XML简易教程三

XML的未来
现在你已经知道XML。确实，结构有点复杂，而且DTD有各种可
以定义文档可以包含的内容的选项。但还不只这些。

考虑一个数据交换对其很重要的产业，如银行。银行使用所有
权系统来跟踪内部的交易，但是如果他们在Web上使用一种通用
的XML格式，那么他们必须描述交易信息给另一个机构或应用程
序（如Quicken或MS Money）。当然，他们也可以在Web页面上
表示数据。FYI：这个标记不存在。它叫做OFEX，开放金融交易
格式（Open Financial Exchange）。

在某种情况下，如果PC上的IE 4碰到一个<SOFTPKG> 标记符，一
个函数会被启动以给用户更新已安装的软件的机会。如果你用
的是Windows 98，你可能看见过这种情况，但是不知道它是一
个XML应用程序。

这里我们有三个XML应用程序，看起来与Andy Grove在70年代看
到的加法机、打字机和铅笔不同。但是与最终出现在PC上的应
用程序相似，XML的好处可以被一般性地描述为：“当你使用人
类和机器可读的标记符描述你的数据时，会有好事发生的。”

这些好事是什么呢？我不知道。但是我也不知道我的PC上的下
一代程序将会是什么样。只要数据以这种方式标记，可以产生
不同的应用。

你开始考虑它会扩展到什么程度了吗？

我们有很多XML的实际应用可以谈论，我会在不久的将来谈到它
们的。既然我们都是网民，以后将是XSL（扩展样式语言 -
eXtensible Style Language）了。

顺便提一句，这个菜谱确实是我妈妈_的，而且很杰出。如果你
用之，再加半杯碎椰子。

我写这篇文章是因为我真诚地关心你对我的看法。我担心的是：如果你读过我写的XML简介然后准备开始写自己的XML文档。于是你开始寻找一个已经建立的DTD来表示你的信息。你找到一个，如下所示：

<!ATTLIST fn

%attr.lang;

value CDATA #FIXED "TEXT">

<!ENTITY % attr.img "

img.type CDATA #REQUIRED

img.data ENTITY #REQUIRED">

马上你就会认为Jay一定是一个白痴。他没有说关于ATTLIST和ENTITY的任何事 - 不管它们是什么。

那么让我们谈谈这件事，先有一点耐心。

上面这些行可能不好看，但实际上没什么。它们被用在DTD中来定义XML文档中的属性和实体。了解HTML的人会对这很清楚。属性是带有HTML标记符的条目，用来更准确地描述标记符。在经常出现的<img src="http://www.VeVb.com/my.gif" height="20" width="20">中，有两个属性：height和width。你在后面会看到，在XML文档使用属性与之很相似。

对实体也没有什么新东西。如果你用过&，你就已经掌握了最基本的东西。一个被&和分号包围起来的字符串用来表示另一个或一套字符。（这里有ISO实体的完整清单。）

当然，XML中属性和实体还有其它功能。这就不可避免地要引入语法，虽然不太多。一旦知道了这些，就会不费劲地使用XML文档。

简化菜谱

如果你读过我写的XML简介，你会记得用简单的标记符表示的菜谱中的组成成分，如<item>2 cups flour</item>。在写完那篇文章后，我在网上漫游，发现关于菜谱的另一个XML文档。其中的菜谱元素如下所示：

<ingredient quantity="2" units="cups">flour</ingredient>

这种方法有一个实际的好处：可以更容易控制数据。用第一种方法，<item>标记符用来容纳一堆不同的信息。如果我想提取组成成分的清单而不需要各成分的量，我就不会那么做。

我可以用如下的结构取得相似的功能：

<item>flour

<quantity>2</quantity>

<units>cups</units>

这可以被处理，但是有两个问题：首先，item元素包含了混合的内容：文本和其它标记符。我很快就发现应该尽量避免这种结构。其次是标记符几乎没有独立的意义。很难想象只要units而不要实际的组成成分的情况。这些条目可以被简单描述，我宁愿把它们当作属性。

首先要注意的是属性名，quantity和units只有被能够翻译它们的应用程序处理时才有意义。

在被包含在有效的文档中之前，应告诉DTD来允许它。对于上面的ingredient元素，我们在DTD中只包含了以下代码：

<!ELEMENT ingredient #PCDATA>

<!ATTLIST ingredient quantity CDATA #REQUIRED>

<!ATTLIST ingredient units CDATA #REQUIRED>

第一行看起来很熟悉 - 在任何DTD中都能看到的标准元素定义。每个ATTLIST行都依次包含以下信息：

<!ATTLIST ingredient quantity CDATA #REQUIRED>

这是属性依附的元素。

<!ATTLIST ingredient quantity CDATA #REQUIRED>

这里定义属性名。

<!ATTLIST ingredient quantity CDATA #REQUIRED>

这里设置属性类型。CDATA代表字符数据。意味着处理器在属性内可以得到文本。

<!ATTLIST ingredient quantity CDATA #REQUIRED>

最后的部分定义属性的缺省值。可以使用实际的数值，如3。这样，XML中空白长度的属性值将为3。输入的值将覆盖缺省值。

在上面的例子中我没有设置特定的数量，而是使用XML的关键字#REQUIRED。它告诉处理器次属性必须包含一个值。如果空白，文档将不被处理。

缺省值有另外两个关键字。第一个是#FIXED - 如果属性值在整个文档中保持相同的值。假设我定义一个image的标记符属性，所有图像的大小都相同，比如说100*50像素，就可以在DTD中这样定义属性：

<!ATTLIST picture length CDATA #FIXED "100 px">

<!ATTLIST picture width CDATA #FIXED "50 px">

另一个关键字是#IMPLIED，表示属性可以包含值或是空的。

下面让我们看看属性类型。

如果你决定自己写DTD，可能需要一本解释ATTLIST语句中所有组合的XML的书。但是如果借用DTD，或许只知道CDATA和另外三种属性就性了。

第一个是ID。它要求属性的值在文档中不重复。使用过数据库的人都知道唯一标志符的必要性。DTD ATTLIST语句看起来象这样：

<!ATTLIST element_name attribute_name ID #REQUIRED>

很难想象没有#REQUIRED缺省值的ID属性类型。如果那样，任何重复的或空的ID都会迫使处理器返回一个错误。ID必须以字母或下划线开始并且不能包含任何空格。

NMTOKEN类型也使用上面的命名规则。但是允许重复。它被用做传递数据给应用程序的保障。大多数程序语言，包括Java和JavaScript，在模块名中不能有空格。大多数情况下，最好保证属性符合它们的规则。

最后是枚举类型，不需要特定的关键字。而是用"|"符号包含在括号内的值，例如：

<!ATTLIST sibling (brother | sister) #REQUIRED>

如果有有限的可能的属性值，可以用这种方式。

不会认为今天的课程无趣吧，那么就接着读吧！