第1天 XML和DTD、schema约束

1、xml

* 扩展名：*.xml

* 作用：存储、配置

一个XML文件分为如下几部分内容：文档声明、元素、属性、注释  CDATA区、特殊字符、处理指令（processing instruction）。

1.1文档声明

最简单的声明语法：

<?xml version="1.0" ?>

version：设置当前xml文档内容使用的版本

用encoding属性说明文档的字符编码：

<?xml version="1.0" encoding="GB2312" ?>

用standalone属性说明文档是否独立：

<?xml version="1.0" encoding="GB2312"  standalone="yes" ?>

常见错误

没有写引号：<?xml version=1.0 ?>

输入内容中有中文： <?xml version=“1.0”　?>  //中文空格

编码错误，记事本设置编码UTF-8，用其他编辑器打开。

1.2元素

XML元素指XML文件中出现的标签，一个标签分为开始标签和结束标签。

格式：<x></x> or <x />，名称自定义

• 建议字母开头
• 区分大小写
• 不能包含空格 <a b>
• 不能包含冒号 <a:b>

注意：

• 一个标签中也可以嵌套若干子标签，但不能交叉嵌套
• 格式良好的xml文档只有一个根

　　由于在XML中，空格和换行都作为原始内容被处理，所以，在编写XML文件时，使用换行和缩进等方式来让原文件中的内容清晰可读的“良好”书写习惯可能要被迫改变。

1.3属性

• 前提：在某元素的基础上，确定相应的属性
• 格式：<x attribute="attrValue"  />.

一个标签可以有多个属性，每个属性都有它自己的名称和取值。

属性值一定要用双引号（"）或单引号（‘）引起来。

定义属性必须遵循与标签相同的命名规范。

1.4注释

格式：<!--注释内容-->

注意：XML声明之前不能有注释；注释不能嵌套

1.5转义字符

格式： &xx;  --> {详见“html转义.html”

HTML特殊转义字符列表

最常用的字符实体

Character Entities

1.6 CDATA区

　　在编写XML文件时，有些内容可能不想让解析引擎解析执行，而是当作原始内容处理。遇到此种情况，可以把这些内容放在CDATA区里，对于CDATA区域内的内容，XML解析程序不会处理，而是直接原封不动的输出。

• 在xml文档中存放任意内容的区域
• 格式：<![CDATA[  cdata内>*容  ]]>

1.7处理指令（processing instruction，PI）

　　处理指令用来指挥解析引擎如何解析XML文档内容。例如，在XML文档中可以使用xml-stylesheet指令，通知XML解析引擎，应用css文件显示xml文档内容。

格式：<?xml-stylesheet type="text/css" href="uri"  ?>

• type：类型，内容是MIME类型 image/jpeg
• href：确定引用文件的位置。
• 　　　　uri：统一资源标识符，1.html  news/m.html
• 　　　　url：统一资源定位符，http://www.fengjie.com/news/m.html

处理指令必须以“<?”作为开头，以“?>”作为结尾，XML声明语句就是最常见的一种处理指令。

1.8 xml乱码

* 文档内容编码：UTF-8

* 文件编码：window默认GBK

* 解决文件乱码的方法：将文档内容编码与文件编码统一。

XML语法规则总结：

• 所有 XML 元素都须有关闭标签
• XML 标签对大小写敏感
• XML 必须正确地嵌套顺序
• XML 文档必须有根元素
• XML 的属性值须加引号
• 特殊字符必须转义
• XML 中的空格会被保留

2、编码、字符集

UTF-8：万国码，（1-6字符）

GB2312:国标码（简体）

GBK：国标码（简体、繁体），GB2312升级版

GB18030：国标码（简体、繁体、少数名族），GBK升级版

BIG5：大5码（繁体）

ISO-8859-1：英文编码

3、约束

在XML技术里，可以编写一个文档来约束一个XML文档的书写规范，这称之为XML约束。

常用的约束技术有两种：XML DTD和XML schema

3.1 DTD约束

　　DTD(Document Type Definition)，全称为文档类型定义。DTD约束既可以作为一个单独的文件编写，也可以在XML文件内编写。XML文件使用 DOCTYPE 声明语句来指明它所遵循的DTD文件。

（1）文档关联方式

• 内部关联格式：<!DOCTYPE 根元素 [语法]>

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books [
<!ELEMENT books (book+)>
<!ELEMENT book (name,author,price)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ELEMENT price (#PCDATA)>
]>
<books>
<book>
    <name>Java</name>
    <author>LXH</author>
    <price>3212</price>
</book>
</books>

