掌握DTD验证：XML结构定义全解析

DTD 验证的基本概念

DTD（Document Type Definition）是一种用于定义XML文档结构的规范，通过DTD可以验证XML文档是否符合预定义的规则。DTD验证的核心是确保XML文档的元素、属性、实体等符合预期的结构和约束。

DTD 的基本语法

DTD可以内嵌在XML文档中，也可以作为外部文件引用。以下是内嵌DTD的示例：

<!DOCTYPE bookstore [
<!ELEMENT bookstore (book+)>
<!ELEMENT book (title, author, price)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ELEMENT price (#PCDATA)>
<!ATTLIST book category CDATA #REQUIRED>
]>
<bookstore>
<book category="fiction">
<title>The Great Gatsby</title>
<author>F. Scott Fitzgerald</author>
<price>10.99</price>
</book>
</bookstore>

外部DTD文件的引用

将DTD定义保存为外部文件（如bookstore.dtd），然后在XML中引用：

<!DOCTYPE bookstore SYSTEM "bookstore.dtd">
<bookstore>
<book category="fiction">
<title>The Great Gatsby</title>
<author>F. Scott Fitzgerald</author>
<price>10.99</price>
</book>
</bookstore>

bookstore.dtd文件内容：

<!ELEMENT bookstore (book+)>
<!ELEMENT book (title, author, price)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ELEMENT price (#PCDATA)>
<!ATTLIST book category CDATA #REQUIRED>

DTD 元素定义

DTD通过<!ELEMENT>定义元素的结构。以下是一些常见的元素定义方式：

DTD 属性定义

通过<!ATTLIST>定义元素的属性，语法如下：

<!ATTLIST element_name attribute_name attribute_type default_value>

示例：

<!ATTLIST book category CDATA #REQUIRED>
<!ATTLIST book lang CDATA #IMPLIED>
<!ATTLIST book edition CDATA "1st">

属性类型说明：

• CDATA：字符数据
• ID：唯一标识符
• IDREF：引用其他元素的ID
• ENUMERATED：枚举值（如(a|b|c)）

DTD 实体定义

实体用于定义可重用的内容，分为内部实体和外部实体。

在XML中使用实体：

<book>
<title>Learning XML</title>
<publisher>&publisher;</publisher>
<rights>©right;</rights>
</book>

使用编程语言验证DTD

以下是使用Python和Java验证XML文档是否符合DTD的示例。

Python示例

使用lxml库验证DTD：

from lxml import etree

xml = """
<!DOCTYPE bookstore [
<!ELEMENT bookstore (book+)>
<!ELEMENT book (title, author, price)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ELEMENT price (#PCDATA)>
<!ATTLIST book category CDATA #REQUIRED>
]>
<bookstore>
<book category="fiction">
<title>The Great Gatsby</title>
<author>F. Scott Fitzgerald</author>
<price>10.99</price>
</book>
</bookstore>
"""

try:
parser = etree.XMLParser(dtd_validation=True)
etree.fromstring(xml, parser)
print("XML is valid against DTD.")
except etree.XMLSyntaxError as e:
print(f"Validation error: {e}")

Java示例

使用javax.xml.validation验证DTD：

import javax.xml.XMLConstants;
import javax.xml.transform.stream.StreamSource;
import javax.xml.validation.Schema;
import javax.xml.validation.SchemaFactory;
import javax.xml.validation.Validator;
import org.xml.sax.SAXException;
import java.io.IOException;
import java.io.StringReader;

public class DTDValidator {
public static void main(String[] args) {
String xml = """
<!DOCTYPE bookstore [
<!ELEMENT bookstore (book+)>
<!ELEMENT book (title, author, price)>
<!ELEMENT title (#PCDATA)>
<!ELEMENT author (#PCDATA)>
<!ELEMENT price (#PCDATA)>
<!ATTLIST book category CDATA #REQUIRED>
]>
<bookstore>
<book category="fiction">
<title>The Great Gatsby</title>
<author>F. Scott Fitzgerald</author>
<price>10.99</price>
</book>
</bookstore>
""";

try {
SchemaFactory factory = SchemaFactory.newInstance(XMLConstants.W3C_XML_SCHEMA_NS_URI);
Schema schema = factory.newSchema(new StreamSource(new StringReader(xml)));
Validator validator = schema.newValidator();
validator.validate(new StreamSource(new StringReader(xml)));
System.out.println("XML is valid against DTD.");
} catch (SAXException | IOException e) {
System.out.println("Validation error: " + e.getMessage());
}
}
}

DTD 的局限性

尽管DTD是XML验证的基础工具，但它存在以下局限性：

• 不支持数据类型（如整数、日期）。
• 缺乏命名空间支持。
• 语法较为简单，无法定义复杂的约束。

对于更复杂的验证需求，可以考虑使用XML Schema（XSD）或RelaxNG。