02.XML技术

一、XML简介

XML指可扩展标记语言（eXtensible Markup Language），是用来传输和存储数据的，是一种通用的数据交换格式，可以使数据在不同应用程序间交换，具有很强的可扩展性。

 

• 可扩展，是指用户可以按照XML规则自定义标记，英文、中文皆可。
• 标记语言，很类似于HTML。XML不是代替HTML的，是对HTML的补充。

W3C在1998年2月发布1.0版本；W3C在2004年2月发布1.1版本，但因为1.1版本不能向下兼容1.0版本，所以1.1没有人用。同时，在2004年2月W3C又发布了1.0版本的第三版。我们要学习的还是1.0版本！！！

XML是不作为的，就是说“XML不会做任何事情”。XML被设计用来结构化、存储和传输信息。

XML的作用：

• 数据存储：可作为小型关系数据库，表示数据之间的关系，用来当数据库存储数据。
• 数据交换：不同语言之间、程序之间、系统之间交换数据。
• 程序的配置文件：这也是大家使用XML最常见的目的。比如，连接数据库时，在xml配置文件中定义数据库连接地址、用户名和密码，如果修改数据库的信息，不需要修改程序源代码，只要修改配置文件就可以了。

XML与HTML的比较：

• HTML是用来显示数据，其焦点是数据的外观；XML是用来传输和存储数据，其焦点是数据的内容。
• HTML是不区分大小写的，而XML是严格区分大小写的。
• HTML可以有多个根元素，而格式良好的XML有且只能有一个根元素。
• HTML中属性值的引号是可用可不用的，XML中的属性值必须放在引号中。
• HTML中空格是自动过滤的，而XML中空格则不会自动删除。
• HTML中的标记是预定义的，而XML中的标记可以根据需要自己定义，并且可扩展。

我们举个例子来看一下我们身边的XML：

中国有很多省份，每个省份下又有很多城市，这些省市之间的关联关系可以通过一张树状结构图来描述，如图所示。

 

图中直观地描述了中国与所辖省、市之间的层次关系。但是对于程序而言，解析图片内容非常困难，这时，采用XML文件保存这种具有树状结构的数据是最好的选择。

下面的代码就可以描述出上图所示的关系。

<?xml version="1.0" encoding="UTF-8"?>
<中国>
    <河北>
        <城市>张家口</城市>
        <城市>石家庄</城市>
    </河北>
    <山西>
        <城市>太原</城市>
        <城市>大同</城市>
    </山西>
</中国>

二、XML语法

一个基本的XML文档通常是由文档声明（序言）和文档元素两部分组成。下面我们来分别介绍一下。

1、文档声明

在一个XML文档中，必须包含一个XML文档声明，并且必须位于文档的第一行。语法格式：

<?xml 版本信息 [编码信息] [文档独立性信息]?>

文档声明以符号“<?”开头，以符号“?>”结束，中间可以声明版本信息、编码信息以及文档独立性信息。

需要注意的是，在“<”和“?”之间、“?”和“>”之间以及第一个“?”和xml之间不能有空格；

另外，中括号([])括起来的部分是可选的。完整的代码如下：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

• version属性表示XML的版本。目前，最常用的XML版本是1.0。
• encoding属性用来说明XML文档所使用的编码方式，默认情况下，XML文档使用的是UTF-8编码方式。
• standalone属性用来声明这个文档是否是独立的文档，默认情况下，standalone属性的值为no，表示文档依赖于外部文档。

这里提到的依赖，是指文档需要DTD文件验证其中的标识是否有效，或者需要CSS（层叠样式表，HTML样式表）、XSL（可扩展样式表语言，XML样式表）文件来控制显示外观。

编码详解：

我们来编写一段代码：

<?xml version="1.0" encoding="UTF-8"?>
<note>
    <from>Tom</from>
    <to>Jerry</to>
    <message>你好</message>
</note>

在XML文档中不指定任何编码属性时，我们使用Windows记事本保存XML要注意：

如果XML 中包含非ASCII字符（中文、法文等），我们将文件“另存为”编码ANSI后，使用IE浏览器浏览将会出错。

ANSI编码是一种对ASCII码的拓展，ASCII能表示128个字符，ANSI能表示256个字符。

 

如果将文件“另存为”编码UTF-8或Unicode后，使用IE浏览器浏览将不会出错。

 

如果将文件“另存为”编码UTF-8或Unicode后，而XML的encoding指定为"GB2312"，使用IE浏览器浏览汉字将会显示乱码。

 

所以XML文档的保存编码一定要和文档声明中的encoding一致起来，最好都使用UTF-8。

 

【补充知识】ASCII、ANSI、GB2312、GBK、Unicode、UTF-8编码：

① ASCII：首先明白计算机能识别的都是二进制010101010这种代码，但是这些010101010人是难以看懂的，于是美国人就用ASCII码（American Standard Code for Information Interchange，美国信息交换标准码）制作了一张表，里面包含从a、b、c.......@%$等128个字符。但是，美国用的字母，德国、法国，还有咱们中国汉字几万个，一张表存不下。

 

② ANSI：扩展了ASCII，能表示256个字符。

③ GB2312、GBK：汉字内码扩展规范（GBK即“国标”、“扩展”汉语拼音的第一个字母）。GBK是在GB2312标准基础上的内码扩展规范。GBK编码规定，计算机不能在每次都只读一个字节（00000000，8位表示一个字节），而是要先看看第一位是不是为0，要是为0的话，就当作ASCII码来读入一个字节，不然的话就读入两个字节（汉字太多一个字节存不下，读入两个字节表示汉字，就查GBK）。

④ Unicode：那么每个国家一个编码表，相互通信的时候由于解码方式不同就会导致乱码（用ASCII发邮件，计算机查ASCII表转换成对应0101010二进制发送出去，接收的人用GBK解码，将0101010查GBK表肯定就查不到啊）。于是，国际组织就发明了一套公用的表Unicode编码，将所有国家，所有字符都收进去了，从0一直到100多万（用三个字节表示）。

