DTD 和 XML Schema

1. DTD和XML Schema 第3章

2. DTD 和XML Schema • 3.1 DTD • 3.2 XML Schema • 3.3 XML Schema 和DTD的区别

3. 3.1 DTD • 3.1.1 DTD简介 • 3.1.2 DTD的存在方式 • 3.1.3 XML元素的声明 • 3.1.4 DTD的属性声明 • 3.1.5 DTD的实体声明与引用

4. 3.1.1 DTD简介 • Document Type Definition 文档类型定义 • DTD是一套关于关于标记的语法规则，详细地描述一组XML文档的结构。 • DTD文件严格地规定了将以它为标准的所有实例XML文档的树状层次结构的全部细节。 • 对XML文档的有效性验证是可选的 • 对文档有效性验证会降低系统的性能 • 使用DTD对XML文档进行有效性验证将限制其扩展性

5. 3.1.2 DTD的存在方式 • DTD语句也称DTD声明，它使用一套与XML完全不同的语法规则进行编写。 • 内部DTD：存在于XML文档本体中元素、属性或实体的DTD声明 • 以”<! DOCTYPE”开始，以”]>”结束 • DOCTYPE是DTD的关键字，必须大写 • 外部DTD：对XML元素和属性等的声明包含在一个单独的DTD文件中。 • 方便共享 • SYSTEM引用：主要用于一个作者或组织所编写的众多XML文档中通用的DTD • PUBLIC引用：引用公开给公众使用的DTD • 内部DTD和外部DTD结合使用

6. 3.1.3 XML元素的声明 • 示例 内部DTD <?xml version="1.0" standalone="yes"?> <!DOCTYPE REGARD [ <!ELEMENT REGARD (#PCDATA)> ]> <REGARD> HelloXML! </REGARD>

7. 3.1.3 XML元素的声明 • 列出元素 • 要为一个文档创建适当的DTD，第一步是了解用DTD中定义的元素编码的信息结构。 • 所编写的DTD要为每个元素作元素声明。每一元素声明列出元素名和它的子元素。 • 清单：需要编写DTD结构完整的XML文档 3-1.doc • 表：学生成绩统计中的元素 表3-1.doc

8. 3.1.3 XML元素的声明 • 在合法的XML文档中使用的每项标记都要在DTD中的元素声明中加以声明。一项元素声明指明了元素名称和元素可能的内容。 • 元素声明的基本语法： <!ELEMENT 元素名称 元素内容描述> • ELEMENT是DTD的关键字，必须大写 • 元素名：命名规则与标记的命名规则同 • 元素内容描述：规定该元素将包含哪些子元素及子元素之间的顺序，或者对于不包含子元素的元素定义其数据类型。

9. 3.1.3 XML元素的声明 • 空元素类型 • ANY元素类型 • 父元素类型 • 只包含文本的元素类型

10. 1、 空元素的声明 • 即没有内容的元素 • <!ELEMENT 元素名 EMPTY> • 例如：<!ELEMENT HR EMPTY> 这样，在XML文件中，就可以使用一个空元素<HR/>。

11. 2、ANY元素类型 • 是XML为某些结构性比较差的元素提供的说明方法，它对该元素不作限制。 • 可以包含任何在该DTD中声明过的子元素 • 这些子元素的出现次数与次序不作限制 • 可以包含文本数据，即（#PCDATA）型数据 • 数据内容与子元素可以交错出现 • 语法： <!ELEMENT 元素名 ANY> • 例如：<!ELEMENT SEASON ANY> 关键词ANY（也要区分大小写）表明所有可能的元素以及可解析的字符数据都可以是SEASON元素的子元素。 • 对于根元素特别是未结构化的文档，使用ANY常见，但在其他大多数情况下，尽量避免使用。

