W3C XML Schema 与文档类型定义 (DTD) 比较

【 tulaoshi.com - Web开发 】

　　许多开发者都期待着 XML 模式能够很快取代 DTD 用于指定 XML 文档类型。尽管 David Mertz 相信 XML 模式在开发者宝库中是一种无价工具，但他对该模式将替代 DTD 持怀疑态度。XML 问题专栏的这一部分逐步尝试对模式和 DTD 进行比较，并阐明在 XML 模式世界中发生的事件。

　　虽然 W3C XML Schema在许多场合中胜过 DTD，但仍然还有一些 DTD更胜一筹的领域。开发者要不断地进行艰难的选择（这在 XML世界中是司空见惯的事）。让我们开始对其中一些选项进行区分。

　　目前形势

　　将 XML用作数据表示格式的主要原因是有可能指定文档的结构化需求：确定究竟什么类型的内容和子元素可以出现在元素中的一些规则（以及以什么顺序和基数性等）。在传统SGML 派系中，文档规则的表示曾经是 DTD -- W3C XML 1.0建议书的正式规范确实明确提供了 DTD。不过，有一些 DTD无法实现的相当常见的约束；DTD的主要限制在于它们缺乏数据类型的表达（可以指定一个元素必须包含PCDATA，但无法指定它必须包含例如 nonNegativeInteger ）。 还有一个次要问题，即 DTD无法简化子元素基数性的规范（可以简洁地指定一个或多个子元素，但即使可能，指定七到十二之间也会过分冗长，甚至完全曲解）。

　　为了对付 DTD的各种限制，一些 XML用户曾呼吁一些指定文档规则的替代方法。总是有可能从编程上检查 XML文档中的条件，但从本质上说，往往更需要施加更严格的标准，即一个不满足一组正式规则的文档就是 无效文档。W3C XML Schema是满足这些要求的一个主要答案（但不是这里唯一可供选择的模式）。StevenHolzner 在 XML 内幕中将 XML模式归纳为具有以下特征，值得在这里重申：

　　随着时间的推移，许多人都向 W3C 抱怨 DTD太复杂，并要求使用一些更简单的方法。W3C听取并指定了一个委员会来解决这一问题，然后拿出了一个比以往任何 DTD都复杂得多的解决方案 (p.199)。 Holzner 继续道 -- 几乎所有XML 程序员都同意（包括我自己）-- 如果不考虑其复杂性，W3C XML Schema还是提供了许多重要能力，并值得用于许多确认规则类。

　　至少有两个基本的和概念性的缺陷存在于所有到处模式的目标中。第一个问题是刚刚于2000 年 12 月 15 日结束其复审阶段的 W3C XML Schema CandidateRecommendation，不包含任何实体；通过扩展，它可以包括参数实体。第二个问题是，尽管存在增强的表达方式，仍然有许多文档规则不能用XML 模式表示（一些建议提议利用 XSLT来增强确认表达，但也可能存在和使用其它方法）。换句话说，模式无法执行DTD长期以来能够执行的所有操作，而从另一方面来讲，模式也无法表达人们希望对文档施加的进一步规则的完整集合。从更实际的角度来说，用于XML 模式的工具不如用于 DTD的工具来得成熟（特别在确认方面，这是核心问题）。

　　XML文档确认规则整体上仍处于混乱状态。不幸的是，我无法预言每件事的最终结果将会怎样。（有关何时使用 DTD 可能比较有意义的摘要，请参阅侧栏 何时使用DTD。）同时，让我们看看 DTD 和 XML模式能够表达哪些内容的一些具体细节。

　　丰富的类型

　　W3C XML Schema真正出色的地方是在表达属性值和元素内容的类型约束上。而这恰恰是 DTD最薄弱的地方。除了提供非常丰富的一组内置 simpleType 以外，XML 模式还允许您使用类似规则表达式的语法派生出新的 simpleType 。内置类型包括您在使用编程语言时遇到的： string 、 int 、 float 、 unsignedLong 、 byte 等等；但它们还包括大多数编程语言生来不具备的一些类型： timeInstant （即日期／时间）、 recurringDate （年中的天）、 uriReference 、 language 、 nonNegativeInteger 。

　　例如，使用 DTD时，将有类似于清单 1 中的声明：

　　清单 1：DTD "item" 元素定义

!ELEMENT item (prodName+,USPrice,shipDate？)!ATTLIST item partNum CDATA!ELEMENT prodName (#PCDATA)!ELEMENT USPrice (#PCDATA)!ELEMENT shipDate (#PCDATA)

　　使用 W3C XML Schema时，声明可以更具体（对 W3C Schema 的最初规定稍有修改）：

　　清单 2：XML 模式 "item"元素定义

xsd:element name="item"xsd:complexTypexsd:sequencexsd:element name="prodName" type="xsd:string" maxOccurs="5"/xsd:element name="USPrice" type="xsd:decimal"/xsd:element name="shipDate" type="xsd:date" minOccurs="0"//xsd:sequencexsd:attribute name="partNum" type="SKU"//xsd:complexType/xsd:element!-- Stock Keeping Unit, a code for identifying products --xsd:simpleType name="SKU"xsd:restriction base="xsd:string"xsd:pattern value="d{3}-[A-Z]{2}"//xsd:restriction/xsd:simpleType

　　从表面上看，这些元素定义中有两个显著特性。首先是模式本身是格式完整的 XML 实例，其标记使用 xsd 名称空间（实际上，DTD也是这样，但它只有处理指令，而没有这样的内容）；其次（根据第一点的结论）是模式远比DTD 繁琐。