由于历史方面的原因，我们经常说的Unicode 通常就是 UTF-16。

⑤ UTF-8：虽然有了世界通用的表Unicode，但是有人就发现这有点浪费资源啊。每次让计算机读取三个字节，然后参照Unicode表解码，那么像a、b...0、1、2...这些一个字节就够了的就太浪费了。于是UTF-8、UTF-16、UTF-32这些编码方案就出现了。UTF-16是用两个字节来编码所有的字符，UTF-32则选择用4个字节来编码，UTF-8为了节省资源，采用变长编码，编码长度从1个字节到4个字节不等。由于互联网大部分是1个字节（代码很多英文的），所以最后大家选择用的最多的还是UTF-8。

2、元素定义

在XML文档中，主体内容都是由元素（Element）组成的。元素一般是由开始标记、属性、元素内容和结束标记构成，具体示例如下：

<城市 类型="直辖市">北京</城市>

上面的示例中，“<城市>”和“</城市>”就是XML文档中的标记，标记的名称也就是元素的名称。在一个元素中可以嵌套若干子元素。

如果一个元素没有嵌套在其它元素内，则这个元素称为根元素。根元素是XML文档定义的第一个元素。

如果一个元素中没有嵌套子元素，也没有包含文本内容，则这样的元素称为空元素，空元素可以不使用结束标记，但必须在开始标记的结束符“>”前增加一个正斜杠“/”来说明该元素是个空元素，例如：<img></img>可以简写成<img/>。

在XML文档中，元素的名称可以包含字母、数字以及其他一些可见的字符，但是在命名XML元素时，应该遵守以下规范。

（1）XML是强标记语言，区分大小写，例如: <P>和<p>是两个不同的标记。

（2）元素名称中,不能包含空格、冒号、分号、逗号和尖括号等，元素不能以数字开头，否则XML文档会报错。<7eleven />

（3）建议不要使用“.”,因为在很多程序语言中，“.”用于引用对象的属性。<user.id />

（4）建议不要用减号（-），而用下划线（_）代替,以避免与表达式中的减号（-）运算符发生冲突。<user-name />

（5）建议元素名称不要以字符组合xml(或XML、或Xml等)开头。<xmlfile />

（6）建议元素名称的大小写尽量采用同一标准，要么全部大写，要么全部小写。

（7）元素名称可以使用非英文字符，例如中文，但有些软件可能不支持英文字符以外的字符，在使用时应考虑这种情况。

3、属性定义

在XML文档中，可以为元素定义属性。属性是对元素的进一步描述和说明。在一个元素中，可以有多个属性，并且每个属性都有自己的名称和取值，具体示例如下：

<售价 单位="元">68</售价>

在上面的示例中，<售价>元素中定义了一个属性“单位”。需要注意的是，在XML文档中，属性的命名规范同元素相同，属性值必须要用双引号（"）或者单引号（'）引起来，否则被视为错误。

4、注释

如果想在XML文档中插入一些附加信息，比如作者姓名、地址或电话等信息，或者想暂时屏蔽某些XML语句，这时，可以通过注释的方式来实现，被注释的内容会被程序忽略而不被解析和处理。XML注释和HTML注释写法基本一致，具体语法格式如下所示：

<!-- 注释信息 -->

• 注释不能嵌套：  <!--  <!-- -->  -->
• 注释也不能放到第一行，第一行第一列必须放文档声明。

5、特殊字符处理（转义字符）

和HTML类似

预定义实体	特殊字符	含义
&lt;	<	小于
&gt;	>	大于
&amp;	&	和号
&apos;	'	单引号
&quot;	"	引号

6、CDATA区（格式记住）

Character Data，字符数据，指一段不想被程序解析的原始数据，这里面的数据会原封不动的显示出来，不会被转义。

<![CDATA[
    一段代码
]]>

例如，想直接存储以下代码，而不使用转义字符。if(a<b && b<c && d>f) {}

代码： <![CDATA[ if(a<b && b<c && d>f) {} ]]> 

把特殊字符，当做文本内容，而不是标签。

注意：

① CDATA 部分不能包含字符串 "]]>"，也不允许嵌套的 CDATA 部分。

② 标记 CDATA 部分结尾的 "]]>" 不能包含空格或折行。

三、约束

在现实生活中，如果一篇文章的语法正确，但内容包含违法言论或逻辑错误，这样的文章是不允许发表的。

同样，在编写XML文档时，其内容必须满足某些条件的限制，例如以下代码：

<?xml version="1.0" encoding="UTF-8"?>
<书架>
    <书>
        <书名>JavaWeb程序开发入门</书名>
        <作者>传智播客</作者>
        <售价>60</售价>
        <售价>30</售价>
    </书>
</书架>

在上面的示例中，尽管这个XML文档结构是正确的，用IE浏览器打开它也不会出现任何问题，但是，由于XML文档中的标记是可以随意定义的，同一本书出现了两种售价，如果仅根据元素名称区分哪个是原价，哪个是会员价，这是很难实现的。为此，在XML文档中，定义了一套规则来对文档中的内容进行约束，这套约束称为XML约束。

对XML文档进行约束时，同样需要遵守一定的语法规则，这种语法规则就形成了XML约束语言。目前，最常用的两种约束语言是DTD约束和Schema约束。

四、DTD约束

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，使用一系列的合法元素来定义文档结构。在一个DTD文件中，可以包含元素的定义、元素之间关系的定义、元素属性的定义以及实体和记号的定义。

1、DTD定义

我们来看实例代码book.xml

<?xml version="1.0" encoding="UTF-8"?>
<书架>
    <书>
        <书名>JavaWeb程序开发入门</书名>
        <作者>传智播客</作者>
        <售价>60</售价>
    </书>
    <书>
        <书名>JavaWeb从入门到精通</书名>
        <作者>明日科技</作者>
        <售价>80</售价>
    </书>
</书架>

与之对应的DTD约束文档book.dtd，代码如下：

<!ELEMENT 书架 (书+)>
<!ELEMENT 书 (书名,作者,售价)>
<!ELEMENT 书名 (#PCDATA)>
<!ELEMENT 作者 (#PCDATA)>
<!ELEMENT 售价 (#PCDATA)>