12. 4.只包含文本的元素类型 • 元素的内容完全是文本形式的元素类型 • 例如：<!ELEMENT YEAR (#PCDATA)> 该声明说明YEAR只能包含可析的字符数据，即非标记文本，但它不能包含自己的子元素。所以，下面这个YEAR元素是合法的： <YEAR>1998</YEAR>； 不合法： <YEAR> <MONTH>January</MONTH> <MONTH>February</MONTH> </YEAR>

13. 3.父元素类型 • XML文档本身通过元素之间的嵌套关系描述了数据（元素）之间的树状结构关系。 • 子元素声明中包括： • 子元素名称 • 子元素出现的次数及次序 • 见下图：结构符合的具体描述 • 一个元素的各个子元素之间可以以任意顺序出现，也可以强制遵循一定的顺序。 • 不要求顺序的子元素

15. 3.父元素类型 考虑下面的DTD定义： <!ELEMENT 联系人(姓名 EMAIL)> <!ELEMENT 姓名(#PCDATA)> <!ELEMENT EMAIL(#PCDATA)> 遵从这个DTD的XML文件可以为： 同样，下面这个XML文件也是有效的： <联系人>    <EMAIL>zhang@aaa.com</EMAIL>    <姓名>张三</姓名></联系人> 在DTD定义中仅仅用空白符分隔了元素“联系人”的两个子元素，这说明并没有严格要求两个元素出现的顺序，因此上面两种写法都是允许的。 <联系人> <姓名>张三</姓名>   <EMAIL>zhang@aaa.com</EMAIL> </联系人>

16. 3.父元素类型 • 要求顺序的子元素 • 在上面例子中，如果我们使用逗号“，”来分隔两个子元素，那么XML文件中，元素“姓名”就必须出现在元素“EMAIL”前面。也就是说，如果我们把DTD定义为下面的形式： • <!ELEMENT 联系人(姓名, EMAIL)> <!ELEMENT 姓名(#PCDATA)> <!ELEMENT EMAIL(#PCDATA)>

17. 3.父元素类型 那么下面的文件是有效的： <联系人><姓名>张三</姓名><EMAIL>zhang@aaa.com</EMAIL> </联系人> 而下面这个文件不是有效的，因为它把元素“EMAIL”放在了元素“姓名”之前，这是不合规定的： <联系人>    <EMAIL>zhang@aaa.com</EMAIL>    <姓名>张三</姓名></联系人>

18. 3.父元素类型 • 重复元素 <!ELEMENT 联系人(姓名，EMAIL+)> <!ELEMENT 姓名(#PCDATA)> <!ELEMENT EMAIL(#PCDATA)> 它说明一个“联系人”元素中必须含有一个“姓 名”元素，后面接一个或多个“EMAIL”元素。 <联系人>    <姓名>张三</姓名></联系人> 这个片段不是有效的，因为它没有“EMAIL”元素，而“+”代表了“一个或多个”。如果你需要表示“零个或多个”，那么应该使用字符“*”。 这样，下面的这段XML文件是“有效的”。 <联系人>    <姓名>张三</姓名>    <EMAIL>zhang@aaa.com</EMAIL>    <EMAIL>zhang@hotmail.com</EMAIL>    <EMAIL>zhang@yahoo.com</EMAIL></联系人>

19. 3.父元素类型 • 成组元素:子元素可以使用括号并为一组。 • 下面的DTD片段说明，一个“联系人”元素中可以有一个或多个“姓名/EMAIL”子元素对，并且在每个子元素对中，“姓名”都放在“EMAIL”之前。 <!ELEMENT 联系人(姓名，EMAIL)+> <!ELEMENT 姓名(#PCDATA)> <!ELEMENT EMAIL(#PCDATA)>

20. 3.父元素类型 • 符合这个DTD的XML文件可以是： <联系人> <姓名>张三</姓名> <EMAIL>zhang@aaa.com</EMAIL> <姓名>李四</姓名> <EMAIL>li@bbb.org</EMAIL> <姓名>王五</姓名> <EMAIL>wang@ccc.org</EMAIL></联系人> • 注意，仅仅是因为“+”由括号里面移到括号外面，元素“联系人”的内容就大大不同了。