　　除了语义方面的准确性以外，还可以看到模式示例能够执行一些DTD 不可能完成的操作。 prodName 类型在定义之间基本上是相同的，但模式中的 USPrice 和 shipDate 规范分别是 decimal 和 date 类型。 作为文本文件，具有这些元素的 XML实例在元素内部包含一些 ASCII（或Unicode）字符；不过，具有模式意识的确认器可以在 decimal 和 date 元素内部要求更具体的字符格式（其它类型也是一样）。 更有趣的是属性 partNum ，它属于派生的专门类型。类型 SKU 不是内置类型，而是跟在 "SKU"声明中给定模式后的一系列字符（具体来说，它必须有三位：一个连线和两个大写字母，按这样的顺序）。也有可能将 SKU 用于元素类型；它在这种情况下定义属性只是一种巧合。

　　在元素定义的 DTD版本中，所有这些有趣的（如果是专门的，也可能相当复杂）类型一定简单地称之为 PCDATA ，至于字符数据是什么样没有更多说明（在属性情况中是 CDATA ）。

　　在类型丰富的元素／属性值中，模式巧妙地从描述 XML实例的语法渐变到描述其语义。语法分析纯化论者可能会就我的描述提出异议：内置模式类型是从语法上定义的，因此构建在这些内置类型上的模式在形式上也是符合语法的。但在实际情况中，当声明一个给定的元素必须是 date 时，您实际上希望的是让元素包含一个日期。当然，表达语义信息不是件坏事，但有人会争论说最好同样将它限制在应用程序级别，而不是格式声明。毕竟有一些语义特性 -- 即使是简单的特性 --避开了模式，但在应用程序中和模式所表达的内容一样重要。 例如，当然"stock-keeping unit" 必须类似于"999-AA"；但可能您还提供在十三以内的小装置。 integer 被13 整除性不能使用 XML 模式表达（因此您仍然无法在这一级别上为 widgetquantity提供所需的约束）。这里的重点是说，即使有模式（胜过DTD）的额外能力，仍可能需要在应用程序级别上执行后确认来确定 XML文档是否 在功能上有效。

　　何时使用DTD

　　遇到以下情况时，DTD 仍然是您的首选：

　　文档规则的简洁表示很重要。

　　希望下游用户能够通过内部参数集覆盖并将类型专门化。

　　您的文档规则主要考虑元素的嵌套而不是内容的语义约束（如同使用散文标记）。

　　惯常使用的工具支持 DTD 胜于支持模式。

　　出现约束

　　除了强大的类型声明以外，XML 模式还在 DTD声明子元素模式的基数性能力的基础上进行了改进。不过，DTD用于表达每个出现约束（基数性）的方法比 XML模式总是笨拙许多。

　　在 DTD中，符号： ？ 、 * 和 + 分别指定零或一、零或多个、一个或多个，其中一个量化了基数性。即，除了问号有能力说：有或没有以外，DTD语法中似乎没有可以限制给定模式出现次数的东西（无论是单一子标记还是嵌套的一系列）。因此如何表达上面模式示例中 1-5 个 prodName 的出现似乎是个问题。同样地，如果没有 XML 模式属性 minOccurs ，我们似乎就无法表达让某个事物出现特定次数的需求（而非至少一次）。实际上，DTD的最小量词虽然有时不是很讲究，但已经够好的了。下面是等价的约束：

　　清单 3：七到十二个甜面圈的 XML模式语法

xsd:element name="donutorder"xsd:complexTypexsd:sequencexsd:element name="donut" type="xsd:string"minOccurs="7" maxOccurs="12" //xsd:sequence/xsd:complexType/xsd:element!ELEMENT donut (#PCDATA)!ELEMENT donutorder(donut,donut,donut,donut,donut,donut,donut,donut？,donut？,donut？,donut？,donut？)

　　当然，如果获得大笔订单，DTD看上去开始 真的很糟糕！

　　枚举

　　无论是 DTD 还是 W3C XML Schema都允许在属性中使用枚举类型，但模式是非常了不起的进步，因为它们还可以在元素内容中允许使用枚举类型。我认为，DTD真正的缺点在于它缺乏这种能力。而且，模式的枚举方法非常全面而优秀。一个专门的 simpleType 可以包含一个枚举 面。这样的 simpleType 自动适合于属性或元素值类型。

　　让我们举例说明每种语法：

　　清单 4：用于枚举属性的 XML模式语法

xsd:simpleType name="shoe_color"xsd:restriction base="xsd:string"xsd:enumeration value="red"/xsd:enumeration value="green"/xsd:enumeration value="blue"/xsd:enumeration value="yellow"//xsd:restriction/xsd:simpleTypexsd:element name="person" type="person_type"xsd:attribute name="shoes" type="shoe_color"//xsd:element!ATTLIST person shoes (red | green | blue | yellow)

　　DTD属性声明看来还算不错（可能在简明性方面更好），但如果您的模型在元素内容中放入 shoe_color ，DTD 就变得很直截了当：

　　清单 5：用于枚举元素的 XML模式语法

xsd:element name="shoes" type="shoe_color"

　　目的

　　W3C XML Schema 可以让 XML程序员表达一组新的对文档的声明性约束，而这是 DTD做得不够的地方。对许多程序员来说，在模式中使用 XML 实例语法还会对XML任务的不同部分产生更大的不一致性（当然，其他人不同意这种说法）。模式的目标当然是随着它们为人们逐步了解，以及开发者增强更多用于它们的工具，而在重要性和作用域方面得到增长。

　　一种在模式工作开始时得到飞跃的方法是将从现有 DTD 到 XML模式格式的转换自动化。很明显，自动转换无法对 XML模式本身添加新的表达能力；但自动化可以创建好的模板，从中指定人们希望施加的特定类型约束。 参考资料部分提供了到自动 DTD至模式转换工具的两个链接。