对book.dtd文档所规定的约束详细解释如下：

（1）在第1行中，使用<!ELEMENT…>语句定义了一个元素，其中“书架”是元素的名称，“(书+)”表示书架元素中有一个或者多个书元素，字符+用来表示它所修饰的成分必须出现一次或者多次。

（2）在第2行中，“书”是元素名称，“(书名,作者,售价)”表示元素书包含书名、作者、售价这三个子元素,并且这些子元素要按照顺序依次出现。

（3）在第3-5行中，“书名”、“作者”和“售价”都是元素名称，“(#PCDATA)"表示元素的内容是可解析字符数据（Parsed Character Data）,就是普通文本字符串。

那么，创建DTD文件步骤：

（1）看XML中有几个元素，在DTD中就写几个<!ELEMENT>。

（2）判断元素是简单元素还是复杂元素：

• 简单元素：没有子元素，语法如下： <!ELEMENT 元素名称 (#PCDATA)> 

• 复杂元素：有子元素的元素，语法如下： <!ELEMENT 元素名称 (子元素+)>  或  <!ELEMENT 元素名称 (子元素,子元素,……)> 

2、DTD的引入

有了DTD文件，如果想使用DTD文件来约束XML文档，必须在XML文档中引入DTD文件。

（1）外部引入

在XML文档中引入外部DTD文件有两种方式，具体如下：

<!DOCTYPE 根元素名称 SYSTEM "外部DTD文件URI">

<!DOCTYPE 根元素名称 PUBLIC "DTD名称" "外部DTD文件URI">

在上述两种引入DTD文件的方式中：

第一种方式用来引用本地的DTD文件，“外部DTD文件的URI”是指DTD文件的存放位置，它可以是相对于XML文档的相对路径，也可以是一个绝对路径；

第二种方式用来引用网络上公共的DTD文件，“外部DTD文件的URI”是指，Internet上的一个绝对URL地址。

如果希望引入一个公共的DTD文件，则需要在DOCTYPE声明语句中使用PUBLIC属性，具体示例如下：

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

其中"-//Sun Microsystems, Inc.//DTD Web Application 2.3//EN"是DTD名称，它用于说明DTD符合的标准、所有者的名称以及对DTD描述的文件进行说明，虽然DTD名称看上去比较复杂，但这完全是由DTD文件发布者去考虑的事情，XML文件的编写者只要把DTD文件发布者事先定义好的DTD标识名称进行复制就可以了。

我们看看之前学习HTML的时候，HTML文档的第一行：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">

这里也是一个公共DTD的引入。

引入DTD的book.xml代码如下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE 书架 SYSTEM "book.dtd">
<书架>
    ……
</书架>

（2）内部嵌入

在XML中直接嵌入DTD定义语句的完整语法格式如下所示：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE 根元素名 [
    DTD定义语句
    ……
]>

上面的book.xml代码可以改写为：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE 书架 [
    <!ELEMENT 书架 (书+)>
    <!ELEMENT 书 (书名,作者,售价)>
    <!ELEMENT 书名 (#PCDATA)>
    <!ELEMENT 作者 (#PCDATA)>
    <!ELEMENT 售价 (#PCDATA)>
]>
<书架>
    ……
</书架>

不管是哪种方式，通过IE浏览器浏览，我们发现即使XML不符合DTD约束，浏览时也一样可以浏览出来。因为我们使用浏览器打开XML文件，浏览器只负责校验XML的语法，不负责校验约束。

如果想要校验约束，我们需要使用工具（Eclipse）。

 

我们打开Eclipse，然后创建一个Java工程。在src文件夹下编写book.xml和book.dtd文件。这时，如果XML文件的编写不符合DTD约束，Eclipse就会给我们错误提示。

外部引入和内部嵌入的特点：

① 如果一个DTD文件需要被多个XML文件引用，为了避免在每个XML中都添加相同的一段DTD定义语句，我们可以将其放在一个单独的DTD文件中，采用外部引入的方式对XML文档进行管理。这样不仅便于管理和维护DTD定义，还可以使多个XML文档共享使用一个DTD文件。

② 内部嵌入比较直观，DTD约束和XML元素使用都在同一个XML文件中，编写代码、编辑DTD约束比较方便。

3、DTD语法

DTD的结构一般由元素类型定义、属性定义、实体定义、记号(notation)定义等构成，一个典型的DTD会把将来要创建的XML文档的元素结构、属性类型、实体引用等预先进行定义。

（1）元素定义

元素（标记）是XML文档的基本组成部分，在DTD定义中，每一条<!ELEMENT…>语句用于定义一个元素，其基本的语法格式如下所示：

<!ELEMENT 元素名称 元素内容>

在上面的语法格式中，包含了“元素名称”和“元素内容”。

• 元素名称：是自定义的名称，它用于定义被约束XML文档中的元素（标记、标签）；
• 元素内容：是对元素包含内容的声明，包括数据类型和符号两部分。XML的元素分为简单元素和复杂元素两种，DTD中元素的定义共有5种形式，其中前三种是简单元素的类型：

① (#PCDATA)：普通字符串，PCDATA是可解析字符数据（Parsed Character Data），要有括号()。

② EMPTY：空元素，既不包含字符数据，也不包含子元素。如果在文档中元素本身已经表明了明确的含义，就可以在DTD中用关键字EMPTY表明空元素。例如， <!ELEMENT br EMPTY> ，其中br是一个没有内容的空元素。不用括号()。

③ ANY：任何元素，表示该元素可以包含任何的字符数据和子元素。例如， <!ELEMENT 联系人 ANY> 表示联系人可以包含任何形式的内容。但在实际开发中，应该尽量避免使用ANY，因为除了根元素外，其他使用ANY的元素都将失去DTD对XML文档的约束效果。不用括号()。