21. OR或 • 符号“|”描述了一个OR操作。 • 因此，下面的DTD片段所规定的XML元素是：所有的“联系人”元素应该有一个“姓名”子元素，同时，在此之后还应该有一个“电话”或一个“EMAIL”元素，但不能同时有“电话”和“EMAIL”两个元素。 <!ELEMENT 联系人(姓名，(电话|EMAIL))> <!ELEMENT 姓名(#PCDATA)> <!ELEMENT 电话(#PCDATA)> <!ELEMENT EMAIL(#PCDATA)>

22. OR或 <联系人> <姓名>张三</姓名> </联系人> 这个例子是一个“无效的”XML片段，因为DTD中规定或者有一个“电 话”元素，或者有一个“EMAIL”元素，但上面这个例子中两种元素都 没有。 <联系人>    <姓名>张三</姓名>    <电话>12345678</EMAIL>    <EMAIL>zhang@yahoo.com</EMAIL></联系人> 同样，这个例子仍是一个“无效的”XML片段，因为它既有“电话”元素，又有“EMAIL”元素。

23. OR或 一个符合上述DTD定义的“有效的”XML文件的定义应该是： <联系人> <姓名>张三</姓名> <电话>12345678</EMAIL></联系人> 或者是： <联系人> <姓名>张三</姓名> <EMAIL>zhang@yahoo.com</EMAIL> </联系人> 注意：在一个组中，只允许使用一种连接符（例如“，”或“|”）。因 此，象下面这样定义的DTD是不合法的： <!ELEMENT 联系人(姓名，电话|EMAIL)> 要想使用多种连接符，只有通过创建子组的方式，使用 <!ELEMENT 联系人(姓名，(电话|EMAIL))>

24. 可选子元素 字符“?”说明一个子元素是可选的，它可以出现，也可以不出现。 因此，在下面的DTD中，我们规定，每一个“联系人”都必须有一个 “姓名”子元素，同时或者有一个“电话”子元素，或者有一个“EMAIL” 子元素，此外，它还可以包含一个“地址”子元素，也可以不包含这 种元素。 <!ELEMENT 联系人(姓名，(电话|EMAIL)，地址?)> <!ELEMENT 姓名(#PCDATA)> <!ELEMENT 电话(#PCDATA)> <!ELEMENT EMAIL(#PCDATA)> <!ELEMENT 地址(街道，城市，省份)> <!ELEMENT 街道 (#PCDATA)> <!ELEMENT 城市 (#PCDATA)> <!ELEMENT 省份 (#PCDATA)>

25. 可选子元素 下面的XML片段是“有效的”： <联系人><姓名>张三</姓名> <EMAIL>zhang@aaa.com</EMAIL> <地址> <街道>五街1234号</街道> <城市>北京市</城市> <省份>北京</省份> </地址> </联系人> 同样，下面这段不包含“地址”元素的XML片段也是“有效的”： <联系人>    <姓名>张三</姓名>    <EMAIL>zhang@aaa.com</EMAIL></联系人>

26. 混合内容 • 一个元素中既希望包含子元素，也希望包含纯文本。XML中允许这种使用方法，并把这种元素称为混合内容的元素。 • 在下面的例子中，“联系人”就是一个混合元素。

27. 混合内容 <?xml version = “1.0” encoding=“GB2312” standalone = “yes”?><!DOCTYPE 联系人列表 [ <!ELEMENT 联系人列表 (联系人)*> <!ELEMENT 联系人(姓名|电话|EMAIL|#PCDATA)*> <!ELEMENT 姓名(#PCDATA)> <!ELEMENT 电话(#PCDATA)> <!ELEMENT EMAIL(#PCDATA)> ]> <联系人列表> <联系人> <姓名>张三</姓名> <电话>(010)62345678</电话> <EMAIL>zhang@aaa.com</EMAIL>这是关于张三的信息</联系人> </联系人列表> 注意，由于在“(姓名|电话|EMAIL|#PCDATA)”之外有“*”，所以在元素 “联系人”中可以包含零个或多个“姓名”、电话、EMAIL和纯文本字段。

