验证xml格式

XML 格式验证：DTD 与 XML Schema 详解

XML（可扩展标记语言）的灵活性使其广泛应用于数据交换和存储，但这种灵活性也带来了格式混乱的风险。为确保 XML 文档的结构合法性和数据有效性，需要通过语义约束机制进行验证。目前主流的 XML 验证方式有两种：DTD（文档类型定义） 和XML Schema（XML 模式）。

DTD（Document Type Definition，文档类型定义）

DTD 是最早的 XML 语义约束标准，通过定义元素、属性、实体等规则，规范 XML 文档的结构。它语法简单，易于理解，但功能有限。

DTD 的引入方式

DTD 可以嵌入 XML 文档内部，或作为外部文件引用，主要有三种引入方式：

（1）内部 DTD

DTD 规则直接定义在 XML 文档内部，仅对当前文档有效。

语法格式：

<?xml version="1.0"?>
<!DOCTYPE 根元素 [
  <!-- DTD规则定义 -->
]>
<!-- XML文档内容 -->

示例：

<?xml version="1.0"?>
<!DOCTYPE note [
  <!ELEMENT note (to, from, body)>  <!-- note元素必须包含to、from、body子元素，顺序固定 -->
  <!ELEMENT to (#PCDATA)>          <!-- to元素只能包含文本 -->
  <!ELEMENT from (#PCDATA)>        <!-- from元素只能包含文本 -->
  <!ELEMENT body (#PCDATA)>        <!-- body元素只能包含文本 -->
]>
<note>
  <to>ll</to>
  <from>zh</from>
  <body>hello</body>
</note>

（2）外部 DTD

DTD 规则存储在独立的.dtd文件中，可被多个 XML 文档共享，便于维护。

语法格式：

<?xml version="1.0"?>
<!DOCTYPE 根元素 SYSTEM "外部DTD文件路径">
<!-- XML文档内容 -->

示例：

note.dtd（外部 DTD 文件）：

  <!ELEMENT note (to, from, body)>
<!ELEMENT to (#PCDATA)>
  <!ELEMENT from (#PCDATA)>
<!ELEMENT body (#PCDATA)>

XML 文档引用：

<?xml version="1.0"?>
  <!DOCTYPE note SYSTEM "note.dtd">
<note>
    <to>ll</to>
  <from>zh</from>
    <body>hello</body>
</note>

（3）公用 DTD

由权威机构制定的公共 DTD（如 HTML、SVG 的标准 DTD），通过PUBLIC关键字引入，需指定唯一标识名。

语法格式：

<!DOCTYPE 根元素 PUBLIC "DTD标识名" "公用DTD地址">

示例（HTML5 的 DTD）：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" 
  "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">

DTD 的核心语法

（1）元素声明

定义 XML 元素的结构，包括子元素、文本内容等。

基本语法：

<!ELEMENT 元素名称 元素类型描述>

元素类型描述：

PCDATA：元素只能包含文本（Parsed Character Data），不能有子元素。
1
<!ELEMENT name (#PCDATA)>
子元素模型：通过符号定义子元素的组成和顺序：
- ,：子元素必须按顺序出现（如(a, b, c)）。

|：子元素任选其一（如(a | b | c)）。

?：元素可出现 0 次或 1 次（如a?）。
*：元素可出现 0 次或多次（如a*）。
+：元素可出现 1 次或多次（如a+）。
示例：

<!-- 简历必须包含名字、性别、年龄；电话/手机选一个；家庭住址可选；兴趣爱好可多个；教育经历至少一个 -->
  <!ELEMENT 简历 (名字, 性别, 年龄, (电话 | 手机), 家庭住址?, 兴趣爱好*, 教育经历+)>

