走到這裡,你已經對XML有了初步認識。或許你會覺得結構有點複雜,而DTD又提供了各種定義文件內容的選項——但其實還有更多值得探索的地方。
想像一個對數據交換要求極高的產業,比如銀行。銀行會用一套所有權系統來追蹤內部交易,但如果他們想在Web上採用通用的XML格式,就得設法把交易資訊傳遞給另一個機構或應用程式(例如Quicken或MS Money)。這時,一套共同的標記語言就顯得格外重要。事實上,這樣的應用早已存在,例如名為OFEX的「開放金融交易格式」(Open Financial Exchange)。
再舉一例:當PC上的IE 4遇到某個特定的標記時,系統可能會啟動一個函式,提示用戶更新已安裝的軟體。如果你用過Windows 98,或許曾看過類似情形,卻渾然不覺那其實就是一個XML應用。
正如一句話所說:「當你用人和機器都能讀懂的標記來描述資料時,好事就會發生。」至於這些「好事」具體是什麼,或許連現在的我們也說不清,就像當年沒人能預測PC上會出現哪些應用一樣。但只要資料以這種方式標記,各種各樣的應用就有無限可能。
當你讀完XML簡介,準備動手寫自己的文件,並四處尋找現成的DTD時,可能會碰到類似這樣的語法:
<!ATTLIST fn
%attr.lang;
value CDATA #FIXED "TEXT">
<!ENTITY % attr.img "
img.type CDATA #REQUIRED
img.data ENTITY #REQUIRED">
別被它嚇到。這些語法其實是用在DTD裡,用來定義XML文件中的「屬性」和「實體」。熟悉HTML的人對此並不陌生。
屬性,就是附帶在標記上的資訊,用來更精確地描述該標記。舉例來說,在一段圖片標記裡,height與width就是兩個屬性;XML文件裡使用屬性的方式也與此類似。至於實體,如果你用過「&」符號,其實就已經掌握了最基礎的概念——被「&」和分號包圍的字符串,用來代表另一個或一組字符。
還記得之前用簡單標記表示的食譜嗎?例如「<item>2 cups flour</item>」。後來我在網路上看到另一份XML食譜,它把食材寫成這樣:
<ingredient quantity="2" units="cups">flour</ingredient>
這種寫法有個實際好處:更容易控制資料。用第一種寫法時,<item>標記裡混著分量、單位和名稱,若我只想取出食材清單而不需要分量,就很難處理。當然,也可以改用嵌套標記:
<item>flour
<quantity>2</quantity>
<units>cups</units>
但這樣有兩個問題:其一,item元素混雜了文字與其他標記,形成「混合內容」,應盡量避免;其二,這些標記單獨看幾乎沒有意義,很難想像只要units而不要食材本身的情形。因此,我更傾向把它們當作屬性來描述。不過要留意,屬性名(如quantity和units)只有在能被相應應用程式「看懂」時才有意義。
在把屬性放進有效文件之前,得先讓DTD允許它。對於上面的ingredient元素,DTD中可以這樣寫:
<!ELEMENT ingredient #PCDATA>
<!ATTLIST ingredient quantity CDATA #REQUIRED>
<!ATTLIST ingredient units CDATA #REQUIRED>
第一行是任何DTD都會出現的標準元素定義;而每一行ATTLIST則依序包含四項資訊:屬性所依附的元素、屬性名稱、屬性類型,以及預設值。以quantity為例,這裡把類型設為CDATA(字元資料),代表處理器可以在屬性中取得文字。
至於最後的預設值部分,我沒有指定具體數字,而是使用了XML關鍵字#REQUIRED,它告訴處理器:這個屬性必須帶有一個值,否則文件將無法通過處理。
除了#REQUIRED,還有兩個常見關鍵字。第一個是#FIXED,用於屬性值在整份文件中都維持固定的情況。例如假設所有圖片尺寸都相同,都是100×50像素,就可以這樣定義:
<!ATTLIST picture length CDATA #FIXED "100 px">
<!ATTLIST picture width CDATA #FIXED "50 px">
第二個是#IMPLIED,表示該屬性可以帶值,也可以留空。
如果你打算親手撰寫DTD,可能需要一本專門講解ATTLIST各種組合的參考書;但若只是借用現成的DTD,那麼熟悉CDATA和以下三種類型通常就夠用了。
第一種是ID,它要求屬性值在文件中不得重複,就像資料庫裡的唯一標識符一樣。寫法如下:
<!ATTLIST element_name attribute_name ID #REQUIRED>
ID通常都搭配#REQUIRED使用,因為一旦出現重複或空白的ID,處理器就會報錯。此外,ID必須以字母或底線開頭,且不能包含空格。
第二種是NMTOKEN,命名規則與ID相同,但允許重複。它常用來確保資料能順利傳遞給應用程式——畢竟多數程式語言(如Java、JavaScript)在模組名稱中都不允許空格,用NMTOKEN約束屬性能避免不必要的麻煩。
最後是列舉類型,它不需要特定關鍵字,而是把可能的值用括號列在其中,例如:
<!ATTLIST sibling (brother sister) #REQUIRED>
當某個屬性只有有限的幾種可能取值時,就能用這種方式來限定。掌握這些,你已經具備動手打造自己XML文件的基礎了。