XML与DTD

DTD简介

DTD（Document Type Definition，文档类型定义）的作用是定义XML文档的合法构建模块。DTD使用一系列的合法构成成员来定义文档结构。

DTD构成

DTD可以在XML文档中直接写入，也可以单独形成文档。因此，DTD分为外部DTD和内部DTD两种。外部DTD就是已经编辑好的可以被不同的XML文档共享和调用的DTD，内部DTD就是在XML文档中直接设定DTD。

文档类型声明以<!DOCTYPE 为开始，以 ]> 结束。通常将开始和结束放在不同的行上，文档类型定义的内部子集（即内部DTD）的语法格式为：

<!DOCTYPE 根元素名称[
	<!ELEMENT 子元素名称 (#PCDATA)>
]>

<!DOCTYPE ：关键字，表示定义DTD，必须大写
根元素名：一个XML文档只有一个根元素。如果XML文档使用DTD，那么文档中的根元素名就在内部子集中指定。
<!ELEMENT 子元素名称 (#PCDATA)>：定义文档的构成元素

例：编写一个包含两个员工信息的简单XML文件，接着定义相应的DTD文件，并在XML中添加引用

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE 员工[
	<!ELEMENT 员工 (李亮,张合) >
	<!ELEMENT 李亮 (性别,出生日期) >
	<!ELEMENT 张合 (性别,出生日期) >
	<!ELEMENT 性别 (#PCDATA) >
	<!ELEMENT 出生日期 (#PCDATA) >
]>
<员工>
	<李亮>
		<性别>男</性别>
		<出生日期>1993.1.1</出生日期>
	</李亮>
	<张合>
		<性别>男</性别>
		<出生日期>1992.1.1</出生日期>
	</张合>
</员工>

元素声明

元素是XML文档的核心部分，声明的语法格式如下：

<!ELEMENT 元素名 EMPTY/(子元素内容)/(混合内容)/ANY/#PCDATA >

!ELEMENT：关键字
元素名：文档中根元素下所包含的子元素名称，在DTD中通常称为基本表示符

元素名后为元素内容的种类，它可以分为EMPTY(空)、子元素类型、混合型、ANY(任意)和#PCDATA五种类型。元素和混合类型的括号内指定了元素的内容，称为内容规范。

元素声明分类

常见的元素类型有五种，但元素声明的种类不止五种，具体分类如下：

声明空元素

空元素使用EMPTY来定义，改元素只能有属性而不会有字符数据或子元素，语法如下：

<!ELEMENT 元素名 EMPTY>

例如：<!ELEMENT 员工 EMPTY>

声明只有PADATA(字符数据)的元素

PCDATA类型的元素不包含其他任何元素，只包含字符数据(即文本数据)的元素，语法如下：

<!ELEMENT 元素名 (#PCDATA)>

声明可以包含任何内容的元素

包含任何内容的元素声明类型为ANY，可以包含任何可解析数据的组合，如DTD中定义的其他任何元素或已编译的字符数据，包括PCDATA、元素或元素和PCDATA的混合内容，语法如下：

<!ELEMENT 元素名 ANY>

声明带有子元素的元素

父元素声明用于指定某个元素可以包含哪些子元素以及出现次序，语法如下：

<!ELEMENT 元素名 (子元素列表)>

根据子元素间的关系，子元素内容模型可以有两种可能的结构：序列和选择。

（1）序列

序列结构用于描述根元素下，必须要出现的子元素，如下所示：

<!ELEMENT 员工 (姓名,性别)>

（2）选择

选择结构定义了根元素下的可选元素。如下所示：

<!ELEMENT 出行 (步行|公交)>

该声明表示根元素出行必须包含子元素公交或子元素步行，但不能同事包含两个。

声明子元素
声明只出现一次的元素
声明至少出现一次的元素
声明混合类型元素

元素指示符

元素的频率即出现的次数使用加号“+”、星号“*”、问号“？”来指定，其表示如下：

字符	出现次数
+	>=1
*	>=0
?	0或1

声明只出现一次的元素

<!ELEMENT 元素名称 (子元素名称)>

声明至少出现一次的元素

<!ELEMENT 元素名称 (子元素名称+)>

声明出现零次或多次的元素

<!ELEMENT 元素名称 (子元素名称*)>

声明出现零次或一次的元素

<!ELEMENT 元素名称 (子元素名称？)>

声明混合型的内容

<!ELEMENT note (#PCDATA|to|from|hrader|message)*>

属性

在DTD中，属性声明使用ATTLIST属性列表声明指定元素的属性列表，语法如下：

<!ATTLIST 元素名 属性名 属性类型 属性限定条件>

属性类型：

属性类型	含义
CDATA	字符数据，即没有标记的文本
枚举	被选属性值的值列表
ID	该属性在文档中具有唯一性
IDREF	文档中元素的ID类型属性的值
IDREFS	由空格分隔的元素的多个ID
ENTITY	在DTD中声明的实体的名称
ENTITIES	在DTD中声明的由空格分隔的多个实体的名称
NMTOKEN	XML名称标记
NMTOKENS	由空格分隔的多个XML名称标记
NOTATION	在DTD中声明的记法的名称

