DTD(Document Type Definition,文件類型定義)可以視為一份或多份 XML 文件的模板:這些文件裡有哪些元素、元素帶什麼屬性、元素之間的排列順序,以及每個元素能裝什麼內容,都必須符合 DTD 的規定。
XML 文件中的元素(也就是我們自己定義的標記)是依實際應用需求而生的。想寫出一份完整度高、適應面廣的 DTD 其實非常困難,因為每個行業都有自己的特性,因此 DTD 通常會以某個應用領域作為定義範圍,例如醫學、建築、工商、行政。涵蓋面越廣,DTD 就越龐大複雜。
DTD 可以是一份完全獨立的檔案,也可以直接寫在 XML 文件裡,於是分成兩類:內部 DTD(在文件序言區直接設定)與外部 DTD(呼叫另一份已編輯好的 .dtd 檔)。舉例來說,若有數十家彼此有合作關係的公司互相交換 XML 電子文件,把共同的 DTD 放在同一個位置讓大家引用,是最省事的做法,公司內部的文件 likewise 適用。
內部 DTD 定義在 XML 文件的序言區,基本框架如下:
<!DOCTYPE 根元素名稱 [
...... 元素與屬性宣告 ......
]>
其中 <!DOCTYPE 表示 DTD 定義的開始(注意 DOCTYPE 必須大寫);根元素名稱 指定這份文件的根元素,而一個 XML 文件只能有一個根元素;方括號內是元素宣告的內容,最後以 > 收尾。
DTD 的主體是元素宣告,語法為:
<!ELEMENT 元素名稱 元素定義>
ELEMENT 關鍵字必須大寫;「元素定義」說明該元素的內容模型,也就是標記之間能放什麼——是其他子元素,還是純文字。
以書目為例:
<!ELEMENT 參考資料 (書籍)> <!ELEMENT 書籍 (名稱,作者,價格)> <!ELEMENT 名稱 (#PCDATA)> <!ELEMENT 作者 (#PCDATA)> <!ELEMENT 價格 (#PCDATA)>
這裡 參考資料 是 書籍 的父元素,書籍 又是 名稱、作者、價格 三者的父元素;而 名稱 只包含一般文字,屬於最底層的基本元素,由 #PCDATA 關鍵字定義。
若父元素宣告為 <!ELEMENT 書籍 (名稱,作者,價格)>,則子標記在文件中必須照這個順序出現,且各自只能出現一次。
如果宣告成 <!ELEMENT 書籍 ANY>,則該元素底下可放任何已宣告過的元素,次數與順序都不受限,甚至還能混雜文字。若只想放寬次數但仍維持順序,可在子元素名稱後加上次數符號:
|符號|代表的意思|
|?|不出現或只出現一次|
|*|不出現或可出現多次|
|+|必須出現一次以上|
|(無符號)|只能出現一次|
例如 <!ELEMENT 參考資料 (書籍?,報紙+,雜誌?,網站)> 表示:書籍可省略或出現多次;報紙至少一次;雜誌可省略或僅一次;網站則必須且只能出現一次。
有些父元素的子元素是「多選一」,這時可宣告為選擇性元素,選項之間以直立線分隔:
<!ELEMENT 配偶 (妻子|丈夫)>
文件中即可寫成 <配偶><丈夫>張三</丈夫></配偶>,只取其中一個。
另外還有所謂的空元素——沒有結束標記、單獨存在的元素,在 DTD 中以 EMPTY 宣告:
<!ELEMENT 元素名 EMPTY>
注意空元素在 XML 中的寫法仍須自成一對,例如 <br/> 這種自閉合形式,而不是真的什麼都不寫。
DTD 還能宣告 Entity,供 DTD 本身與 XML 文件重複使用。你可以把 Entity 想成一個有固定值的常數:
<!ENTITY PC "(#PCDATA)">
宣告之後,元素設定裡就能用它取代那串字元,例如 <!ELEMENT 作者 (#PCDATA)> 可改寫為 <!ELEMENT 作者 &PC;>。引用時,名稱前加 &、名稱後加 ;。
屬性的宣告語法如下:
<!ATTLIST 元素名稱 屬性名稱 型別 預設值>
ATTLIST 開頭(同樣注意大小寫);「元素名稱」表明這個屬性屬於誰;「型別」決定屬性值可以是什麼;「預設值」則規範當文件中未指定時的行為。
|型別|說明|
|CDATA|純文字|
|Enumerated|列出所有可選值,一次只能取一個|
|NMTOKEN|只能由字母、數字、底線、.、:、- 組成|
|NMTOKENS|多個 NMTOKEN 以空白分隔|
|ID|在該文件中唯一,常用來表示身分證號之類的識別碼|
|IDREF|參照另一個 ID 屬性|
|IDREFS|參照多個 ID 屬性,以空白分隔|
|ENTITY|值是一個外部 Entity,例如圖片檔|
|ENTITIES|多個外部 Entity,以空白分隔|
