本章大概内容：
1、为什么需要DTD
2、XML文档如何使用DTD
    1）内部定义DTD
    2）关联外部DTD
3、DTD的结构
    1）元素类型声明
    2）属性列表声明
    3）实体声明
    4）记号声明

    对于一个格式良好的XML文档，我们只能保证这个文档的格式符合XML规范，但是元素与元素的关系，元素与属性的关系，属性的取值，我们就无法保证了。对于一个格式良好的文档，如果只是在有限的应用中使用，或者是用于存储和传输，那么它也能能够很好的满足我们的应用，但是如果要其它的用户了解你所写的XML文档，或者与其它应用进行数据的交换，那么就有必要提供一种机制，来保证我们写的XML文档和别人所写的XML文档在结构上是相同的，元素与元素之间的关系是正确的，属性的取值也是符合要求的，那么这种机制在XML规范中已经为我们提供了，那就是前一章中介绍过的文档类型声明中提到的DTD。

DTD（Document Type Definition），文档类型定义。

    在XML标准中，描述了如何创建DTD，以及如何将它与根据它的规范所编写的XML文档相关联，并且还定义了XML处理器应该如何对DTD进行处理。有了DTD就可以检测XML文档的结构是否正确。
DTD为XML文档的编写者与处理者提供了共同遵循的原则，使得与文档相关的各种工作有了统一的标准。

如何在XML文档中引入DTD

通过在XML文档中包含文档类型声明，来建立当前文档和DTD的关联。当进行有效性验证的XML处理器读到该声明时，它获取DTD，并根据其中定义的规则对文档进行检验。文档类型声明必须位于XML声明之后，且在根元素（文档元素）之前。不过，在XML声明和文档类型声明之间可以插入注释和处理指令。
我们可以直接在XML文档中定义DTD，也可以通过URI引用外部的DTD文件，或者同时采用这两种方式。
上一章中，已经学习过如何通过包含文档类型声明来建立与DTD的关联。现在来分析一下这两种包含方式。

在XML文档内部给出DTD的方式：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE OrganizationChart [
    <!ELEMENT OrganizationChart (Name,Office)>
    <!ELEMENT Name (#PCDATA)>
    <!ELEMENT Office (#PCDATA)>
    ]>

<OrganizationChart>
<!--OrganizationChart是该XML文档的document element-->
    <Name>Toone，INC.</Name>
    <Office>zhuhai</Office>
    <!--因为DTD中定义了Name，Office两个元素的顺序，Office元素不能放在Name元素的前面，否则不是有效的XML文档-->
</OrganizationChart>

    文档类型声明由<!开始，后面紧跟一个关键字DOCTYPE，然后是文档根元素的名字，接下来是标记声明块，标记声明块放在中括号[]之间，由一个或者多个标记声明构成，最后由>结束。

    在DTD中，所有的关键字都是大写的。不过，在DTD中定义的元素和属性的大小写是可以任意制定的，但是要注意，因为XML文档是大小写相关的，所以一旦给一个元素命名，那么在整个文档中要使用相同的大小写。例如，organizationchart和OrganizationChart是不同的两个元素名。

    在XML文档中定义DTD，比较直观，修改也比较方便，而且不用担心XML处理器找不到DTD，但是它也有一些缺点：

    1、在文档中定义DTD会导致文档本身的长度增加，在传输数据时，即使不需要验证文档的有效性，这些声明也要一起传输。

    2、如果多个XML文档要共用同一个DTD，我们就需要在每一个文档中加入DTD。


    引进外部DTD方式：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE OrganizationChart SYSTEM "dtdTest.dtd" >
<OrganizationChart>
    <Name>Toone，INC.</Name>
    <Office>zhuhai</Office>
</OrganizationChart>

    对应DTD内容为：

<?xml version="1.0" encoding="UTF-8"?>
<!ELEMENT OrganizationChart (Name,Office)>
<!ELEMENT Name (#PCDATA)>
<!ELEMENT Office (#PCDATA)>