④ 子元素：可以包含其他元素。通常用一对括号()将元素中要嵌套的一组子元素括起来，中间使用逗号“,”分隔，表示这些子元素按照这个顺序在XML中出现。例如， <!ELEMENT 书 (书名,作者,售价)> 表示元素书中要嵌套书名、作者、售价子元素，这些子元素只能出现一次，并且按照这个顺序编写。

如果一个子元素要出现多次，我们可以使用一些符号来表示次数：

+（一次或者多次），?（零次或者一次）、*（零次、一次或者多次）

例如， <!ELEMENT 书 (书名+,作者?,售价*)> 

还有一个符号非常重要----竖线“|”，表示“或”的意思，如果几个子元素之间使用竖线“|”隔开，表示这几个子元素只能出现其中的任意一个。例如，<!ELEMENT 书 (书名|作者|售价)>。

⑤ 混合内容：既可以包含字符数据，也可以包含子元素。混合内容必须被定义零个或多个，例如， <!ELEMENT 书 (#PCDATA|书名)*> 表示书中嵌套的子元素书名包含零个或多个，并且书名是字符串文本格式。要有括号()。

（2）属性定义

在定义元素的同时，还可以为元素定义属性。DTD属性定义的基本语法格式：

<!ATTLIST 元素名称
属性名称1 属性类型 设置说明
属性名称2 属性类型 设置说明
……
> 

在上面属性定义的语法格式中，“元素名称”是属性所属元素的名字，“属性名称”是属性的名称，“属性类型”则是用来指定该属性是属于哪种类型，“设置说明”用来说明该属性是否必须出现。关于“属性类型”和“设置说明”的相关讲解，具体如下。

① 属性类型

在DTD中定义元素的属性时，有10种属性类型可以选择，常见的几种属性类型介绍如下。

序号	属性类型	含义
1	CDATA	纯文本字符串。如果出现特殊字符，需要转义。
2	枚举类型	枚举列表中的一个值，用竖线“|”隔开，每次只能选择一个。
3	ID	唯一的id，只能是字母或下划线开始。
4	IDREF	另外一个元素的id，【reference：引用，参考】
5	IDREFS	其他id的列表，中间用空格隔开
6	NMTOKEN	合法的XML名称，Name Token，名称记号，它表示由一个或多个字母、数字、句点、连字号或下划线所组成的一个名称。当encoding编码是中文码时，可以使用中文。
7	NMTOKENS	合法的XML名称的列表，中间用空格隔开
8	NOTATION	记号的名称（后面还有单独讲解）
9	ENTITY	一个已定义的实体，预定义实体/自定义实体（后面还有单独讲解）
10	ENTITIES	一个已定义的实体的列表

② 设置说明

定义元素的属性时，有4种设置说明可以选择，具体如下：

序号	设置说明	含义
1	#REQUIRED	属性必须存在
2	#IMPLIED	属性可有可无
3	#FIXED value	表示一个固定值，#FIXED "ABC"，表示属性必须是这个固定值"ABC"
4	默认值	表示一个默认值，如果元素不写该属性，该属性自动被设置为默认值。如果写了该属性，就是用属性的实际值。

例如：

① DTD定义： <!ATTLIST 作者 分类 (AA|BB|CC) #REQUIRED> 

XML文件： <作者 分类="AA">传智播客</作者> 

② DTD定义： <!ATTLIST 书名 编号 ID #REQUIRED> 

XML文件： <书名 编号="a1">JavaWeb程序开发入门</书名> 

③ DTD定义： <!ATTLIST 售价 单位 CDATA #FIXED "元"> 

XML文件： <售价 单位="元">60</售价> 

④ CDATA 案例----“家庭”

<?xml version="1.0" encoding="UTF-8"?>
<!--包含两个元素，人至少出现1次，家电可以出现0/1/多次，这两个元素都被定义为空类型 -->
<!DOCTYPE 家庭 [
    <!ELEMENT 家庭 (人+,家电*)>
    <!ELEMENT 人 EMPTY>
    <!ELEMENT 家电 EMPTY>
    <!--开始定义属性-->
    <!ATTLIST 人
        名字 CDATA #REQUIRED 
        年龄 CDATA #REQUIRED
        爱好 CDATA #IMPLIED>
    <!ATTLIST 家电
        名称 CDATA #REQUIRED 
        数量 CDATA #REQUIRED
        说明 CDATA #IMPLIED>
]>
<!--DTD部分结束 -->
<家庭>
    <人 名字="张三" 年龄="25" />
    <人 名字="李四" 年龄="38" 爱好="踢足球" />
    <家电 名称="彩电" 数量="三" />
</家庭>

⑤ ID案例----“公司”

<?xml version="1.0" encoding="UTF-8"?>
<!--一个内部DTD的示例,首先写根元素“公司” -->
<!DOCTYPE 公司 [
    <!ELEMENT 公司 ANY>
    <!ELEMENT 公司职员 (#PCDATA)>
    <!ATTLIST 公司职员
        编号 ID #REQUIRED
        姓名 CDATA #REQUIRED
    >
]>
<!--DTD部分结束 -->
<!--编号被定义为ID，因此是不可重复的 -->
<公司>
    <公司职员 姓名="张三" 编号="Z001" />
    <公司职员 姓名="李四" 编号="Z002" />
</公司>

⑥ IDREF/IDREFS案例----“家庭”

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE 家庭[
    <!ELEMENT 家庭 (人+)>
    <!ELEMENT 人 EMPTY>
    <!ATTLIST 人
        relID ID #REQUIRED
        parentID IDREFS #IMPLIED
        name CDATA #REQUIRED>
]>
<!--DTD部分结束 -->
<家庭>
    <人 relID="P_1" name="爸爸" />
    <人 relID="P_2" name="妈妈" />
    <!-- 属性值引用已经定义的ID值，方法是把那个元素的ID标识符作为该元素的取值，不同的引用之间用空格分开 -->
    <人 relID="P_3" parentID="P_1 P_2" name="儿子" />
</家庭>

⑦ NMTOKEN案例----“八阵图”