|NOTATION|值是 DTD 中宣告過的 notation,用來指定以何種應用軟體解讀該二進位檔|
|預設值|說明|
|#REQUIRED|該屬性在標記中必須出現|
|#IMPLIED|可以不出現|
|#FIXED|屬性值固定,文件中不可更改|
|字串|文件中若未指定,就以此字串作為屬性值|
<!ATTLIST 姓名 性別 (男女) "男">
為「姓名」元素加上名為「性別」的列舉型屬性,取值只能是男或女;若文件中沒寫,預設就是「男」。
<!ATTLIST 姓名 號碼 ID #REQUIRED>
「號碼」是 ID 型別,代表同一份文件中這個值必須唯一。若出現兩筆 <姓名 號碼="1234567">,解析時就會報錯;而 #REQUIRED 表示這個屬性一定要寫,否則也算格式不合規。
<!ATTLIST 電話號碼 國家代碼 CDATA #FIXED "86">
「國家代碼」被設為固定值,文件中不該也不能自行指定,解析器會自動把 國家代碼="86" 補進去。
XML 規範預留了兩個內建屬性,名稱都以 xml: 開頭;你自己定義的屬性名稱不可使用這個前綴,否則解析會出錯。
xml:space 是列舉型屬性,用來告訴應用程式如何處理空白:default 表示交給應用程式的預設邏輯處理(未設定時即為此值),preserve 表示要求保留所有空白。
xml:lang 用來標示標記內容的語言,代號依 ISO 639 訂定,例如 en 為英文、la 為拉丁文、zh 為中文、zh-CN 為簡體中文、zh-TW 為繁體中文。系統預設是 xml:lang="en"。
外部 DTD 是獨立於 XML 檔案之外的文件,本質上仍是純文字檔,只是副檔名為 .dtd。因為獨立,它可以被多份 XML 共用——就像同一個模板能寫出多篇不同內容的文件,這些文件的結構自然大同小異。
建立方式與語法和內部 DTD 完全相同,只是少了最外層的 DOCTYPE 包裹:
<?xml version="1.0" encoding="GB2312"?> <!ELEMENT 參考資料 (書籍*)> <!ELEMENT 書籍 (名稱,作者,價格)> <!ELEMENT 名稱 (#PCDATA)> <!ELEMENT 作者 (#PCDATA)> <!ELEMENT 價格 (#PCDATA)> <!ATTLIST 價格 貨幣單位 CDATA #REQUIRED>
XML 文件用下列語法引用外部 DTD:
<!DOCTYPE 根元素名稱 SYSTEM "DTD的URL"> <!DOCTYPE 根元素名稱 PUBLIC "公開邏輯名稱" "DTD的URL">
SYSTEM 表示這份 DTD 是私有的——自己建立、僅在個人或公司內部、少數合作單位之間使用;PUBLIC 則表示它是經過公開討論的公用 DTD,並有一個邏輯名稱,引用時必須一併指明。整段宣告要放在文件的序言區。例如:
<?xml version="1.0" encoding="GB2312"?> <!DOCTYPE 參考資料 SYSTEM "https://www.xml.com/ckzl.dtd">
<?xml version="1.0" encoding="GB2312"?>
<!DOCTYPE 參考資料 [
<!ELEMENT 參考資料 (書籍?)>
<!ELEMENT 書籍 (名稱,作者,價格)>
<!ELEMENT 名稱 (#PCDATA)>
<!ELEMENT 作者 (#PCDATA)>
<!ELEMENT 價格 (#PCDATA)>
<!ATTLIST 價格 貨幣單位 CDATA #REQUIRED>
]>
<參考資料>
<書籍>
<名稱>XML 入門精解</名稱>
<作者>張三</作者>
<價格 貨幣單位="人民幣">20.00</價格>
</書籍>
<書籍>
<名稱>XML 語法</名稱>
<!-- 即將出版 -->
<作者>李四</作者>
<價格 貨幣單位="人民幣">18.00</價格>
</書籍>
</參考資料>
DTD 的語法相當繁瑣,而且自成一格、並不符合 XML 本身的標準。上面這些內容的目的,是讓你能讀懂既有 DTD 並在需要時寫出簡單的 DTD,因為目前仍有大量 XML 應用建立在 DTD 之上。
作為替代方案,W3C 制訂了 XML Schema。Schema 最明顯的優勢是它本身就是一份 XML 文件,不必另學一套語法,因此能用處理 XML 的同一套工具來編輯與驗證。懂 XML 語法與規則的人,幾乎可以立刻上手。Schema 的概念提出已久,W3C 標準也相繼底定,相關工具支援在當年仍在完善之中,但採用 Schema 已是 XML 發展的既定方向。