• 外部关联格式：<!DOCTYPE 根元素 SYSTEM "URI">

book.dtd

<?xml version="1.0" encoding="UTF-8"?>
<!ELEMENT books (book+)>
<!ELEMENT book (name,author,price)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ELEMENT price (#PCDATA)>

book.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books SYSTEM "book.dtd">
<books>
<book>
    <name>Java</name>
    <author>LXH</author>
    <price>44</price>
</book>
</books>

• 公共关联格式：<!DOCTYPE 根元素 PUBLIC "文档名称" "文档URL">

新建一个Web Project，J2EE Specification Level选择“J2EE1.3”，如图所示。

在新建的Web Project下有一个WebRoot文件夹，下面有个WEB-INFO，里面还有个web.xml文件，打开web.xml，里面内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE web-app PUBLIC "-//Sun Microsystems, Inc.//DTD Web Application 2.3//EN" "http://java.sun.com/dtd/web-app_2_3.dtd">
<web-app>
  <welcome-file-list>
    <welcome-file>index.jsp</welcome-file>
  </welcome-file-list>
</web-app>

里面的“http://java.sun.com/dtd/web-app_2_3.dtd”就是使用了公共关联，按住Ctrl点击，可关联到此文档。

（2）元素

格式：<!ELEMENT 元素名称 元素内容的类型>

符号：

? : 0或1

+ : >=1

* : >=0

(): 分组

| : 选择

，: 顺序

类型：

• #PCDATA，只能书写字符，不能包含子元素，注意： (#PCDATA)
• EMPTY，元素内容为空
• ANY，元素内容任意

例：book.dtd

<?xml version="1.0" encoding="UTF-8"?>
<!ELEMENT books (book+)>
<!ELEMENT book (name,author*,version?,(year|price))>
<!ELEMENT name (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ELEMENT version (#PCDATA)>
<!ELEMENT year EMPTY>
<!ELEMENT price EMPTY>

book.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books SYSTEM "book.dtd">
<books>
<book>
    <name>Java</name>
    <author>LXH</author>
    <author>HLD</author>
    <version>v1.1</version>
    <price></price>
</book>
<book>
    <name>C++</name>
    <author>HLD</author>
    <year/>
</book>
</books>

（3）属性

格式：<!ATTLIST 元素名称 [属性名称 属性类型 约束 ...]>

属性类型及其含义：

约束的四种形式：

• #REQUIRED，必须填写
• #IMPLIED,可选
• #FIXED value，固定值
• defaultValue，默认值

例：book.dtd

<?xml version="1.0" encoding="UTF-8"?>
<!ELEMENT books (book+)>
<!ELEMENT book (name,price)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT price (#PCDATA)>
<!ATTLIST book
    id ID #REQUIRED
    title CDATA #IMPLIED
    lang CDATA #FIXED "固定值"
    category CDATA "默认值"
    pid IDREF #REQUIRED
    city (北京|上海|广州) #REQUIRED
>

book.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books SYSTEM "book.dtd">
<books>
<book id="B001" title="" pid="B001" city="上海">
    <name>Java</name>
    <price></price>
</book>
<book id="B002" title="" category="类别" pid="B002" city="上海">
    <name>Java</name>
    <price></price>
</book>
</books>

（4）实体

实体是变量，用于引用普通文本或特殊字符的快捷方式的变量。

实体分为内部实体和外部实体。

• 内部实体

内部实体分为引用实体和参数实体：

*引用实体：主要在 XML 文档中被应用。

• 格式：<!ENTITY 实体名称 "内容">
• 使用位置：在xml文档中使用
• 使用格式：&实体名称;

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books[
    <!ENTITY bookname "java">
    <!ELEMENT books (book+)>
    <!ELEMENT book (name,price)>
    <!ATTLIST book
        id ID #REQUIRED
        title CDATA #IMPLIED
        lang CDATA #FIXED "固定值"
        category CDATA "默认值"
        pid IDREF #REQUIRED
        city (北京|上海|广州) #REQUIRED
    >
]>
<books>
<book id="B002" title="" category="类别" pid="B002" city="上海">
    <name>&bookname;</name>
    <price>40</price>
</book>
</books>

*参数实体：被 DTD 文件自身使用

• 格式：<!ENTITY % 实体名称 "内容">
• 使用位置：在DTD文档中使用
• 使用格式：%实体名称

<?xml version="1.0" encoding="UTF-8"?>
<!ENTITY % fieldVal "name,age">
<!ELEMENT persons (person+,user+)>
<!ELEMENT person (%fieldVal;,tel)>
<!ELEMENT user (%fieldVal;,sal)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT tel (#PCDATA)>
<!ELEMENT sal (#PCDATA)>

