花

替換和插入文本

下面要做的事情就是自定義解析器，你可以知道如何得到通常會忽略的信息。但是在這之前，先要學(xué)習(xí)一些重要的XML概念。本節(jié)中，要學(xué)習(xí)：

·?? ??處理特殊字符("<", "&",等等)

·?? 使用XML風(fēng)格語法處理文本

處理特殊字符

XML中，實體是具有名字的XML結(jié)構(gòu)(或純文本)。通過名字引用實體將實體插入到文檔中實體引用的位置。創(chuàng)建實體引用時，使用“&”和分號將實體名包圍起來，如下所示：

??&entityName;

后面學(xué)習(xí)如何編寫DTD時，你會發(fā)現(xiàn)可以自己定義實體，所以&yourEntityName; 可以變成你定義的實體的所有文本?，F(xiàn)在，主要討論預(yù)定義實體和不需要任何特殊定義的字符引用。

預(yù)定義實體

類似于& 的實體引用包含一個名字，該名字在定界符之間 (本例中就是"amp")。它引用的文本（&）被用來替換名字，類似于C 或 C++程序中的宏。表 6-1 顯示了特殊字符的預(yù)定義實體。

表 6-1 預(yù)定義實體
字符	引用
&	&
<	&lt;
>	&gt;
"	&quot;
'	&apos;

字符引用

類似于“ 的字符引用包含散列符號(#)，該符號后面跟著數(shù)字。數(shù)字是單個字符的Unicode值，如65代表字母"A"，147代表左引號，148表示右引號。在本例中，實體的 "name"為散列符號，它后面跟著用來標(biāo)識字符的數(shù)字。

注意：XML中最好用十進(jìn)制來表示值。然而 http://www.unicode.org/charts/ 的Unicode表用十六進(jìn)制表示值。所以需要進(jìn)行轉(zhuǎn)換，以便將正確的值插入XML數(shù)據(jù)集中。

在XML文檔中使用實體引用

假設(shè)你想要在你的XML文檔中插入下面一行內(nèi)容：

?Market Size < predicted

直接在XML文件中添加該行的問題是，當(dāng)解析器看到左尖括號(<)時，它開始查找標(biāo)簽名，這就會脫離解析。為了解決該問題，在文件中用<替代"<" 。

注意：下面的修改結(jié)果包含在 slideSample03.xml中。它的處理結(jié)果在Echo07-03.txt.中。(可瀏覽版本是slideSample03-xml.html 和 Echo07-03.html.)

如果你按照該編程教程進(jìn)行學(xué)習(xí)，在r slideSample.xml 文件中添加下面的文本：

??<!-- OVERVIEW -->

??<slide type="all">

????<title>Overview</title>

????...

??</slide>

				??<slide type="exec">
		

				????<title>Financial Forecast</title>
		

				????<item>Market Size &lt; predicted</item>
		

				????<item>Anticipated Penetration</item>
		

				????<item>Expected Revenues</item>
		

				????<item>Profit Margin </item>
		

				??</slide>
				
				
				
				
		

</slideshow>

在XML文件上運(yùn)行該Echo程序時，可以得到下列輸出結(jié)果：

ELEMENT:????????<item>

CHARS:????????Market Size < predicted

END_ELM:????????</item>

解析器將引用轉(zhuǎn)化為它表示的實體，并將該實體傳遞給應(yīng)用程序。

使用XML-風(fēng)格的語法處理文本

在處理包含多個特殊字符的XML或 HTML塊時，使用合適的實體引用替換每個特殊字符很不方便。在這種情況下，可以使用CDATA 段。

注意：修改結(jié)果包含在slideSample04.xml中。處理結(jié)果在Echo07-04.txt中。(可瀏覽版本是 slideSample04-xml.html 和Echo07-04.html.)

HTML中CDATA 段的功能類似于<pre>...</pre> ，只是—— CDATA 段中的所有空白都很重要，并且不將其中的字符解釋為XML。CDATA 段從<![CDATA[ 開始，并以]]>結(jié)束。將下面的文本添加到slideSample.xml 文件，為虛構(gòu)的技術(shù)幻燈片定義CDATA 段：

?? ...

				??<slide type="tech">
		

				????<title>How it Works</title>
		

				????<item>First we fozzle the frobmorten</item>
		

				????<item>Then we framboze the staten</item>
		

				????<item>Finally, we frenzle the fuznaten</item>
		

				????<item><![CDATA[Diagram:
		

				??????frobmorten <--------------- fuznaten
		

				????????| ?? <3>??^
		

				????????| <1>????|??<1> = fozzle
		

				????????V ????|??<2> = framboze 
		

				????????Staten--------------------+??????<3> = frenzle
		

				?????????? <2>
		

				????]]></item>
		

				??</slide>
		

</slideshow>

在新文件上運(yùn)行Echo 程序時，得到下列結(jié)果：

??ELEMENT: <item>

??CHARS:?? Diagram:

?

frobmorten <--------------fuznaten

?????| ?????????<3>??????????^

???? | <1>? ????????????????|?? <1> = fozzle

????V? ????????????????|?? <2> = framboze 

??staten----------------------+?? <3> = frenzle

???????????<2>

?