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE poems [
    <!ELEMENT poems (title, content)>
    <!ELEMENT title (#PCDATA)>
    <!--定义属性，NMTOKEN说明该属性由一个或多个字母、数字、句点、连字号或下划线所组成的一个名称,当encoding编码是中文码时，可以使用中文-->
    <!ATTLIST title    author NMTOKEN #REQUIRED>
    <!ELEMENT content (#PCDATA)>
]> 
<poems>
    <title author="杜甫">八阵图</title>
    <content>
          功盖三分国,名成八阵图,
          江流石不转,遗恨失吞吴.
    </content>
</poems>

注意，如果是NMTOKENS，属性值能由多个NMTOKEN构成，每个NMTOKEN之间用空格隔开。

案例二：电视节目表 DTD

<!DOCTYPE TVSCHEDULE [
    <!ELEMENT TVSCHEDULE (CHANNEL+)>
    <!ELEMENT CHANNEL (BANNER,DAY+)>
    <!ELEMENT BANNER (#PCDATA)>
    <!ELEMENT DAY (DATE,(HOLIDAY|PROGRAMSLOT+)+)>
    <!ELEMENT HOLIDAY (#PCDATA)>
    <!ELEMENT DATE (#PCDATA)>
    <!ELEMENT PROGRAMSLOT (TIME,TITLE,DESCRIPTION?)>
    <!ELEMENT TIME (#PCDATA)>
    <!ELEMENT TITLE (#PCDATA)> 
    <!ELEMENT DESCRIPTION (#PCDATA)>
    
    <!ATTLIST TVSCHEDULE NAME CDATA #REQUIRED>
    <!ATTLIST CHANNEL CHAN CDATA #REQUIRED>
    <!ATTLIST PROGRAMSLOT VTR CDATA #IMPLIED>
    <!ATTLIST TITLE RATING CDATA #IMPLIED>
    <!ATTLIST TITLE LANGUAGE CDATA #IMPLIED>
]>

根据上面提供的DTD文档定义格式，写出XML文件内容。

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE TVSCHEDULE [
……
]>
<TVSCHEDULE NAME="CCTV">
    <CHANNEL CHAN="CCTV-1">
        <BANNER>XXXX</BANNER>
        <DAY>
            <DATE>2019-03-11</DATE>
            <HOLIDAY>XXXX</HOLIDAY>
        </DAY>
        <DAY>
            <DATE>2019-03-12</DATE>
            <PROGRAMSLOT VTR="XXXX">
                <TIME>1900</TIME>
                <TITLE LANGUAGE="TTTT">XXXX</TITLE>
                <DESCRIPTION>XXXX</DESCRIPTION>
            </PROGRAMSLOT>
        </DAY>
    </CHANNEL>
</TVSCHEDULE>

（3）实体定义

有时候需要在各个文档中调用同样的内容，例如公司名称、版权声明等，为了避免重复输入这些内容。可以通过<!ENTITY……>语句定义一个表示这些内容的实体，然后在各个文档中引用实体名代替它所表示的内容。类似于定义了一个常量，在其他地方多次使用这个常量。

实体可分为两种类型，分别是引用实体和参数实体。

① 引用实体

引用实体的定义格式有两种：

<!ENTITY 实体名称 "实体内容">
<!ENTITY 实体名称 SYSTEM "外部XML文档的URL">

使用引用实体的方式为：

&实体名称;

写法非常类似于转义字符的使用：空格  &nbsp;

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE 书架 [
    <!ELEMENT 书架 (书+)>
    <!ELEMENT 书 (书名,作者,售价)>
    <!ELEMENT 书名 (#PCDATA)>
    <!ELEMENT 作者 (#PCDATA)>
    <!ELEMENT 售价 (#PCDATA)>
    <!ENTITY zhs "张三">
]>
<书架>
    <书>
        <书名>JavaWeb程序开发入门</书名>
        <作者>&zhs;</作者>
        <售价>60</售价>
    </书>
    <书>
        <书名>JavaWeb从入门到精通</书名>
        <作者>明日科技</作者>
        <售价>80</售价>
    </书>
</书架>

 

② 参数实体

参数实体只能被DTD文件自身使用，语法格式：

<!ENTITY % 实体名称 "实体内容">

注意：ENTITY、%、实体名称、"实体内容"之间各有一个空格。

引用参数实体的方式为：

%实体名称;

在实体名称之前增加百分号，在其后增加分号。百分号与实体名称之间没有空格。

来看一下下面的DTD定义：

<!ENTITY % na "书名,作者">
<!ELEMENT 书架 (书+)>
<!ELEMENT 书 (%na;,售价)>
<!ELEMENT 书名 (#PCDATA)>
<!ELEMENT 作者 (#PCDATA)>
<!ELEMENT 售价 (#PCDATA)>

在第三行中引用了第一行中定义的参数实体na来表示"书名,作者"。

注意：内部 DTD 子集中的标记声明内不允许使用参数实体引用，只能在外部DTD文件中使用参数实体。

参数实体不仅可以简化元素中定义的相同内容，还可以简化属性的定义，具体实例参见课本27页。

（4）NOTATION记号定义（或符号定义）

在现实中，很多数据是无法用XML表示的，例如：声音、图像、影像、程序等，对于这些数据，XML处理器通常都不支持。

我们就需要使用记号声明，为非XML数据描述一种可能的格式，或者指定一个外部的处理程序。

我们使用<!NOTATION…>语句定义,有两种语法格式，分别定义普通记号和公用记号：

记号类型	定义语法
普通记号	<!NOTATION 符号名 SYSTEM "记号值">
公用记号	<!NOTATION 符号名 PUBLIC "公用符号标识名" "记号值">

记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。

<!NOTATION gif SYSTEM "image/gif">

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。

<!NOTATION gif SYSTEM "iexplore.exe">

五、Schema约束

同DTD一样，XML Schema（XML Schema Definition，XSD，XML Schema定义）也是一种用于定义和描述XML文档结构与内容的模式语言，它的出现克服了DTD 的局限性。接下来，通过XML Schema与DTD的比较，将XML Schema所具有的一些显著优点进行列举，具体如下：