28. 小结 • 除了根元素外，在定义其它元素时使用关键字ANY都是不好的习惯。一般来说，在写一个XML文件时需要严格遵循DTD的规则，这时，一个定义明确的DTD，虽然表面上似乎充满了条条框框，但实际上会使你在书写XML文件时有规可循，反而方便了你的工作和语法分析器的工作。相反，一个在元素定义中充满了ANY的DTD，反而可能会搞得你不知所措，一头雾水。 • 不能对不同的元素使用相同的元素名，即便这些元素的内容、包含的子元素不同也不行，因为它只会引起文件各个元素的混淆，使文件的可读性大打折扣。

29. 小结 • 定义元素时，顺序是无关紧要的。因此<!ELEMENT 姓名(#PCDATA)> <!ELEMENT 联系人列表 ANY> <!ELEMENT 联系人(姓名)>和<!ELEMENT 联系人列表 ANY> <!ELEMENT 联系人(姓名)> <!ELEMENT 姓名(#PCDATA)>所定义的文件结构是完全相同的。

30. 小结 • 元素名的第一个字母必须是字母、或下划线（_）、或冒号（：），后跟字母、数字、句号（.）、冒号、下划线、连结号（-）的组合，并且不能包含空白符，不能以“xml”开头。 • 另外，尽管元素的第一个字母使用冒号是合法的，但最好避免这样做，因为它会引起混淆。 • 需要注意的是，尽管XML1.0标准允许使用任何长度的文件名，但是实际的XML处理器常常会限制标记名的长度。

31. 习 题 1．何谓DTD？在XML文件中使用DTD有何好处？ 2．在合法的XML文档中使用的每项标记都要在DTD中的元素声明中加以声明，请简述以下几种声明方式： 序列；零或多个子元素零；选择。

32. 习 题（续） 3．请撰写一个实际XML文件来说明引用底下的DTD？ <?xml version=”1.0”?> <!ELEMENT book (title,author,breakline,publish,price,language)> <!ELEMENT title (#PCDATA)> <!ELEMENT author (#PCDATA)> <!ELEMENT publish (#PCDATA)> <!ELEMENT price (#PCDATA)> <!ELEMENT language (#PCDATA)> <!ELEMENT breakline EMPTY>

33. 习 题（续） 4．请撰写一个实际XML文件来说明下面的DTD? <? Xml version = “1.0” encording = “GB2312”?> <!DOCTYPE 汽车[ <!ELEMENT 汽车（品牌，车主，保险公司*，银行贷款？，维修地点）〉 <!ELEMENT 品牌(#PCDATA)〉 <!ELEMENT 车主(#PCDATA)〉 <!ELEMENT 保险公司(#PCDATA)〉 <!ELEMENT 银行贷款(#PCDATA)〉 <!ELEMENT 维修地点(#PCDATA)〉 ]>

34. 3.1.4 DTD的属性声明 • 开始标记和空标记可包含由等号“=”分割开的成对的属性名和属性值 • 属性包含有关元素内容信息，而不是元素内容本身。 • 元素可具有多个属性 • 结束标记不能带属性

35. 3.1.4 DTD的属性声明 • 属性是XML提供的描述元素某些性质的信息。 • 在一个有效的XML文档中，属性要经过DTD的属性说明。 • 在DTD声明中，属性的声明语法为： <!ATTLIST 元素名 属性名 属性类型 属性默认值类型> • 元素名为属性所属的元素的名称 • 属性类型是对属性值的约束