在文档类型声明时，用管间质SYSTEM或PUBLIC来指出外部DTD文件的位置，使用SYSTEM关键字的声明语法如下：

<!DOCTYPE 根元素的名字 SYSTEM "外部DTD文件的URI">

SYSTEM关键字表示文档使用的是私有的DTD文件，“外部DTD文件的URI”可以是相对URI或者绝对URI。例如上面的例子使用的就是相对URI：

<!DOCTYPE OrganizationChart SYSTEM "dtdTest.dtd" >

使用PUBLIC关键字的声明语法如下：

<!DOCTYPE 根元素的名字 PUBLIC "DTD的名字" "外部DTD文件的URI">

PUBLIC关键字用于声明公共的DTD，并且这个DTD还有一个名称，"DTD的名称"也称为公共标识符(public identifier)。这个DTD可以存放在某个公共的地方，XML处理程序会根据名称按照某种方式去检索DTD，如果XML处理器不能根据名称检索到DTD，就会使用"外部DTD文件的URI"来查找该DTD。例如Java web开发的web.xml中的DTD声明（版本不同会稍有不同，我们只关注它的结构）：

<!DOCTYPE web-app PUBLIC '-//Sun Microsystems, Inc.//DTD Web Application 2.3//EN'
'http://java.sun.com/dtd/web-app_2_3.dtd'>

DTD名称与XML名称略有不同，他们只能包含ASCII字母和数字符号、空格、回车符、换行符和一些标点符号：-'()+,/:=?;!#@*$_%.

公共DTD名称要遵守一些约定。如果一项DTD是ISO标准，它的名称要以字符串"ISO"开始。如果是一个非ISO的标准组织批准的DTD，它的名字以加号（＋）开始。如果不是标准组织批准的DTD，它的名称以连字符（－）开始。这些开始字符或字符串后接双斜杠（//）和DTD所有者的名字（比如上面例子的Sun Microsystems，Inc.），之后是另一个双斜杠和DTD描述的文档类型，接着优势一个双斜杠后接ISO 639语言标识符，如EN表示英语，ZH表示中文。例如：

<!DOCTYPE OrganizationChart PUBLIC "-//Jason Chen//DTD organization chart 1.0//ZH" "dtdTest.dtd">

在上一章我们提到，如果我们的文档不依赖于外部文档，在XML声明中，可以通过standalone="yes"来声明这个文档是独立的文档。如果文档依赖于外部文档，可以通过standalone="no"来声明。当我们使用外部DTD文件时，就需要将属性standalone的值设置为"no"。
在实际应用中，很少使用standalone属性，它的主要用途是作为XML处理器行业其他应用程序的标志，表示是否需要获取外部内容。如果文档依赖于外部文档，即使我们不使用standalone属性,XML处理器也能很好地进行处理。

DTD的结构：

DTD的结构一般由以下四种声明构成：
    1、元素类型声明
    2、属性列表声明
    3、实体声明
    4、记号声明
一个典型的文档类型定义文件会吧所要创建的XML文档的元素结构、属性类型、实体引用等预先进行定义。
下面分别介绍这四种声明。

1、元素类型声明：

一个DTD不仅要告诉XML处理器它所对应的文档根元素，而且还要告知处理器，文档的内容和结构，描述清楚文档结构中的每一个细节。
元素类型声明不但说明了每一个文档中可能存在的元素，给出了元素的名称，而且给出了元素的具体类型。
一个XML元素可以为空，也可以只包含字符数据，还可以有若干个子元素，而这些子元素同时又可以拥有它们的子元素。
元素类型声明采用如下的语法格式：
<!ELEMENT 元素名称 元素内容说明>
元素内容说明可以指明五种可能的元素内容形式：＃PCDATA、子元素、混合内容、EMPTY和ANY。
下面详细说明每一种元素内容说明。

#PCDATA:

关键字#PCDATA说明元素包含字符数据。

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE OrganizationChart [
    <!ELEMENT OrganizationChart (Name,Office)>
    <!ELEMENT Name (#PCDATA)>
    <!ELEMENT Office (#PCDATA)>
    ]>
<OrganizationChart>
    <Name>Toone，INC.</Name>
    <Office>ZhuHai</Office>
</OrganizationChart>

子元素：

当一个元素只包含子元素，而没有字符数据时，则称此元素类型具有元素型内容（element content）。
在该类型的元素声明时，通过内容模型来指定在其内容上的约束。内容模型是决定子元素类型和子元素出现顺序的一种简单语法。