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books SYSTEM "book.dtd">
<persons>
    <person>
        <name>zhangsan</name>
        <age>32</age>
        <tel>1234</tel>
    </person>
    <user>
        <name>ls</name>
        <age>24</age>
        <sal>889</sal>
    </user>
</persons>

*外部实体

• 格式：<!ENTITY 实体名称 SYSTEM "URI">
• 使用位置：在xml文档中使用
• 使用格式：&实体名称;

part.xml

<?xml version="1.0" encoding="UTF-8"?>
<entity>测试外部实体</entity>

book.dtd

<?xml version="1.0" encoding="UTF-8"?>
<!ENTITY part SYSTEM "part.xml">
<!ELEMENT books (book+)>
<!ELEMENT book ANY> <!--(#PCDATA)不能有子元素-->

book.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books SYSTEM "book.dtd">
<books>
    <book>&part;</book>
</books>

<book>&part;</book>相当于<book><entity>测试外部实体</entity></book>

3.2 schema约束

XML Schema 文件自身就是一个XML文件，扩展名为*.xsd。XML Schema是用一套预先规定的XML元素和属性创建的，这些元素和属性定义了XML文档的结构和内容模式。 XML Schema规定XML文档实例的结构和每个元素/属性的数据类型。

• l  编写了一个XML Schema约束文档后，通常需要把这个文件中声明的元素绑定到一个ＵＲＩ地址上
• l  在XML Schema技术中有一个专业术语来描述这个过程，即把XML Schema文档声明的元素绑定到一个名称空间上
• l  以后XML文件就可以通过这个URI（即名称空间）来告诉解析引擎，xml文档中编写的元素来自哪里，被谁约束

schema文档，根元素是schema，在http://www.w3.org/2001/XMLSchema定义

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

books为根元素

【targetNamespace】为当前的schema文档命名，属性在自定义。但是，要求全球唯一，采用URL域名进行命名。

【xmlns】xml namespace ——>xml命名空间。引用已有的命名空间，官方为自己的schema文档起的名称。

【xmlns:tns】

格式1：  xmlns:别名

使用：tns:schema，从当前别名tns所代表的schema文档中定义了schema元素

格式2： xmlns(默认命名空间引用)

好处：防止命名冲突

【elementFormDefault="qualified"】 指出任何 XML 实例文档所使用的且在此 schema 中声明过的元素必须被命名空间限定。

命名空间的使用在XML中主要有两个目的：

n  用于区分那些名称相同但来自不同schema库，具有不同含义的元素和属性。通过将元素、属性与URL相关联，命名空间能够区分具有相同名称的元素

n  在一个单一的XML应用中，将相关的元素和属性组合起来，使它们可以很容易地被软件包识别。

名称空间用一个唯一的URI（Uniform Resource Identifier，统一资源标识符）表示，仅起到唯一标识的作用。

n  默认命名空间声明：不带前缀 ，默认命名空间只能有一个

• 格式：xmlns=“url”
• 例如：xmlns="http://www.w3.org/2001/XMLSchema"

n  显式命名空间声明：声明时指定前缀

• 格式：xmlns: quoteName =“url”
• 例如： xmlns:xsi=http://www.w3.org/2001/XMLSchema-instance

一个XML Schema文档通常称之为模式文档(约束文档)，遵循这个文档书写的xml文件称之为实例文档。并且根元素schema节点必须来自http://www.w3.org/2001/XMLSchema 命名空间，官方建议使用使用前缀 xs ，及xmlns:xs。

Schema相对于DTD的明显好处是，XML Schema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。

在文档关联中，如何确定文件的位置？

官方规定“http://www.w3.org/2001/XMLSchema-instance” 将当前的xml文档实例化

* schemaLocation属性（两个参数空格隔开）

* 第一参数：实例化所需要的schema文档的名称

* 第二参数：schema文档的URI

定义根元素element：<别名:element name=””>

调用schema（book.xml）

<?xml version="1.0" encoding="UTF-8"?>
<books xmlns="http://www.example.org/books"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.example.org/books books.xsd"
>
</books>

XML Schema基础概念：

简易元素：仅包含文本的元素。它不会包含任何其他的元素或属性。

复合元素：包含其他元素及/或属性的 XML 元素

l  空元素

l  包含其他元素的元素

l  仅包含文本的元素

l  包含元素和文本的元素

Schema文档中出现的元素标记

例1：定义一个简单元素

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

    <element name="books">
        <complexType>
            <sequence>
                <!-- 1、定义元素 -->
                <element name="ele"></element>
              <!—所有的元素必须定义在跟元素下面（这里） -->
</sequence>
        </complexType>
    </element>
</schema>