36. 3.1.4 DTD的属性声明 • 例如： <商品 类型 =“服装” 颜色 = "黄色"> 元素名是“商品”；属性名是属性的命名， “类型”和“颜色”是属性名；默认值说明在XML文件中，如果没有特别说明属性的取值，语法分析器默认它具有的取值；属性类型则用来指定该属性是属于有效属性类型中的哪种类型。 • 注意：由于ATTLIST是一个属性的列表，它可以包含很多属性，在实际应用中，一个元素也经常有多个属性。

37. 属性默认值类型 • #IMPLIED：属性值可有可无的属性，而且也无须在DTD中为该属性提供缺省值。 • 语法：<!ATTLIST 元素名称 属性名称 #IMPLIED> • 有时用户在不强制指定特定默认值的情况下省略特定属性值。 • 例如，可以拥有一个SHIRT（衬衣）元素，其具有一个声明为NMTOKEN的SIZE属性。但有些衬衫属于均码，没有尺寸。可以省去SIZE这个值，并且处理器隐含这个衬衫属于均码， <!ATTLIST SHIRT SIZE NOTOKEN #IMPLIED > <SHIRT>---符合上述定义 <SHIRT SIZE=“”>---不符合上述定义

38. 属性默认值类型 • #REQUIRED：必须赋值的属性 • 关键字REQUIRED说明XML文件中必须为这个属性给出一个属性值。 • 与提供默认值相反的情况，文档类型设计者需要强制作者选择一个值。如果属性值既重要又无法可靠地默认确定，那么设计者可以要求作者用该属性默认值来指定。 • 例如：<!ATTLIST IMAG URL CDATA #REQUIRED> 这种情况下，DTD设计者使URL属性在所用IMAG元素上都成为必需。之所以这样做是因为如果没有一个URL定位图像文件，则此IMAGE元素没有任何意义。

39. 属性默认值类型 • #FIXED：表明该属性一定要出现，且固定为特定值，不许用其他值。 • 当需要为一个特定的属性提供一个缺省值，并且不希望XML文件的编写者把你的缺省值替代掉。这时候，就可使用FIXED关键字，同时为该属性提供一个缺省值。 • 特定属性值表明该属性的默认值，当XML文档中没有显式给出该属性的取值时，取此值。当该属性的取值已经显式地给出，则为给出值。 • 如果不使用上面任何一种关键字的话，该种属性就是属于这种类型。对于这种属性，你需要在DTD中为它提供一个缺省值。而在XML文件中可以为该属性给出新的属性值来覆盖事先定义的缺省值，也可以不另外给出属性值，后一种情况下它就默认为采用DTD中给出的缺省值。

40. 属性类型

41. 属性类型 （1）CDATA类型：是最简单的属性类型，也是约束最少的属性类型。即CharacterData 缩写，代表该属性值为一般的文字，除此没有其它限制． • 语法： <!ATTLIST 元素名称　属性名称　CDATA　属性默认值类型> • 例如： <?xml version = "1.0“ encoding="GB2312" standalone = "yes"?><!DOCTYPE 剧本 [ <!ELEMENT 剧本 ANY> <!ELEMENT 对话 (#PCDATA)> <!ATTLIST 对话 演员 CDATA> ]> <剧本> <对话 演员=“某甲”>我可不这么认为！</对话> <对话 演员=“某乙”>为什么呢？</对话> </剧本>

42. 属性类型 （2）枚举型：列举了该属性所能取得的全部值． • 语法： <!ATTLIST 元素名称　属性名称 (可选属性值1|可选属性值2|……|可选属性值N) 属性默认值类型> • 例如： <?xml version = “1.0”encoding=“GB2312”standalone = “yes”?><!DOCTYPE 购物篮 [ <!ELEMENT 购物篮 ANY> <!ELEMENT 肉 EMPTY> <!ATTLIST 肉 类型( 鸡肉 | 牛肉 | 猪肉 | 鱼肉 ) “鸡肉”> ]> <购物篮> <肉 类型 = “鱼肉”/> <肉 类型 = “牛肉”/> <肉/> </购物篮> 注意，在上面这个例子中，给属性“类型”定义的缺省值是“鸡肉”，所以“购 物篮”中的第三个元素的“类型”属性取值为“鸡肉”。