属性附加声明：

属性默认值	含义
#required	元素的每个实例必须具有该属性
#IMPLIED	元素实例不需要包含该属性
#FIXED+固定值	属性值被指定为固定值，用户不能改变该属性值
默认值	如果元素中不包含该属性值，那么默认值将作为属性值

例如：声明指定name元素具有id属性，该属性的类型为CDATA，每个name实例元素必须具有id属性

<!ATTLIST name id CDATA #required>

DTD引用

引用内部DTD

前面介绍，均使用内部DTD

引用外部DTD

使用外部DTD时，要在DOCTYPE中使用SYSTEM或PUBLIC关键字，来指定外部DTD位置。

使用SYSTEM关键字主要用于引用一个作者或组织所编写的众多XML文化中通用的DTD文件
使用PUBLIC关键字引用外部DTD文件的基本语法格式中DTD-URL被称为FPI（正式公用标识符），也称作实体的“publicId”

除了使用 SYSTEM和PUBLIC指定外部DTD的位置以外，XML中需要以standalone="no"来表示该文档引用的是外部DTD

例如：定义一个DTD文件和XML文件，来描述水果和季节的信息

（1）定义DTD文件xmldtd.dtd

<?xml version="1.0" encoding="UTF-8"?>
<!ELEMENT 水果与季节 (季节+,水果+) >
<!ELEMENT 季节 (#PCDATA) >
<!ATTLIST 季节 id ID #required >
<!ATTLIST 季节 名称 CDATA #required >
<!ELEMENT 水果 (#PCDATA) >
<!ATTLIST 水果 f_id IDREF #required >
<!ATTLIST 水果 名称 CDATA #required >

（2 ）定义对应的XML文件标记，并引用上述DTD文件

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE 水果与季节 SYSTEM "xmldtd.dtd">
<水果与季节>
	<季节 id="f1" 名称="春天"></季节>
	<季节 id="f2" 名称="夏天"></季节>
	<水果 f_id="f1" 名称="草莓"></水果>
	<水果 f_id="f2" 名称="西瓜"></水果>
</水果与季节>

混合引用DTD

如果XML文件同时带有内部DTD和外部DTD文件，那么XML解析器会将二者合一。语法如下

<!DOCTYPE 根标记名 SYSTEM "URI" [
	内部DTD内容
]>

或

<!DOCTYPE 根标记名 PUBLIC FPI "URI" [
	内部DTD内容
]>

将上述实例保持DTD不变，修改其XML文件，同时使用内部和外部DTD，增加水果元素的属性：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE 水果与季节 SYSTEM "xmldtd.dtd" [
	<!ATTLIST 水果 性味 CDATA #required>
]>
<水果与季节>
	<季节 id="f1" 名称="春天"></季节>
	<季节 id="f2" 名称="夏天"></季节>
	<水果 f_id="f1" 名称="草莓" 性味="性凉"></水果>
	<水果 f_id="f2" 名称="西瓜" 性味="性寒"></水果>
</水果与季节>

实体声明与引用

普通实体

实体基本意思是指与XML文档相关的存储单元。根据实体内容与DTD的包含关系可以将实体分为内部实体和外部实体。

内部实体是实体的内容已经包含在DTD文件本身中，如下所示：

<!ENTITY hello "How are you,&amp; 你好">

该实体的内容是“How are you,& 你好”。

外部实体的内容是通过URI引进DTD以外的其他文件。如下所示：

<!ENTITY img SYSTEM "temp.jpg">

或

<!ENTITY img PUBLIC "-//ISO9//ME/IMG/EN" "temp.jpg">

若想引用上述实体，则如 &hello; 与&img;

对于public格式，语法如下：

<!ENTITY name PUBLIC FPI "URI">

FPI的格式为：

"前缀//使用者标识//文本类/文本描述/所用语言"

FPI的详细介绍如下：

前缀：前缀为“+”（注册公共标识）或“-”（未注册公共标识）
使用者标识：标识拥有这个公共标识的个人或组织。注册可以确保使用者标识的唯一性
文本类：文本类表明和公共标识相联系的文本类型。常见的有XML文档或DTD
文本描述：有关文档的描述，不可以包含“//”字符串
语言：文档使用的语言

参数实体

使用参数实体的DTD是放到一个单独的文件中，是因为在XML内部DTD中，参数实体引用不能在标记声明内部出现。语法如下：

<!ENTITY % name PUBLIC FPI "URI">

例如：

<?xml version="1.0" encoding="UTF-8"?>
<!ENTITY % 介绍 "(生产日期,库存量)">
<!ELEMENT PC机 %介绍;>
<!ELEMENT 生产日期 (#PCDATA)>
<!ELEMENT 库存量 (#PCDATA)>