XML—XML文件约束之DTD详解

1.XML文件约束与DTD的简单介绍

我们编写文档来约束一个XML文档的书写规范，这称之为XML约束。

常用的约束技术有：

XML DTD
XML Schema

DTD的基本概念：

document type definition 文档类型定义

DTD文件一般和XML文件配合使用，主要是为了约束XML文件。

XML文件引入DTD文件，这样XML可以自定义标签，但又受到DTD文件的约束。比如上一节使用XML描述一个班级的信息，如果我们给每一个学生定义一个<面积>标签，语法上也是没有错误的，但是不符合语义，学生怎么能够用面积来描述呢？这时候我们就需要用到DTD文件来约束这个XML。

<?xml version="1.0" encoding="gb2312"?><class>
    <stu id="001">
        <name>杨过</name> 
        <sex>男</sex>
        <age>20</age>
        <面积>100</面积>
    </stu></class>

1.1 DTD约束快速入门案例

基本语法：

<!ELEMENT 元素名 类型>

我们还以班级为例，编写如下DTD文件，myClass.dtd：

<!ELEMENT 班级 (学生+)><!ELEMENT 学生 (名字,年龄,介绍)><!ELEMENT 名字 (#PCDATA)><!ELEMENT 年龄 (#PCDATA)><!ELEMENT 介绍 (#PCDATA)>

第一行表示根元素为班级，并且有学生这个子元素，子元素为1或者多个。
第二行表示学生的子元素为名字，年龄，介绍
名字下面没有子元素了，那么#PCDATA表示名字里面可以放任意文本。
年龄和介绍也是类似。

编写myClass.xml文件并引入DTD文件如下：

<?xml version="1.0" encoding="utf-8"?><!--引入dtd文件，约束这个xml--><!DOCTYPE 班级 SYSTEM "myClass.dtd"><班级>
    <学生>
        <名字>周小星</名字>    
        <年龄>23</年龄>
        <介绍>学习刻苦</介绍>
    </学生>   
    <学生>
        <名字>林晓</名字> 
        <年龄>25</年龄>
        <介绍>是一个好学生</介绍>
    </学生>   </班级>

引入中写的：SYSTEM，表示当前的DTD文件是本地的
如果写的是PUBLIC，则表示引入的DTD文件是来自于网络的.

这时候引入的DTD文件是没有产生作用的，如果我们在学生元素中添加子元素<面积>，打开这个XML文件，浏览器依然不会报错。

<?xml version="1.0" encoding="utf-8"?><!--引入dtd文件，约束这个xml--><!DOCTYPE 班级 SYSTEM "myClass.dtd"><班级>
    <学生>
        <名字>周小星</名字>    
        <年龄>23</年龄>
        <介绍>学习刻苦</介绍>
        <面积>100平米</面积>
    </学生>   
    <学生>
        <名字>林晓</名字> 
        <年龄>25</年龄>
        <介绍>是一个好学生</介绍>
    </学生>   </班级>

我们需要编程校验XML文档的正确性。

IE5以上的浏览器内置了XML解析工具：Microsoft.XMLDOM，开发人员可以编写JavaScript代码，利用这个解析工具装载XML文件，并对XML文件进行DTD验证。

我们编写myXmlTools.html来对这个XML进行校验，如下：

<html>
    <head>
    <!--自己编写一个简单的解析工具，去解析XML DTD是否配套-->     
    <script language="javascript">
        // 创建xml文档解析器对象
        var xmldoc = new ActiveXObject("Microsoft.XMLDOM");        // 开启xml校验
        xmldoc.validateOnParse = "true";        // 装载xml文档，即指定校验哪个XML文件
        xmldoc.load("myClass.xml");
        document.writeln("错误信息："+xmldoc.parseError.reason+"<br>");
        document.writeln("错误行号："+xmldoc.parseError.line);    </script>

    </head>
    <body>

用IE浏览器打开这个html文件，可以看到运行结果：

XML文件校验

可以看到第9行正是我们添加的<面积>这一行。

2.DTD细节

2.1 DTD文档的声明及引用

1.内部DTD文档

<!DOCTYPE 根元素 [定义内容]>

2.外部DTD文档

引入外部的DTD文档分为两种：

（1）当引用的DTD文件是本地文件的时候，用SYSTEM标识，并写上”DTD的文件路径”，如下：

<!DOCTYPE 根元素 SYSTEM "DTD文件路径">

（2）如果引用的DTD文件是一个公共的文件时，采用PUBLIC标识，如下方式：

<!DOCTYPE 根元素 PUBLIC "DTD名称" "DTD文件的URL">

比如下例：

<!DOCTYPE web-app PUBLIC "-//Sun Microsystems,Inc.//DTD Web Application 2.3//EN" "http://java.sun.com/dtd/web-app_2_3.dtd">