43. 属性类型 （3）NMTOKEN和NMTOKENS类型：一个有效的XML名称，必须以字母或者下划线开始，之后是字母、数字下划线、短横线或圆点，而且不能包含空格。 后者表明属性值可能由若干个满足NMTOKEN属性要求结合在一起形成的，即多个NMTOKEN之间可能存在空格。 • 语法： <!ATTLIST 元素名称　属性名称　NMTOKEN|NMTOKENS　属性默认值类型>

44. 属性类型 • 例如1： <!ATTLIST Employee security_level NMTOKEN #REQUIRED> <Employee security_level=“trusted”> • 上述代码表示元素E m p l o y e e有一个名为s e c u r i t y _ l e v e l的属性，其值符合X M L名称记号的规则。我们可以用它来控制对机密文档的访问。由于定义属性列表时使用了N M TO K E N，而不是枚举类型，文档创作者只需创建新的值，就能够适应新的安全级别要求，而不必每次都编辑D T D。只要符合我们前面介绍的有效的N M TO K E N值应该遵守的规则任何值都可以作为这种属性的值。

45. 属性类型 • 例如2： <!ATTLIST Employee security_compartments NMTOKENS #IMPLIED> <Employee security_compartments=“red green mega ultra ”> 这个职员能够访问名为r e d、g r e e n、m e g a和u l t r a的安 全区域。就类型而言，这些都是有效的N M TO K E N值。与枚举类型 不同，解析器不检查这些值的有效性。文档的作者必须确保自己使 用了适当的名称。

46. 属性类型 • 例如3： <!ELEMENT 数据(#PCDATA)> <!ATTLIST 数据 安全性( ON | OFF ) "OFF“ 授权用户 NMTOKENS #IMPLIED > Xml文件： <数据 安全性="ON" 授权用户 = "IggieeB SelenaS GuntherB">blah blah blah </数据>

47. 属性类型 • NMTOKEN属性类型 • NMTOKEN属性类型限定属性值为有效的XML名称。 • 当需要从大量名字中选取不是XML的规定部分但与XML命名要求相符的名字时，就能体现NMTOKEN的用途。

48. 属性类型 • NMTOKENS属性类型 • NMTOKENS属性类型几乎就是NMTOKEN的复数形式。这种类型的属性可以使如下情况合法——属性由若干XML名称字组成，彼此间由空格分隔。通常可为使用NMTOKEN属性相同的理由而使用NMTOKENS属性，但仅仅在需要多个名字的时候。

49. 属性类型 （4）ENTITY和ENTITIES类型：当属性值是一个外部实体的引用时，用ENTITY来说明属性类型。 一般来说，当属性值是一个内部实体引用时，将属性类型声明为CDATA即可。 • 实体属性类型 • 实体类型的属性值属于一般实体，如前所述，它的定义方式是： <!ENTITY 实体名 “实体内容”> 或利用SYSTEM定义外部实体，方式为： <!ENTITY 实体名 SYSTEM “外部文件名”> • 引用方式为： &实体名； 使用关键字ENTITY，则声明一个属性是实体类型，它的取值为已定 义的实体。请看下面例子：

50. 属性类型 <?xml version = "1.0" encoding="GB2312“ standalone = "yes"?><!DOCTYPE 文件[ <!ELEMENT 文件 ANY> <!ELEMENT 电影 EMPTY> <!ATTLIST 电影 来源 ENTITY #REQUIRED> <!ENTITY pic SYSTEM “1-5.jpg"> ]><文件> <电影 来源 = "pic"></文件>