XML数据验证：W3CSchema全面解析

### XML数据验证：W3C Schema全面解析 #### 1. 引言 在XML数据验证领域，DTD（文档类型定义）长期以来是许多开发者的首选工具。然而，W3C Schema在数据验证方面展现出了更强大的控制力。接下来将详细介绍W3C Schema，包括其结构、数据类型、元素以及如何验证XML数据。 #### 2. W3C XML Schemas概述 W3C XML Schemas是一种用于XML数据验证的更新文档格式。相较于DTD，它不那么晦涩难懂，但更为冗长。由于其更贴近XML语法，XML开发者更容易掌握。在Schema中，嵌套元素通过嵌套元素表示，属性作为元素的一部分被明确指定。同时，它对数据类型的控制能力更强。 #### 3. W3C Schema数据类型 DTD作为原始SGML规范的一部分开发而来，并用于描述HTML标记。虽然它是一种传统的数据验证工具，但在应用于现代XML文档时存在一些缺点，例如对元素类型的限制以及对预定义数据类型的支持有限。 而Schema可以支持所有DTD属性数据类型（如ID、IDREF、IDREFS等），CDATA被原始字符串数据类型取代。以下是一些常见的Schema数据类型： | 名称 | 基础类型 | 描述 | | --- | --- | --- | | String | String | 原始类型，任何格式良好的XML字符串 | | normalizedString | string | 不包含换行符、回车符或制表符的格式良好的XML字符串 | | Token | normalizedString | 不包含换行符、回车符、制表符、前导或尾随空格，且空格不超过一个的格式良好的XML字符串 | | language | token | 有效的语言ID，符合xml:lang格式，通常为ISO 639格式 | | QName | 原始类型 | XML命名空间限定名称（Qname） | | Name | token | 基于格式良好的元素和属性名称规则的字符串 | | NCName | name | 命名空间名称中命名空间前缀和冒号右侧的部分 | | Date | date | 原始类型，格式为YYYY - MM - DD的日期值 | | time | 原始类型 | 格式为HH:MM:SS的时间值 | | dateTime | 原始类型 | 格式为YYYY - MM - DDT HH:MM:SS的日期和时间组合值 | | gDay | 原始类型 | 格式为DD的日期中的日部分 | | gMonth | 原始类型 | 格式为MM的日期中的月部分 | | gMonthDay | 原始类型 | 格式为MM - DD的日期中的月和日部分 | | gYear | 原始类型 | 格式为YYYY的日期中的年部分 | | gYearMonth | 原始类型 | 格式为YYYY - MM的日期中的年和月部分 | | duration | 原始类型 | 表示ISO 8601扩展格式P1Y1M1DT1H1M1S的时间间隔 | | Numeric | number | 原始类型，最多18位小数的任何数值 | | decimal | 原始类型 | 任何十进制数值 | | float | 原始类型 | 任何32位浮点型实数 | | double | 原始类型 | 任何64位浮点型实数 | | integer | number | 任何整数 | | byte | short | 任何有符号8位整数 | | short | int | 任何有符号16位整数 | | int | integer | 任何有符号32位整数 | | long | integer | 任何有符号64位整数 | | unsignedByte | integer | 任何无符号8位整数 | | unsignedShort | unsignedInt | 任何无符号16位整数 | | unsignedInt | unsignedLong | 任何无符号32位整数 | | unsignedLong | nonNegativeInteger | 任何无符号64位整数 | | positiveInteger | nonNegativeInteger | 任何大于0的整数 | | nonPositiveInteger | integer | 任何小于或等于0的整数 | | negativeInteger | nonPositiveInteger | 任何小于0的整数 | | nonNegativeInteger | integer | 任何大于或等于0的整数 | | anyURI | 原始类型 | 表示URI，可以包含任何URL或URN | | Boolean | 原始类型 | 标准二进制逻辑，格式为1、0、true或false | | hexBinary | 原始类型 | 十六进制编码的二进制数据 | | base64Binary | 原始类型 | Base64编码的二进制数据 | 原始和派生数据类型可以扩展以创建新的数据类型，扩展现有数据类型的数据类型称为用户派生数据类型。 #### 4. W3C Schema元素 在Schema文档的元素声明中，数据类型以属性的形式呈现，就像在XML文档中数据类型通常由属性定义一样。数据类型包含在以下四种元素中： - **元素声明**：描述XML文档中的元素。 - **简单类型定义**：包含单个元素中的值，通常具有定义原始或派生W3C数据类型的属性，也可以包含用户派生数据类型。 - **复杂类型定义**：一系列嵌套元素，具有描述复杂XML文档结构和原始、派生或用户派生数据类型的属性。 - **属性声明**：描述属性并定义属性数据类型的元素。 这些元素通过声明以下Schema元素来定义： | 元素 | 描述 | | --- | --- | | all | 嵌套元素可以以任何顺序出现。每个子元素是可选的，且最多出现一次 | | annotation | Schema注释，包含appInfo和documentation | | appInfo | 用于解析和目标应用程序的信息，必须是annotation的子元素 | | documentation | Schema文本注释，必须是annotation的子元素 | | any | 任何格式良好的XML类型都可以以任何顺序嵌套在any元素下，与DTD的<!ELEMENT element_name ANY >声明相同 | | anyAttribute | 任何由格式良好的XML组成的属性都可以以任何顺序嵌套在anyAttribute元素下 | | attribute | 一个属性 | | attributeGroup | 用于复杂类型定义的可重用属性组 | | choice | 一个选择列表，必须选择其中一个，与DTD选择列表中使用竖线字符（|）相同 | | complexContent | 复杂类型中混合内容或元素的定义 | | complexType | 复杂类型元素 | | element | 元素 | | extension | 扩展简单类型或复杂类型 | | field | 用于约束引用的元素或属性，类似于DTD的IDREF属性数据类型，但使用XPATH表达式进行引用 | | group | 用于复杂类型定义的元素组 | | import | 导入具有不同命名空间的外部Schema | | include | 包含具有相同命名空间的外部Schema | | key | 将嵌套属性或元素定义为唯一键，与DTD的ID属性数据类型相同 | | keyref | 引用键元素，与DTD的IDREF属性数据类型相同 | | list | 简单类型元素中的值列表 | | notation | 定义XML文档中非解析数据的格式，与DTD的NOTATION属性数据类型相同 | | restriction | 对简单类型、简单内容或复杂内容元素施加限制 | | schema | 每个W3C Schema文档的根元素 | | selector | 使用XPath表达式对一组元素进行分组以进行身份约束 | | sequence | 指定子元素的严格顺序，与DTD序列中使用逗号分隔嵌套元素相同 | | simpleContent | 简单类型中仅包含文本的内容定义 | | simpleType | 声明简单类型定义 | | union | 将简单类型组合成单个值的联合 | | unique | 将元素或属性定义为在文档的指定嵌套级别上唯一 | #### 5. W3C Schema元素和数据类型限制 除了上述元素外，还有一些元素用于定义Schema中其他元素的约束。简单数据类型的属性（包括约束）称为方面（facets）。简单数据类型可以通过基本方面进行约束，这些方面指定数据类型的基本约束，如显示顺序或基数。以下是一些W3C Schema基本方面的列表： | 限制 | 描述 | | --- | --- | | choice | Schema文档中预定义的选择列表，与DTD属性列表数据类型的枚举相同 | | fractionDigits | 值的最大小数位数，整数为0 | | length |