XML 早已無所不在。從傳統的內容出版、企業間的業務交易,一路延伸到社群平台的訊息交換,它幾乎滲透進資訊處理的每個角落。然而,「XML 很簡單」這種普遍印象,往往讓開發者在設計標記結構時偷了懶——面向單一應用的標記組合,未必是描述一組資訊集合的最佳方式。結構設計得馬虎,後續要操作或呈現這份資料時,就得寫出更繁瑣的程式碼來補救。好消息是:只要在最初的建模階段多花一點心思,往後的開發就能省下大量力氣。
設計一套資訊結構,歸根究柢其實只要回答三個問題:
接下來,我們就拿一個再熟悉不過的例子——地址記錄——來看看,在資料處理的場景中該如何規劃它的 XML 結構。
同樣一筆地址記錄,可能出現在截然不同的環境裡:它可以是另一份資訊集合中的獨立一筆,也可以是資料庫中某個龐大集合的成員,還可能被拿去列印標籤或直接查詢。先看最樸素的樣子,如清單 1。
清單 1. 一筆姓名與地址記錄
John Q. Public
1234 Main Street
Anytown, Anystate 54321-6789
若從 XML 的角度著眼,這筆記錄可以標記得非常簡單,如清單 2。
清單 2. 使用簡單標記的姓名與地址記錄
<address_rec>
<line>John Q. Public</line>
<line>1234 Main Street</line>
<line>Anytown, Anystate 54321-6789</line>
</address_rec>
當然,它也可以細緻得多,如清單 3。
清單 3. 使用精細標記的姓名與地址記錄
<address_rec>
<name>
<given_name>John</given_name>
<middle>Q.</middle>
<family_name>Public</family_name>
</name>
<address>
<street>1234 Main Street</street>
<city>Anytown</city>
<state>Anystate</state>
<zip_code>54321-6789</zip_code>
</address>
</address_rec>
你甚至能再往下拆分,把句點、逗號、連字號這些標點都獨立標記出來,或是把郵遞區號拆成五位與四位兩段;也可以乾脆擴充欄位,加入電話、傳真、電子郵件或網址。結構要多細,取決於你的目的。
這時不妨回到前面那三個問題:什麼才算「有用的片段」?要回答它,得先想清楚這份資料的用途與目標。你打算拿它做什麼?
資料的使用方式,會直接左右你如何切分片段。因此,分析一份資訊集合的第一步,永遠是先辨識出關鍵需求。該定義哪些容器(或直接沿用既有的標準容器),理應由實際的使用情境來主導。單純把資料拆成若干行與列,有時並不足夠——關聯式表格的記錄結構,未必能涵蓋某些真正實用的組合。
一般來說,一份資訊集合的需求可以歸成三類:
在既定預算與時程下,「必要具備」通常已先行確定,專案團隊再從「最好具備」中挑選一部分著手。話雖如此,把每一項辨識出的需求都記錄下來仍是好習慣——就連藍天option也不例外。今天被歸為藍天的想法,明天很可能成為某項必要需求的附帶成果。
一個 XML 結構通常由元素與屬性組成。在最基礎的層次上,元素是承載資料的容器,而屬性則是貼在容器上的標籤。初次為一份資訊集合建模時,合理的做法是先把它定義成一組元素,再用屬性去補強、細化這個骨架。
在這個地址記錄的例子裡,無論簡版還是繁版都只動用了元素。其實屬性可以讓結構更靈活——比方說用來承載排序鍵。只要你不是被迫去迎合別人的結構、而是自建詞彙表,那麼元素與屬性的取捨幾乎全憑你的需求決定,僅受少數技術限制約束。
回頭檢視清單 3 那個較完整的版本,它似乎已滿足了前面列出的所有需求:
看來初始需求都已達成。儘管結構仍有加細的空間,但此刻可以喊停了。別忘了那句老話:做得到,不代表就該做。
若想再進一步增強,資料庫一向偏愛鍵值,因此可以為每個 address_rec 加上一組記錄鍵,如清單 4。
清單 4. 帶有 key 屬性的姓名與地址記錄
<address_rec key="1234">
<name>
<given_name>John</given_name>
<middle>Q.</middle>
<family_name>Public</family_name>
</name>
<address>
<street>1234 Main Street</street>
<city>Anytown</city>
<state>Anystate</state>
<zip_code>54321-6789</zip_code>
</address>
</address_rec>