对应的xml文件：

<?xml version="1.0" encoding="UTF-8"?>
<!—-对应的xml文档-->
<books xmlns="http://www.example.org/books"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.example.org/books books.xsd"
>
    <ele></ele>
</books>

例2：定义元素包含子元素，子元素顺序出现

<element name="person">
    <complexType>
        <sequence>  <!-- 顺序 -->
            <element name="name"></element>
            <element name="age"></element>
        </sequence>
    </complexType>
</element>

例3：定义含有子元素的元素--任选一个

<element name="user">
    <complexType>
        <choice><!-- 选择 -->
            <element name="name"></element>
            <element name="age"></element>
        </choice>
    </complexType>
</element>

例4：定义含有子元素的元素--子元素没顺序

<element name="worker">
    <complexType>
        <all><!-- 无序的 -->
            <element name="name"></element>
            <element name="age"></element>
        </all>
    </complexType>
</element>

例5.1：仅含有属性的空元素

<element name="img">
    <complexType>
        <attribute name="src" type="string"/>
    </complexType>
</element>

例5.2：仅含有属性的空元素，属性必须写

<element name="img">
    <complexType>
        <!—【use】 optional:可选、required：必选、prohibited:禁用-->
        <attribute name="src" type="string" use="required"/>
    </complexType>
</element>

例6：必须含有属性的非空元素

<!-- <price unit="￥">30</price>     -->
<element name="price">
    <complexType> <!-- 类型为复合元素 -->
        <simpleContent><!-- 内容简单 -->
            <!--将简单的内容扩展成复杂的类型 【base】确定简单内容的类型  -->
            <extension base="integer">
            <!-- 定义属性：【name】确定名称、【type】确定类型、【use】optional:可选、required：必选、prohibited:禁用-->
                 <attribute name="unit" type="string" use="required">
                 </attribute>
            </extension>
        </simpleContent>
    </complexType>
</element>

例7：必须含有属性也包含子元素的元素

 <element name="book">
                     <complexType>
                         <sequence>
                             <element name="title" type="string"></element>
                         </sequence>
                         <attribute name="catagory" type="string"></attribute>
                     </complexType>
                 </element>

例8、元素内容必须是2-5之间的数

<element name="number">
    <simpleType>
        <restriction base="int"><!-- 限制 -->
            <maxInclusive value="5"/>
            <minInclusive value="2"/>
        </restriction>
    </simpleType>
</element>

例9：包含多个指定元素

<!--<students>
    <student></student>
    <student></student>
</students>
minOccurs:最小出现次数，默认为1
maxOccurs:最大出现次数，默认为1
？——>minOccurs=0;    maxOccurs =1
+ ——>minOccurs=1;    maxOccurs =unbounded
* ——>minOccurs=0;    maxOccurs =unbounded
 -->
<element name="students">
    <complexType>
        <sequence minOccurs="1" maxOccurs="unbounded">
            <element name="student"></element>
        </sequence>
    </complexType>
</element>

例10：将身份证号格式化

<element name="personId">
    <simpleType>
        <restriction base="string">
            <pattern value="\d{6}-\d{8}-\d{4}"></pattern>
        </restriction>
    </simpleType>
</element>

属性相关定义

l  attribute元素的use属性来定义是否是必须的属性

• required是必须值
• optional是可选值
• prohibited是无属性值

l  缺省值如何定义

• <attribute name="quantity" type="integer" default="1"/>

l  固定值如何定义

• <attribute name="name" fixed="张三"></attribute

Schema和DTD区别

XML从SGML (Standard Generalized Markup Language,标准通用标记语言)中继承了DTD，并用它来定义内容的模型，验证和组织元素。同时，它也有很多局限：

• DTD不遵守XML语法；
• DTD不可扩展；
• DTD不支持命名空间的应用；
• DTD没有提供强大的数据类型支持，只能表示很简单的数据类型。

Schema完全克服了这些弱点，使得基于Web的应用系统交换XML数据更为容易。下面是它所展现的一些新特性：

• Schema完全基于XML语法，不需要再学习特殊的语法；
• Schema能用处理XML文档的工具处理，而不需要特殊的工具；
• Schema大大扩充了数据类型，支持booleans、numbers、dates and times、URIs、integers、decimal numbers和real numbers等；
• Schema支持原型，也就是元素的继承。如：我们定义了一个“联系人”数据类型，然后可以根据它产生“朋友联系人”和“客户联系”两种数据类型；
• Schema支持属性组。我们一般声明一些公共属性，然后可以应用于所有的元素，属性组允许把元素、属性关系放于外部定义、组合；
• 开放性。原来的DTD只能有一个DTD应用于一个XML文档，现在可以有多个Schema运用于一个XML文档。