2.2 DTD基本语法：

<!ELEMENT NAME CONTENT>

其中：
- ELEMENT是关键字，是不能修改的
- NAME表示元素名称
- CONTENT是元素类型，必须要大写！CONTENT的内容有三种写法：

(1)EMPTY——表示该元素不能包含子元素和文本，但可以有属性。
(2)ANY——表示该元素可以包含任何在该DTD中定义的元素内容
(3)#PCDATA——可以包含任何字符数据，但是不能在其中包含任何子元素

2.3 DTD元素的组合类型：

DTD中这样规定：

<!ELEMENT 家庭(人+,家电*)>

这个DTD规定了家庭元素中可以有1到多个”人”这个子元素，也可以有0到多个”家电”这个子元素。其中的加号”+”和星号”*”的含义与正则表达式中的含义一致。

XML这样写：

<家庭>
    <人 名字="张晓明" 性别="男" 年龄="25"/>
    <人 名字="李小钢" 性别="男" 年龄="36" 爱好="作个教育家和伟人"/>
    <家电 名称="彩电" 数量="3"/></家庭>

关于组合类型，有下述的的修饰符可以使用：

符号	用途	示例	示例说明
()	用来给元素分组	(古龙\|金庸),(王朔\|余杰)	分成两组
\|	在列出的对象中选择一个	(男人\|女人)	表示男人或者女人必须出现，两者至少选其一
+	该对象必须出现一次或者多次	(成员+)	表示成员必须出现，而却可以出现多个成员
*	该对象允许出现0次或者多次	(爱好*)	爱好可以出现两次到多次
?	该对象必须出现0次或者1次	(菜鸟?)	菜鸟可以出现，也可以不出现，如果出现的话，最多只能出现一次
,	对象必须按指定的顺序出现	(西瓜,苹果,香蕉)	表示西瓜、苹果、香蕉必须出现，并且按这个顺序出现

2.4 属性定义

DTD中属性的定义是这样的：

<!ATTLIST 元素名称
    属性名称 类型 属性特点
    属性名称 类型 属性特点......  >

其中，属性的类型有下面5种：

(1) CDATA
(2) ID
(3) IDREF/IDREFS
(4) Enumerated
(5) ENTITY/ENTITIES

属性的特点有如下4种：

(1) #REQUIRED，表示这个属性必须给，不给就报错
(2) #IMPLIED，表示这个属性可以给也可以不给
(3) #FIXED value，表示这个属性必须给一个固定的value值
(4) Default value，表示这个属性如果没有值，就分配一个默认的value值

比如，我们想在学生这个子元素上加上地址这个属性，而且这个属性是必须的，示例如下：

<?xml version="1.0" encoding="utf-8"?><!DOCTYPE 班级 SYSTEM "myClass.dtd"><班级>
    <学生 地址="香港">
        <名字>周小星</名字>    
        <年龄>23</年龄>
        <介绍>学习刻苦</介绍>
    </学生>   
    <学生 地址="澳门">
        <名字>林晓</名字> 
        <年龄>25</年龄>
        <介绍>是一个好学生</介绍>
    </学生>   </班级>

这个时候相应的DTD文件也要更新，不然就会报错，如下：

<!ELEMENT 班级 (学生+)><!ELEMENT 学生 (名字,年龄,介绍)><!ATTLIST 学生
    地址 CDATA #REQUIRED><!ELEMENT 名字 (#PCDATA)><!ELEMENT 年龄 (#PCDATA)><!ELEMENT 介绍 (#PCDATA)>

2.4.1 对于属性类型的详细解释

（1）属性类型-CDATA，表示属性值可以是任何字符（包括中文和数字）

<!ATTLIST 木偶
    姓名 CDATA #REQUIRED>

<木偶 姓名="匹诺曹"/><木偶 姓名="PiNuocao"/><木偶 姓名="123"/>

(2)属性类型-ID，表明该属性的取值必须是唯一的，但是属性的值不能是以数字开头！

<!ELEMENT 公司职员 ANY><!ATTLIST 公司职员
    编号 ID #REQUIRED
    姓名 CDATA #REQUIRED>

<公司职员 编号="Z001" 姓名="张三"/><公司职员 编号="Z002" 姓名="李思"/>

（3）属性类型-IDREF/IDREFS
- IDREF属性的值指向文档中其它地方声明的ID类型的值
- IDREFS同IDREF，但是可以具有由空格分开的多个引用。