如果你是把資料庫中的記錄匯出成 XML,就能直接把資料庫主鍵對應到 address_rec 的 key 屬性。這個屬性的角色,就是替整筆記錄掛上一個獨一無二的識別標籤。
就算不打算把電話號碼印在標籤上,你仍可以在 XML 中納入其他聯絡方式,如清單 5。
清單 5. 帶有其他聯絡資訊的姓名與地址記錄
<address_rec key="1234">
<name>
<given_name>John</given_name>
<middle>Q.</middle>
<family_name>Public</family_name>
</name>
<address>
<street>1234 Main Street</street>
<city>Anytown</city>
<state>Anystate</state>
<zip_code>54321-6789</zip_code>
</address>
<phone>316-555-1234</phone>
<email>john@mydomain.com</email>
<web>https://www.mydomain.com/john</web>
</address_rec>
倘若這位神秘的 John Q. Public 和你我一樣成天黏在電腦前,他很可能有好幾個聯絡管道。這時你可以為每種聯絡方式各設一個元素,也可以用一個帶修飾屬性的重複元素來表達。我們採用後者,並允許填寫多組號碼,如清單 6。
清單 6. 帶有更豐富聯絡資訊的姓名與地址記錄
<address_rec key="1234">
<name>
<given_name>John</given_name>
<middle>Q.</middle>
<family_name>Public</family_name>
</name>
<address>
<street>1234 Main Street</street>
<city>Anytown</city>
<state>Anystate</state>
<zip_code>54321-6789</zip_code>
</address>
<phone type="home">316-555-1234</phone>
<phone type="fax">316-555-1235</phone>
<phone type="mobile">316-555-1236</phone>
<web type="email">john@mydomain.com</web>
<web type="email">john@myworkdomain.com</web>
<web type="homepage">https://www.mydomain.com/john</web>
<web type="twitter">johnqpublic</web>
</address_rec>
元素與屬性的命名都是自由的(除非你必須遷就既有的結構),type 屬性的取值亦然。名稱的選用同樣可以由應用程式或系統的需求來驅動。這個過程最關鍵的一點,始終是「滿足需求」——只要能把既定任務漂亮地完成,你就做對了。
辨識出有用片段、定義並打磨好模型之後,下一個問題是:可以收工了嗎?對某些 XML 應用而言,只要辨識出資訊區塊、用標記把片段標示清楚,就足以驅動後續處理了。此時你手上擁有的是「格式良好」(well-formed)的 XML 文件——它們遵循極少的規則,能被各種處理系統接受,對不少應用來說綽綽有餘。
但要是你的某些需求需要更嚴格的規則約束呢?這時就可以對 XML 文件進行「驗證」——由程式依一套更特定的規則與關係去檢查它,並用某種或多種正式驗證語言寫出這套框架。常見的驗證語言包括:
此外,Schematron 這套以 XSLT 為基礎的驗證語言,能表達上述模式語言未能涵蓋的其他規則,用來檢查文件的內容與結構。模式同時也是一種溝通工具,特別適合表單、創作工具這類需要人機互動的場合——它等於在資訊提供者與使用者之間訂下一份契約:「這是我想要的,這是我期望的組織方式。」
驗證並非每個 XML 應用的必備環節,卻常是控制文件生成品質、或替外部來源的文件把關的利器。是否需要模式,得先捫心自問幾個問題:
同樣地,那句老話依舊管用:做得到,不代表就該做。有時為某個特殊的資訊集合開發模式既沒必要、也沒什麼用處,甚至因工作量過大而變得不切實際。模式最適合資料相對可預測的情境——資料的變化越多,能支撐它的模式就越複雜。
現在,你應該已經掌握了辨識 XML 資訊集合有用部分的完整流程:
為 XML 應用打好這層地基,能大幅降低你在開發過程中被逼著寫出那些「聰明」(也就是複雜)程式碼的機率。