推荐一个XML编辑工具，强大的XMLSpy，我用的是2008版。

    一、从物理上而言，文档由称为实体（entities）的存储单元组成，实体都是具有内容并且都通过实体的名字进行标识（文档实体和外部DTD子集除外）。实体可以是一段文本，一个文件，一个数据库记录或者其他包含数据的项目，一个实体可以引用其它的实体，从而将它们包含在文档中。文档开始于“根（root）”或者文档实体（document entity）。格式良好的XML文档形成了一种层次树结构，这个树结构的树根就是文档实体，与其它实体不同，文档实体没有名字，只是用于表示文档树的根。XML文档的根元素被称位文档元素（document element），它和在其外部出现的处理指令，注释等作为文档实体的子节点，而根元素本身和其内部的子元素也是一棵树。

    实体可以包含已分析（parsed）的或未分析的（unparsed）数据。已分析的数据由字符组成，其中一些字符组成字符数据，另一些字符组成标记。已分析的实体（parsed entity）内容被成为它的代替文本，这个文本被看称是文档整体的一部分，在XML处理器分析XML文档时，凡是文档中出现引用已分析实体的地方，都将被该实体的内容所替换。未分析的实体（unparsed entity）是一种资源，它的内容可以是也可以不是文本，并且，如果是文本的话，可以不是XML文本，每一个未分析的实体有一个相关联的用名字标识的记号（notation）。除了要求XML处理器能向应用程序提供可用的实体和记号的标志符之外，XML对未分析的的实体内容不做任何限制。已分析的实体以实体引用的方式通过名字来调用，未分析的实体通过ENTITY或ENTITIES属性中给出的名字来调用。

    二、逻辑上而言，文档由声明，元素，注释，字符引用和处理指令组成，在文档中，所有这些都是通过显式的标记（markup）来指明的。XML标记（markup）包括开始标签（tag）、结束标签、空元素标签、实体引用、字符引用、注释、CDATA段定界符、文档类型声明、处理指令、XML声明、文本声明以及任何在文档实体顶层的空白（即，在文档元素之外，且不在任何其它的标记内部）。
其它所有非标记的文本组成文档的字符数据。
    XML文档在逻辑上主要由以下五个部分组成：
    1、XML声明
    2、文档类型声明
    3、元素
    4、注释
    5、处理指令

下面具体介绍XML文档逻辑上的五个部分。

1、XML声明
XML文档总是以一个XML声明开始的，其格式如下
    <?xml 版本信息 [编码信息] [文档独立性信息]?>
其中，编码信息和文档独立性信息可以不写，而使用默认值。

需要注意的是，XML声明总是在XML文档的最前面，其前面不能出现任何字符。

下面是几个例子：

<?xml version="1.0"?>
<!--版本信息声明-->

<?xml version="1.0" encoding="ISO-8859-1"?>
<!--编码信息声明.默认值是"UTF-8"-->

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!--文档独立性信息声明,如果文档依赖于外部文档，则需要将standalone属性设置为"no"-->

2、文档类型声明

DTD（Document Type Definition），文档类型定义。

首先提一个问题，如果你的一个XML文档给别人使用，别人怎么才能正确地定义XML文档中的元素，属性呢？就好像我们用Struts时，我们需要配置struts-config.xml,但是怎么保证我们的配置是正确的？答案就是用DTD来验证。

一个遵循XML语法规则，并遵守相应DTD文件约束的XML文档称为有效的XML文档。

XML从SGML继承了用于定义语法规则的DTD机制，DTD文件本身是不需要遵循XML规则的。大部分的XML应用都是使用DTD来定义的（还有一部分是用XML Schema来定义的，XML Schema在其专题中学习）。HTML就有一个标准的DTD文件，所以其组织结构和所有的标签都是固定的，DTD文件本身也是一个文本文件，通常用".DTD"为其扩展名。

文档类型声明的作用就是指出XML文档所用的DTD，文档类型声明有两种形式。

一种是在XML文档中给出DTD，如下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE OrganizationChart [
    <!ELEMENT OrganizationChart (Name,Office)>
    <!ELEMENT Name (#PCDATA)>
    <!ELEMENT Office (#PCDATA)>
    ]>

<OrganizationChart>
<!--OrganizationChart是该XML文档的document element-->
    <Name>Toone，INC.</Name>
    <Office>zhuhai</Office>
    <!--因为DTD中定义了Name，Office两个元素的顺序，Office元素不能放在Name元素的前面，否则不是有效的XML文档-->
</OrganizationChart>

另一种是在一个外部文件定义的DTD文件，如下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE OrganizationChart SYSTEM "dtdTest.dtd" >
<OrganizationChart>
    <Name>Toone，INC.</Name>
    <Office>zhuhai</Office>
</OrganizationChart>