EMPTY：元素必须是空元素（无内容）。

<!ELEMENT br EMPTY>  <!-- <br/> 是合法的，<br>内容</br> 不合法 -->

ANY：元素可包含任意内容（文本或子元素）。
1
<!ELEMENT note ANY>

（2）属性声明

定义元素的属性规则，包括属性名、类型、约束和默认值。

基本语法：

<!ATTLIST 元素名 
  属性名1 属性类型1 约束1 [默认值1]
  属性名2 属性类型2 约束2 [默认值2]
>

属性约束类型：

#REQUIRED：属性必须存在，无默认值。
#IMPLIED：属性可选，无默认值。
#FIXED：属性值固定为默认值，不可修改。
直接指定默认值：属性可选，未指定时使用默认值。

常用属性类型：

CDATA：属性值为字符串。

(枚举值1 | 枚举值2 | …)：属性值只能是枚举中的一个。

<!ATTLIST file type (txt | csv | json) #REQUIRED>  <!-- type属性只能是txt、csv或json -->

ID：属性值为唯一标识符（整个文档中不可重复）。
IDREF：属性值引用另一个元素的ID属性。

示例：

<?xml version="1.0"?>
<!DOCTYPE email [
  <!ELEMENT email (body)>
  <!ATTLIST email 
    from CDATA #REQUIRED  <!-- from属性必须存在，值为字符串 -->
    to CDATA #REQUIRED    <!-- to属性必须存在 -->
    priority (high | low) "low"  <!-- priority可选，默认low -->
  >
  <!ELEMENT body (#PCDATA)>
]>
<email from="zh" to="ll">
  <body>hello</body>
</email>

DTD 的优缺点

优点：
- 语法简单，易于学习和编写。
解析速度快，兼容性好（所有 XML 解析器都支持）。
缺点：
- 不支持数据类型（如整数、日期），只能通过字符串间接约束。
不支持命名空间（难以处理多个 DTD 的冲突）。
- 扩展性差，复杂结构约束能力有限。

XML Schema（XML 模式）

XML Schema（简称 XSD）是 W3C 推出的新一代 XML 约束标准，解决了 DTD 的诸多缺陷。它本身是 XML 文档，支持数据类型、命名空间和复杂约束，功能更强大。

XML Schema 的基本结构

示例（定义 note 元素的 Schema）：

<?xml version="1.0"?>
<xs:schema 
  xmlns:xs="http://www.w3.org/2001/XMLSchema"  <!-- 引入Schema命名空间，前缀xs -->
  targetNamespace="http://example.com/note"    <!-- 当前Schema的命名空间 -->
  xmlns="http://example.com/note"              <!-- 默认命名空间 -->
  elementFormDefault="qualified">              <!-- 元素必须用命名空间限定 -->

  <!-- 定义note元素，类型为复杂类型（包含子元素） -->
  <xs:element name="note">
    <xs:complexType>
      <xs:sequence>  <!-- 子元素按顺序出现 -->
        <xs:element name="to" type="xs:string"/>    <!-- to元素为字符串类型 -->
        <xs:element name="from" type="xs:string"/>  <!-- from元素为字符串类型 -->
        <xs:element name="body" type="xs:string"/>  <!-- body元素为字符串类型 -->
      </xs:sequence>
    </xs:complexType>
  </xs:element>

</xs:schema>

XML Schema 的核心语法

（1）命名空间与引用

XML Schema 通过命名空间（Namespace）避免元素名冲突，XML 文档需声明引用的 Schema。

XML 文档引用 Schema 的示例：

<?xml version="1.0"?>
<note 
  xmlns="http://example.com/note"  <!-- 默认命名空间，与Schema的targetNamespace一致 -->
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  <!-- Schema实例命名空间 -->
  xsi:schemaLocation="http://example.com/note note.xsd">  <!-- 绑定命名空间与Schema文件 -->
  
  <to>ll</to>
  <from>zh</from>
  <body>hello</body>
</note>

（2）数据类型

XML Schema 提供了丰富的数据类型，分为简单类型（无子元素和属性）和复杂类型（可包含子元素或属性）。

简单类型

内建类型：直接使用的预定义类型，如：
- 字符串：xs:string、xs:normalizedString（替换换行 / 制表符为空格）。
- 数值：xs:integer、xs:decimal、xs:float。
- 日期时间：xs:date（如2023-10-01）、xs:dateTime（如2023-10-01T12:00:00）。
- 布尔值：xs:boolean（true或false）。

