT 元素名称 ANY>	元素可以是字符串，可以是空元素，也可以包含子元素
字符串值	<!ELEMENT 元素名称 (#PCDATA)>	元素值只能是字符串，不可以是空元素，也不能包含子元素
空元素	<!ELEMENT 元素名称 EMPTY>
包含子元素		比较复杂，需要详细定义子元素之间的顺序以及子元素出现的次数等
混合类型	<!ELEMENT 元素名称 (#PCDATA|子元素1|子元素2|...)*>	指定值只能是几个确定的类型，比任意类型有更强的约束，但功能相当，应尽量使用混合类型

关于混合类型的定义，说明几点：

A：#PCDATA必须放在最前面

B：#PCDATA和各子元素之间只能用竖线（|）分隔，不要使用逗号分隔

C：不要在子元素之后使用?、*、+等表示频率的修饰符

（3）定义子元素

定义子元素的语法	说明	子元素的出现频率修饰词	说明
(子元素1,子元素2,...)	使用英文逗号定义有序的子元素	默认（没有修饰词）	出现一次，且只能出现一次
(子元素1|子元素2|...)	使用竖线定义互斥的子元素	?	出现0或1次
((子元素1,子元素2)|(子元素3,子元素4))	使用括号将子元素分组	+	出现1或多次
(子元素1|子元素2|...)+	使用竖线互斥，然后使用频率修饰实现定义无序的子元素	*	出现0或多次

4、定义属性

在XML中，属性不能单独存在，因此定义属性时必须指定属于哪个元素。定义属性的语法格式如下：

<!ATTLIST 属性所属的元素名称  属性名称  属性类型  [元素对属性的约束]  [默认值]>

（1）属性类型

类型	说明
CDATA	该属性值只能是字符串数据
(en1|en2|en3)	该属性值必须是一系列枚举值之一
ID	该属性值必须是有些的标识符，且该属性值可用于标识该元素，因此必须在此XML文档中唯一
IDREF	该属性值必须是引用另一个已有的ID类型的属性值
IDREFS	该属性值必须是引用已有的一个或多个ID类型的属性值，多个ID类型的属性值之间使用空格分隔
NMTOKEN	该属性值必须是合法的XML名称，必须是字符串数据，比CDATA约束更强，只能由字母、数字、下划线、中划线，点号和冒号组成
NMTOKENS	该属性值必须是一个或多个NMTOKEN类型的属性值，多个使用空格分隔
ENTITY	该属性值是一个外部实体，比如图片
ENTITIES	该属性值是一个或多个ENTITY类型的属性值，多个使用空格分隔
NOTATION	该属性值是在DTD中声明过的符号（NOTATION），这是个将要过期的规范，尽量避免使用
xml:	该属性值是一个预定义的XML值

（2）元素对属性的约束与默认值的关系

元素对属性的约束	说明	默认值
未指定		必须指定默认值
#REQUIRED	必须的属性，必须为相应元素提供该属性	不能指定默认值
#IMPLIED	该属性可有可无	不能指定默认值
#FIXED	该属性值是固定的，定义时必须指定固定值	必须指定默认值

5、定义实体

实体引用就是用一个字符串代替另一个字符串，类似于C语言中的宏，上一篇笔记中已经提到过XML中内置的5个实体引用，在这里接着看看怎么自定义实体引用。

实体类型	使用场所	定义语法	使用语法	说明
普通实体	XML	<!ENTITY 实体名 "实体值">	&实体名;
参数实体	DTD	<!ENTITY % 实体名 "实体值">	%实体名;	必须在使用前先定义
外部实体	XML	<!ENTITY 实体名 SYSTEM "实体值所在文件的URI">	&实体名;	这里外部文件必须是满足XML文档结构的文本文档
公用外部实体	XML	<!ENTITY 实体名 PUBLIC "公用实体标识名" "实体值所在文件的URI">	&实体名;
外部参数实体	DTD	<!ENTITY % 实体名 SYSTEM "实体值所在文件的URI">	%实体名;
公用外部参数实体	DTD	<!ENTITY % 实体名 PUBLIC "公用实体标识名" "实体值所在文件的URI">	%实体名;
未解析实体	XML	<!ENTITY % 实体名 SYSTEM "实体值所在文件的URI" NDATA 符号名>	需要通过ENTITY等类型的属性调用	未解析实体不能由XML文档解析，而需要根据相应的符号名去解析
公用未解析实体	XML	<!ENTITY % 实体名 PUBLIC "公用实体标识名" "实体值所在文件的URI" NDATA 符号名>

6、定义符号

定义符号也有两种语法格式，分别定义普通符号和公用符号：

符号类型	定义语法
普通符号	<!NONATION 符号名 SYSTEM "符号值">
公用符号	<!NONATION 符号名 PUBLIC "公用符号标识名" "符号值">

符号值通常有两种形式：

（1）MIME：通用MIME类型的文件总是由相应的程序负责处理

（2）外部程序所在路径：直接指定某个外部程序负责处理XML文档中的外部数据

符号通常有两种用途：

（1）如上，符号可以用来定义未解析实体

（2）符号可以作为ENTITY或ENTITIES类型的属性值

（3）符号还可以作为NOTATION类型的属性的值，定义NOTATION类型的属性时，语法如下：

<!ATTLIST 属性所属的元素 属性名 NOTATION  (值1|值2|...) 约束 默认值>

比一般的属性定义多一个值的列表。