对应DTD文件dtdTest.dtd内容为:

<?xml version="1.0" encoding="UTF-8"?>
<!ELEMENT OrganizationChart (Name,Office)>
<!ELEMENT Name (#PCDATA)>
<!ELEMENT Office (#PCDATA)>

3、元素

在XML中，元素由开始标签、元素内容和结束标签构成，对于空元素，由空元素标签构成。
每一个元素都有一个用名字标识的类型，同时它可以由一个属性说明集，每一个属性说明有一个名字和一个值。
在给元素命名的时候要注意，以"xml"或其他任何匹配(('X'|'x')  ('M'|'m' )('L'|'l' ))的字符串开头的名字，被保留用于XML规范的当前版本或者后续版本的标准化。此外，在给元素命名时，还要遵循下列规范：
    1、名字只能以字母、下划线（_）或者冒号（:）开头；
    2、名字中可以包含字母、数字、下划线以及其他在XML标准中允许的字符；
    3、名字中不能包含空格；
    4、名字中尽可能不要使用冒号（:），因为冒号在名字空间中被用于分隔名字空间前缀和本地部分。

元素的四种形式：
    1、空元素
    2、带有属性的空元素
    3、带有内容的元素
    4、带有内容和属性的元素

在一个元素的内容中，字符数据可以是不包含任何标记的起始定界符和CDATA段的定界符的任意字符串，也就是会所在元素的内容中，字符数据不能有和号（&）和小于号（ <），也不能有字符串"]]>"。那么如果我们要用这些字符的话，必须用他们对应的字符引用和实体引用来表示，见下表：

元素内容的字符引用和实体引用
字符	字符引用 （十进制代码）	字符引用 （十六进制代码）	预定义实体引用
<	<	<	&lt;
>	>	>	&gt;
"			&quot;
'			&apos;
&			&amp;

CDATA段中包含的都是纯字符数据，在字符数据可以出现的任何地方都可以使用CDATA段。
CDATA段主要用于需要将整个文本解释为字符数据而不是标记的情况下。CDATA段中的内容不被XML处理器分析，所以可以在其中包含任意的字符。


4、注释

注释用于对文档中的内容起到一个说明作用。
在XML文档中，注释可以出现在文档中其它表ijizhiwai的任何闻之，另外，它们还可以在人当类型声明中语法（grammar）允许的地方出现。
XML的注释和HTML的注释类似，都是以<!--开始，以-->结束。位于<!--和-->之间的数据将被XML处理器忽略。
使用XML注释需要注意一下五点：
    1、注释不能出现在XML声明之前，XML声明必须是文档最前面的部分。下面的情况是不允许的：

<!--Author:Jason Chen-->
<?xml version="1.0"?>

    2、注释不能出现在标记中，下面的例子是非法的：

<author<!--This document author-->>Jason Chen</author>

    3、注释可以包围和隐藏标记，但是要注意，在注释掉标记以后，要保持文档的完整结构。
    4、字符串"--"（双连字符）不能出现在注释中。

5、处理指令

处理指令（Processing Instructions）允许文档中包含由应用程序来处理的指令。在XML文档中，有可能会包含一些非XML格式的数据，这些数据XML处理器无法处理，我们可以通过处理指令来通知其它应用程序来处理这些数据。
处理指令的语法和XML声明类似，以<?开始， 以?>结束。一个常见的使用样式表单的处理指令如下所示：

<?xml-stylesheet href="style.css" type="text/css"?>

在开始标记<?后的第一个字符"xml-stylesheet"叫做处理指令的目标，它必须标识要用到的应用程序，要注意的是对于其它的非W3C定义的处理指令不能以字符串"XML"和"xml"开头；其余的部分是传递给应用程序的字符数据。应用程序从处理指令中取得目标和数据，执行要求的动作。

处理指令的目标可以是要使用的程序的名字，或者是一个类似于xml-stylesheet这样的很多程序可以识别的通用标识符。不同的应用程序支持不同的处理指令，对于不认识的处理指令，大多数应用程序采取忽略的方式进行处理。

xml-stylesheet处理指令总是放在XML声明之后，第一个元素之前。其它的处理指令可以放在除了标记的内部和XML声明之前的任何位置。
要注意，虽然XML声明和处理指令的语法形式相似，但XML声明并不是处理指令，XML处理程序对XML声明和处理指令采取的是不同的处理方式。


本章学习到此为止，下一章学习如何编写DTD。