自定义简单类型：通过限制、列表或联合内建类型派生。

示例 1：限制类型（年龄必须在 0-120 之间）

<xs:simpleType name="ageType">
    <xs:restriction base="xs:integer">  <!-- 基于整数类型限制 -->
    <xs:minInclusive value="0"/>      <!-- 最小值0 -->
      <xs:maxInclusive value="120"/>    <!-- 最大值120 -->
  </xs:restriction>
  </xs:simpleType>
<!-- 使用自定义类型 -->
  <xs:element name="age" type="ageType"/>

示例 2：列表类型（多个年龄值）

<xs:simpleType name="ageListType">
  <xs:list itemType="ageType"/>  <!-- 基于ageType的列表 -->
</xs:simpleType>
<xs:element name="ages" type="ageListType"/>  <!-- 合法值："18 25 30" -->

示例 3：联合类型（价格或日期）

  <xs:simpleType name="priceOrDateType">
  <xs:union memberTypes="xs:decimal xs:date"/>  <!-- 可接受小数或日期 -->
  </xs:simpleType>
<xs:element name="value" type="priceOrDateType"/>  <!-- 合法值："99.9" 或 "2023-10-01" -->

复杂类型

用于定义包含子元素或属性的元素，通过<xs:complexType>声明。

示例：带属性的复杂类型

<xs:element name="book">
  <xs:complexType>
    <xs:sequence>
      <xs:element name="title" type="xs:string"/>
      <xs:element name="author" type="xs:string"/>
    </xs:sequence>
    <!-- 定义属性 -->
    <xs:attribute name="id" type="xs:integer" use="required"/>  <!-- 必需属性id -->
    <xs:attribute name="category" type="xs:string" default="fiction"/>  <!-- 可选属性，默认fiction -->
  </xs:complexType>
</xs:element>

合法的 XML 元素：

<book id="1001">
  <title>XML Guide</title>
  <author>John</author>
</book>

XML Schema 的优缺点

优点：
- 支持丰富的数据类型（整数、日期等），约束更精确。
支持命名空间，可组合多个 Schema 文件。
- 本身是 XML 文档，易于解析和扩展。
- 支持复杂结构约束（如条件判断、嵌套类型）。
缺点：
- 语法较复杂，学习成本高。
解析速度较 DTD 慢（因功能更强大）。

DTD 与 XML Schema 的对比

特性	DTD	XML Schema
语法	非 XML 格式，自有语法	纯 XML 格式，遵循 XML 语法
数据类型	仅支持字符串等简单类型	支持丰富的内建类型和自定义类型
命名空间支持	不支持	支持，可避免命名冲突
扩展性	差	好，支持类型派生和组合
约束能力	基础结构约束	复杂结构、数据范围、条件约束等
学习曲线	简单	较复杂
兼容性	所有 XML 解析器支持	需支持 Schema 的解析器

选择建议：

简单场景（如小型配置文件）：使用 DTD，简洁高效。
复杂场景（如数据交换、强类型约束）：使用 XML Schema，功能更全面。

XML 格式验证：DTD 与 XML Schema 详解

DTD（Document Type Definition，文档类型定义）

DTD 的引入方式

（1）内部 DTD

（2）外部 DTD

（3）公用 DTD

DTD 的核心语法

（1）元素声明

PCDATA：元素只能包含文本（Parsed Character Data），不能有子元素。

（2）属性声明

DTD 的优缺点

XML Schema（XML 模式）

XML Schema 的基本结构

XML Schema 的核心语法

（1）命名空间与引用

（2）数据类型

简单类型

复杂类型

XML Schema 的优缺点

DTD 与 XML Schema 的对比