（1）DTD采用的是非XML语法格式，缺乏对文档结构、元素、数据类型等全面的描述。而XML Schema采用的是XML语法格式，而且它本身也是一种XML文档，因此，XML Schema语法格式比DTD更好理解。

（2）XML有非常高的合法性要求，虽然DTD和XML Schema都用于对XML文档进行描述，都被用作验证XML合法性的基础。但是，DTD本身合法性的验证必须采用另外一套机制，而XML Schema则采用与XML文档相同的合法性验证机制。

（3）XML Schema对名称空间支持得非常好，而DTD几乎不支持名称空间。

（4）DTD支持的数据类型非常有限。例如，DTD可以指定元素中必须包含字符文本（PCDATA），但无法指定元素中必须包含非负整数，而XML Schema比DTD支持更多的数据类型，包括用户自定义的数据类型。

（5）DTD定义约束的能力非常有限，无法对XML实例文档作出更细致的语义限制，例如，无法很好地指定一个元素中的某个子元素必须出现7-12次；而XML Schema定义约束的能力非常强大，可以对XML实例文档作出细致的语义限制。

通过上面的比较可以发现，XML Schema的功能比DTD强大很多，但相应的语法也比DTD复杂很多。Schema是基于XML编写的，XML Schema约束文件本身就是一个XML文档（文件后缀名为.xsd），文件内的代码要符合XML语法规范。

【复习】DTD文件语法：

<!ELEMENT 元素名称 元素内容>
<!ATTLIST 元素名称
属性名称1 属性类型 设置说明
属性名称2 属性类型 设置说明
……
>

那么，我们使用Eclispe向导新建一个“XML Schema File”，扩展名是.xsd，名为NewXMLSchema.xsd，代码如下：

<?xml version="1.0" encoding="UTF-8"?>
<schema xmlns="http://www.w3.org/2001/XMLSchema" 
targetNamespace="http://www.example.org/NewXMLSchema"
xmlns:tns="http://www.example.org/NewXMLSchema"
elementFormDefault="qualified">
</schema>

上面的代码中：

第1行是文档声明，与xml文档声明一样。

第2行中以<schema>为根元素，表示模式定义的开始。

• 属性xmlns="http://www.w3.org/2001/XMLSchema"表示使用了标准的命名空间（ns，namespace），与此命名空间相关联的 URI 是 Schema 的语言定义（Schema Language Definition），其标准值是 http://www.w3.org/2001/XMLSchema。表示当前文件是一个XML Schema约束文件；
• 属性targetNamespace="http://www.example.org/NewXMLSchema"表示的是如果要使用这个Schema约束文件，可以直接通过这个地址引入约束文件；
• 属性xmlns:tns="http://www.example.org/NewXMLSchema"表示这个Schema约束文件他本身的名称空间；
• 属性elementFormDefault="qualified"表示是质量良好的。

一个XML只能引入一个DTD约束文档，但是一个XML中可以有多个Schema约束文档，多个Schema使用名称空间区分（类似于Java 的类是按照Java包名来区分的是一个道理）。

1、名称空间

一个XML文档可以引入多个Schema约束文档，但是，由于约束文档中的元素或属性都是自定义的，因此，在XML文档中，极有可能出现代表不同含义的同名元素或属性，导致名称发生冲突。为此，在XML文档中，提供了名称空间，它可以唯一标识一个元素或者属性。这就好比咱们系有两个同名的同学，如果老师要找那个同学，就得给他们的名字前面加个前缀，XXX班的某某某。这个“XXX班”就相当于一个名称空间。

在使用名称空间时，首先必须声明名称空间。名称空间的声明就是在XML实例文档中为某个模式文档的名称空间指定一个临时的简写名称（起个别名），它通过一系列的保留属性来声明，这种属性的名字必须是以“xmlns”或者以“xmlns:”作为开始。它与其它任何XML属性一样，都可以通过直接或者使用默认的方式给出。

名称空间声明的语法格式如下所示：

<元素名称 xmlns:prefixname="URI">

在上述语法格式中，元素名称指的是在哪一个元素上声明名称空间，在这个元素上声明的名称空间适用于声明它的元素和属性，以及该元素中嵌套的所有元素及其属性。xmlns:prefixname指的是该元素的属性名，它所对应的值是一个URI引用，用来标识该名称空间的名称。

我们来修改book.xml文件：

<?xml version="1.0" encoding="UTF-8"?>
<xs:书架 xmlns:xs="http://www.example.org/book/schema"
xmlns="http://www.w3.org/2001/XMLSchema-instance">
    <xs:书>
        <xs:书名>JavaWeb程序开发入门</xs:书名>
        <xs:作者>传智播客</xs:作者>
        <xs:售价>60</xs:售价>
    </xs:书>
</xs:书架>

名称空间的使用就是将一个前缀（xs）绑定到代表某个名称空间的URI（http://www.example.org/book/schema）上。

然后将前缀添加到元素名称前面来说明该元素属于哪个Schema文档。

如果一个XML文档有很多元素，而且这些元素都在同一个名称空间，这时，给每个元素名称都添加一个前缀将是一件非常烦琐的事情。

这时，可以使用默认的名称空间，默认名称空间声明时不需要加“别名”，使用这些元素时，也不用加前缀。

<?xml version="1.0" encoding="UTF-8"?>
<xs:书架 xmlns:xs=http://www.example.org/book/schema>
    <xs:书>
        <xs:书名>JavaWeb程序开发入门</xs:书名>
        <xs:作者>传智播客</xs:作者>
        <xs:售价>60</xs:售价>
    </xs:书>
</xs:书架>

2、引入Schema文档

如果想通过XML Schema文件对某个XML文档进行约束，必须将XML文档与Schema文件进行关联。在XML文档中引入Schema文件有两种方式：

（1）使用名称空间引入Schema

上面的书架book.xml文件对应的XML Schema约束文件book.xsd:

<?xml version="1.0" encoding="UTF-8"?>
<schema xmlns="http://www.w3.org/2001/XMLSchema"
    targetNamespace="http://www.example.org/book" 
    xmlns:tns="http://www.example.org/book"
    elementFormDefault="qualified">
    <element name="书架">
        <complexType>
            <sequence>
                <element name="书">
                    <complexType>
                        <sequence>
                            <element name="书名" type="string" />
                            <element name="作者" type="string" />
                            <element name="售价" type="string" />
                        </sequence>
                    </complexType>
                </element>
            </sequence>
        </complexType>
    </element>
</schema>

那么，我们需要在XML文档中的根节点中使用schemaLocation属性来指定Schema文件。schemaLocation属性有两个值：

第一个值是需要使用的名称空间；

第二个值是供命名空间使用的XML Schema文件的路径；

两者之间用空格分隔。

我们来创建book.xml文件时，可以使用Eclipse的新建XML文件向导。

 

 

修改生成的book.xml文件：

<?xml version="1.0" encoding="UTF-8"?>
<书架 xmlns="http://www.example.org/book" 
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.example.org/book book.xsd ">
    <书>
        <书名>JavaWeb程序开发入门</书名>
        <作者>传智播客</作者>
        <售价>60</售价>
    </书>
</书架>

如果要使用名称空间引入多个XML Schema文档。修改book.xml文件：

<?xml version="1.0" encoding="UTF-8"?>
<书架 xmlns="http://www.example.org/book" 
    xmlns:demo="http://www.example.org/demo"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.example.org/book book.xsd
                        http://www.example.org/demo demo.xsd ">
    <书>
        <书名>JavaWeb程序开发入门</书名>
        <作者>传智播客</作者>
        <售价 demo:类型="元">60</售价>
    </书>
</书架>

（2）不使用名称空间引入Schema

如果book.xsd与引用它的XML文件位于同一个目录中，我们可以不使用名称空间来引入Schema，book.xsd中不需要定义targetNamespace（目标名称空间）和xmlns:tns（所在名称空间）了，book.xsd代码：

<?xml version="1.0" encoding="UTF-8"?>
<schema xmlns="http://www.w3.org/2001/XMLSchema" 
    elementFormDefault="qualified">
    <element name="书架">
        <complexType>
            <sequence>
                <element name="书">
                    <complexType>
                        <sequence>
                            <element name="书名" type="string" />
                            <element name="作者" type="string" />
                            <element name="售价" type="string" />
                        </sequence>
                    </complexType>
                </element>
            </sequence>
        </complexType>
    </element>
</schema>

如果这时再用Eclipse向导来创建基于book.xsd的XML文件，就是如下图所示了。

 

修改book.xml文件，在book.xml中也不需要指定默认名称空间了。

<?xml version="1.0" encoding="UTF-8"?>
<书架 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:noNamespaceSchemaLocation="book.xsd">
    <书>
        <书名>JavaWeb程序开发入门</书名>
        <作者>传智播客</作者>
        <售价>60</售价>
    </书>
</书架>

noNamespaceSchemaLocation是一个在标准名称空间http://www.w3.org/2001/XMLSchema-instance里面定义好的属性，用于指定book.xsd文档位置。

3、Schema语法

（1）元素定义

Schema和DTD一样，都可以定义XML文档中的元素。在Schema文档中，元素定义的语法格式如下所示：

<element name="xxx" type="yyy" />

在上面的语法格式中，element用于声明一个元素，这里使用默认名称空间，所以省去了前缀xs:，xxx指的是元素的名称，yyy指元素的数据类型。在XML Schema中有很多内建的数据类型，其中最常用的有以下几种（数据类型也是，省去了前缀xs:）：

• string：表示字符串类型
• decimal：表示小数类型
• integer：表示整数类型
• boolean：表示布尔类型
• date：表示日期类型
• time：表示时间类型
• positiveInteger：表示正整数。

接下来看一个XML的示例代码：

<lastname>Smith</lastname>
<age>28</age>
<birthday>1990-03-12</birthday>

上面的XML示例代码中，定义了三个元素，这三个元素对应的Schema定义如下所示：

<element name="lastname" type="string" />
<element name="age" type="integer" />
<element name="birthday" type="date" />

（2）属性定义

在Schema文档中，属性定义的语法格式如下所示：

<attribute name="xxx" type="yyy" />

在上面的语法格式中，xxx指的是属性名称，yyy指的是属性的数据类型。其中，属性的常用数据类型与元素相同，都使用的是XML Schema中内建的数据类型。

了解了属性的定义方式，接下来，看一个XML的简单例子，具体示例如下所示：

<lastname lang="EN">Smith</lastname>

在上面的元素定义中，属性名称是lang，属性值的类型是字符串类型，因此，对应的Schema中的属性定义如下：

<attribute name="lang" type="string" />

（3）简单类型<simpleType>

只包含字符数据的元素都是简单类型，使用<simpleType>元素来定义。

如果想对现有元素内容的类型进行进一步限制，则需要使用<restriction>元素（restriction，限制，限定）

① minInclusive和maxInclusive元素对值的限定（最值约束）

如果要定义一个员工的年龄时，年龄要求在18-58周岁之间，我们需要对年龄age这个元素进行限定，具体Schema代码如下：

<element name="age">
    <simpleType>
        <restriction base="integer">
            <minInclusive value="18" />
            <maxInclusive value="58" />
        </restriction>
    </simpleType>
</element>

上面的代码表示，元素age是integer类型，最小值包括18，最大值包括58。

正确XML: <age>20</age> 

另外，类似的还有两个：

minExclusive：定义数值的下限。所允许的值必须大于此值（不包括此值）。

maxExclusive：定义数值的上限。所允许的值必须小于此值（不包括此值）。

② enumeration元素对于一组值的限定（枚举约束）

如果希望XML中的某个元素的内容限制在一组值中的一个，我们可以使用枚举约束，例如，要限定一个元素名为car的元素，它可接收的值只有Benz、BMW、Audi，具体Schema代码如下：

<element name="car">
    <simpleType>
        <restriction base="string">
            <enumeration value="Benz" />
            <enumeration value="BMW" />
            <enumeration value="Audi" />
        </restriction>
    </simpleType>
</element>