<!ELEMENT 家庭(人+)><!ELEMENT 人 EMPTY><!ATTLIST 人    relID ID #REQUIRED
    paraentID IDREFS #IMPLIED
    name CDATA #REQUIRED>

<家庭>
    <人 relID="P_1" name="爸爸"/>
    <人 relID="P_2" name="妈妈"/>
    <人 relID="P_3" parentID="P_1 P_2" name="儿子"/></家庭>

（4）属性类型-Enumerated，事先定义好一些值，属性的值必须在所列出的值的范围内。

<!ATTLIST person
    婚姻状态 (single|married|porced|widowed) #IMPLIED><!ATTLIST person
    性别 (男|女) #REQUIRED>

（5）属性类型-ENTITY，实体

实体定义：
- 实体用于为一段内容创建一个别名，以后在XML文档中就可以使用别名引用这段内容了。
- 在DTD定义中，一条!ENTITY语句用于定义一个实体。
- 实体可分为两种类型：引用实体和参数实体。引用实体是被XML文档应用的，而参数实体是被DTD文件本身应用的。

①引用实体：

引用实体主要在XML文档中被应用
语法格式如下，引用实体的定义内容最好放在DTD文件的最后。

<!ENTITY 实体名称 "实体内容">

引用方式：&实体名称; 末尾要带上分号，这个引用将直接转变成实体内容

举例如下：

<!ENTITY copyright "I am a programmer">....
&copyright;

②参数实体：

参数实体被DTD文件自身使用
语法格式为：

<!ENTITY % 实体名称 "实体内容">

引用方式为:%实体名称

举例：

<!ENTITY % TAG_NAME "姓名|EMAIL|电话|地址"><!ELEMENT 个人信息 (%TAG_NAME;|生日)><!ELEMENT 客户信息 (%TAG_NAME;|公司名)>

3.DTD实际案例

学习DTD的目标在于：
（1）要求我们能够看得懂DTD文件，
（2）我们可以根据给出的DTD写出对应的XML文件

下面我们看一个案例，下述的DTD文件是从W3School在线教程中的DTD案例中拿过来的，细看每一行，我们都应该能够看得懂。

<!ENTITY AUTHOR "John Doe"><!ENTITY COMPANY "JD Power Tools, Inc."><!ENTITY EMAIL "jd@jd-tools.com"><!ELEMENT CATALOG (PRODUCT+)>
<!ELEMENT PRODUCT(SPECIFICATIONS+,OPTIONS?,PRICE+,NOTES?)><!ATTLIST PRODUCTNAME CDATA #IMPLIEDCATEGORY (HandTool|Table|Shop-Professional) 
"HandTool"PARTNUM CDATA #IMPLIEDPLANT (Pittsburgh|Milwaukee|Chicago) "Chicago"INVENTORY (InStock|Backordered|Discontinued) "InStock">
<!ELEMENT SPECIFICATIONS (#PCDATA)><!ATTLIST SPECIFICATIONSWEIGHT CDATA #IMPLIEDPOWER CDATA #IMPLIED><!ELEMENT OPTIONS (#PCDATA)>
<!ATTLIST OPTIONSFINISH (Metal|Polished|Matte) "Matte" 
ADAPTER (Included|Optional|NotApplicable) "Included"CASE (HardShell|Soft|NotApplicable) "HardShell"><!ELEMENT PRICE (#PCDATA)>
<!ATTLIST PRICEMSRP CDATA #IMPLIEDWHOLESALE CDATA #IMPLIEDSTREET CDATA #IMPLIEDSHIPPING CDATA #IMPLIED><!ELEMENT NOTES (#PCDATA)>

然后我们可以根据该DTD编写如下最简单的XML文件：

<?xml version="1.0" encoding="utf-8"?><!DOCTYPE CATALOG SYSTEM "product.dtd"><CATALOG>
    <PRODUCT NAME="康帅傅矿泉水" CATEGORY="Table" PARTNUM="12" PLANT="Chicago">
        <SPECIFICATIONS WEIGHT="20" POWER="18">这里是细节</SPECIFICATIONS>
        <PRICE>25</PRICE>
        <PRICE>28</PRICE>
    </PRODUCT></CATALOG>

然后我们用Microsoft.XMLDOM校验该XML，会发现没有任何错误。但是要注意编码。