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XMLNotepad、XMLPro、CLIP！XMLEditor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

　　〈?xmlversion="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（XMLParse）。

　　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NetscapeNavigator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-FormedXML文件，一种是ValidatingXML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。IE5中就内含Validating解析器，Validating解析器也可用来解析Well-FormedXML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IE5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〈imgsrc=.....〉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
　　&&&
　　<&it;
　　>>
　　""
　　''

　　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（DocumentTypeDefinition，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：ValidatingXML文件。相应的解析器就称为：ValidatingParser。

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：

〈!DOCTYPEelement-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：

〈!ELEMENTelement-nameelement-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,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〉 〈丈夫〉张三〈/丈夫〉 〈/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：〈!ENTITYentity-nameentity-definition〉。例如：我们在DTD中声明〈!ENTITYPC"(#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：〈!ATTLISTelement-nameattribute-nameTypeDefault-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。

〈?xmlversion="1.0"encoding="GB2312"?〉 〈!ELEMENT参考资料(书籍*)〉 〈!ELEMENT书籍(名称,价格)〉 〈!ELEMENT名称(#PCDATA)〉 〈!ELEMENT作者(#PCDATA)〉 〈!ELEMENT价格(#PCDATA)〉 〈!ATTLIST价格货币单位CDATA#required〉

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〈!DOCTYPEelement-nameSYSTEMDTD-URL〉或者〈!DOCTYPEelement-namePUBLICDTD-nameDTD-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：

〈?xmlversion="1.0"encoding="GB2312"?〉 〈!DOCTYPE参考资料SYSTEM"http://www.xml.com/ckzl.dtd"〉 ...

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XMLSchema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XMLSchema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:

〈?xmlversion="1.0"encoding="GB2312"?〉 〈!DOCTYPE参考资料[ 〈!ELEMENT参考资料(书籍)〉 〈!ELEMENT书籍(名称,价格)〉 〈!ELEMENT名称(#PCDATA)〉 〈!ELEMENT作者(#PCDATA)〉 〈!ELEMENT价格(#PCDATA)〉 〈!ATTLIST价格货币单位CDATA#required〉 ]〉 〈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〉 〈!--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〉