正确XML:<car>Benz</car>

③ pattern元素对于一系列值的限定（模式约束）

常用正则表达式

[abc]     a、b 或 c（简单类）

[^abc]   任何字符，除了 a、b 或 c（否定）

[a-zA-Z]  a到 z 或 A 到 Z，两头的字母包括在内（范围）

X?   X，一次或零次

X*   X，零次或多次

X+   X，一次或多次

X{n}    X，恰好 n 次

X{n,}    X，至少 n 次

X{n,m}   X，至少 n 次，但是不超过 m 次

如果希望把XML中的某个元素的内容限制在一系列可使用的数字和字母中，可以使用模式约束。例如，要定义一个带有限定的元素letter，要求可接受的值只能是a-z其中的一个，具体Schema代码如下：

<element name="letter">
    <simpleType>
        <restriction base="string">
            <pattern value="[a-z]" />
        </restriction>
    </simpleType>
</element>

正确XML: <letter>a</letter> 

④ whiteSpace元素对空白字符的限定（空格约束）

在XML文档中，空白字符比较特殊，如果需要对空白字符进行处理，可以使用whiteSpace进行约束。whiteSpace元素有三个属性值：

• preserve：不对元素中的任何空白字符进行处理（保持原状）
• replace：移除所有空白字符
• collapse：将所有空白字符缩减为一个单一字符

例如，对于地址address元素内容中的空白字符不做任何处理，具体Schema代码如下：

<element name="address">
    <simpleType>
        <restriction base="string">
            <whiteSpace value="preserve" />
        </restriction>
    </simpleType>
</element>

正确XML: <address>abc def ghi</address> 

（4）复杂类型<complexType>

除简单类型之外的其他类型都是复杂类型，在定义复杂类型时，需要使用<complexType>元素来定义。复杂类型的元素可以包含子元素和属性，这样的元素称为复合元素。在定义复合元素时，如果元素的开始标记和结束标记之间只包含字符数据内容，那么这样的内容是简易内容，需要使用<simpleContent>元素来定义。反之，元素的内容都是复杂内容，需要使用<complexContent>元素来定义。复合元素有4种基本类型：

① 空元素

这里的空元素指的是不包含内容，只包含属性的元素，具体示例如下：

<product prodid="1345" />

在上面的元素定义中，没有定义元素product的内容，这时，空元素在XML Schema文档中对应的定义方式如下所示：

<element nane="product">
    <complexType>
        <attribute name="prodid" type="positiveInteger" />
    </complexType>
</element>

属性类型positiveInteger表示正整数。

② 包含其他元素的元素

XML文档中包含其他元素的元素，例如下面的示例代码：

<person>
    <firstname>John</firstname>
    <lastname>Smith</lastname>
</person>

在上面的示例代码中，元素person 嵌套了两个元素，分别是firstname和lastname。这时，在Schema文档中对应的定义方式如下所示：

<element name="person">
    <complexType>
        <sequence>
            <element name="firstname" type="string" />
            <element name="lastname" type="string" />
        </sequence>
    </complexType>
</element>

③ 仅包含文本的元素----简易内容

对于仅包含文本的复合元素，需要使用simpleContent元素来添加内容。在使用简易内容时，必须在simpleContent元素内定义扩展或限定，这时，需要使用extension 或restriction元素来扩展或限制元素的基本简易类型。请看-个XML的简易例子，其中，"shoesize"仅包含文本,具体示例如下：

<shoesize country="france">35</shoesize>

在上面的例子中元素shoesize 包含属性以及元素内容，针对这种仅包含文本的元素，需要使用<extension>来对元素的类型进行扩展，在Schema文档中对应的定义方式如下所示：

<element name="shoesize">
    <complexType>
        <simpleContent>
            <extension base="integer">
                <attribute name="country" type="string" />
            </extension>
        </simpleContent>
    </complexType>
</element>

④ 包含元素和文本的元素

在XML文档中，某些元素经常需要包含文本以及其他元素，例如，下面的这段XML文档：

<letter>
    Dear Mr.<name>John smith</name>.
    Your order<orderid>1032</orderid>
    will be shipped on<shipdate>2001-07-13</shipdate>
</letter>

上面的这段XML文档，在Schema文档中对应的定义方式如下所示：

<element name="letter">
    <complexType mixed="true">
        <sequence>
            <element name="name" type="string" />
            <element name="orderid" type="positiveInteger" />
            <element name="shipdate" type="date" />
        </sequence>
    </complexType>
</element>

需要注意的是，为了使字符数据可以出现在letter元素的子元素之间，使用了mixed属性，该属性是用来规定是否允许字符数据出现在复杂类型的子元素之间，默认情况下mixed的值是false。

最后，整个person.xsd代码如下：

<?xml version="1.0" encoding="UTF-8"?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"
    xmlns="http://www.example.org/person/schema"
    targetNamespace="http://www.example.org/person/schema" 
    elementFormDefault="qualified">
    <xs:element name="person">
        <xs:complexType>
            <xs:sequence>
                <xs:element name="firstname" type="xs:string" />
                <xs:element name="lastname" type="xs:string" />
                <xs:element name="age">
                    <xs:simpleType>
                        <xs:restriction base="xs:integer">
                            <xs:minInclusive value="18" />
                            <xs:maxInclusive value="58" />
                        </xs:restriction>
                    </xs:simpleType>
                </xs:element>
                <xs:element name="birthday" type="xs:date" />
            </xs:sequence>
        </xs:complexType>
    </xs:element>
</xs:schema>

整个person.xml代码如下：

<?xml version="1.0" encoding="UTF-8"?>
<person xmlns="http://www.example.org/person/schema" 
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://www.example.org/person/schema person.xsd">
    <firstname>John</firstname>
    <lastname>Smith</lastname>
    <age>18</age>
    <birthday>1990-03-12</birthday>
</person>

【DTD约束形式】

<!ELEMENT person (firstname, lastname, age, birthday)>
<!ELEMENT firstname (#PCDATA)>
<!ELEMENT lastname (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT birthday (#PCDATA)>