END_ELM: </item>

可以看到一旦編寫了CDATA 段中的文本，就能夠得到它。由于解析器不將尖括號作為XML，所以它們不會產(chǎn)生致命錯誤 (因為，如果尖括號不在CDATA段中，文檔的結(jié)構(gòu)就不好)。

處理CDATA 和其他字符

CDATA的存在使得正確回送XML非常重要。如果要輸出的文本不在CDATA段中，那么必須使用適當(dāng)?shù)膶嶓w引用替代文本中的尖括號、&和其他特殊符號。(替代左尖括號和&最重要， 如果不誤導(dǎo)解析器，它就能正確解釋其他字符)

但是如果輸出結(jié)果在CDATA 段中，那么不用替換，以產(chǎn)生類似于上例中的文本。在類似于Echo這樣的簡單程序中，這并不是一件重要的事情。但是許多XML-過濾應(yīng)用程序希望進(jìn)行跟蹤，確定文本是否出現(xiàn)在CDATA段中，這樣是為了正確處理特殊字符。

另一處需要留意的地方就是屬性。屬性值的文本中也能包含尖括號和分號，也需要使用實體引用來替換它。(屬性文本不能在CDATA段中，所以，這里不會存在替換問題)

本教程的后面部分，會介紹如何使用LexicalHandler 來判斷是否正在處理CDATA 段。然后，會介紹如何定義DTD。

創(chuàng)建文檔類型定義 (DTD)

在XML聲明之后，文檔序言中能引入DTD，通過DTD可以指定XML文檔中可以引入的標(biāo)簽。同時告訴驗證解析器哪些標(biāo)簽是有效的，以及在什么布局下是有效的。DTD告訴驗證解析器和非驗證解析器希望在哪里出現(xiàn)文本，解析器根據(jù)什么原則判斷空白是不可忽略的還是可以忽略的。

基本DTD定義

例如，在解析幻燈片放映時，你會看到在注釋和幻燈片元素之前和之后多次調(diào)用方法characters 。在這些情況下，空白由行結(jié)束符和標(biāo)簽周圍的縮進(jìn)構(gòu)成。目標(biāo)是使得XML文檔可讀——空白并不總是文檔內(nèi)容的一部分。在開始學(xué)習(xí)DTD定義之前，首先告訴解析器什么地方的空白可以忽略。

注意：本節(jié)定義的DTD包含在 slideshow1a.dtd中。 (可瀏覽的版本是 slideshow1a-dtd.html.)

創(chuàng)建文件slideshow.dtd。 輸入XML聲明和注釋標(biāo)識該文件，如下所示：

<?xml version='1.0' encoding='utf-8'?>

<!-- 

??DTD for a simple "slide show". 

-->

然后，添加下面的文本，指定slideshow 元素僅包含slide 元素：

<!-- DTD for a simple "slide show". -->

				<!ELEMENT slideshow (slide+)>
				
				
				
				
		

可以看到，DTD標(biāo)簽以<! 開始，接著是標(biāo)簽名 (ELEMENT)。標(biāo)簽名之后是要定義的元素的名字 (slideshow)，括號內(nèi)是一個或多個項目，表明元素的有效內(nèi)容。這樣，符號說明slideshow 包含一個或多個slide 元素。

若沒有+號，該定義則表明slideshow 僅包含單個slide 元素。表6-2列出了在元素定義中可以使用的符號。

表 6-2 ?DTD 元素限定符
限定符	名字	含義
?	問號	可選 (零個或一個)
*	星號	零個或多個
+	加號	一或多個

括號內(nèi)可以引入多個元素，使用逗號分隔，并且可以在每個元素上使用一個符號來表明可能會出現(xiàn)該元素的多少個實例。逗號分隔列表說明了哪些元素是有效的并說明了它們出現(xiàn)的順序。

也可以嵌套括號以分組多個項目。例如，在定義image 元素后，可以通過((image, title)+)聲明在幻燈片中每個image 元素必須和title 元素配對使用。這里，在image/title 對上使用加號表明可以出現(xiàn)一個或多個（image，title ）對。

定義文本和嵌套元素

現(xiàn)在，已經(jīng)告訴了解析器哪里不能出現(xiàn)文本，下面來看看如何告訴解析器哪里能夠出現(xiàn)文本。添加下面的文本，以定義slide、 title、item和list 元素：

<!ELEMENT slideshow (slide+)>

				<!ELEMENT slide (title, item*)>
		

				<!ELEMENT title (#PCDATA)>
		

				<!ELEMENT item (#PCDATA | item)* >
				
				
				
				
		

添加的第一行說明幻燈片包含一個title ，它后面是零個或多個元素項。這里沒有新的內(nèi)容了。下一行說明標(biāo)題包含完整的解析字符數(shù)據(jù) (PCDATA)。在該領(lǐng)域中這叫做"文本"，但是在XML中，這叫做“解析字符數(shù)據(jù)”。 (這就將它和CDATA 段區(qū)分開來了，CDATA可能包含不需要解析的字符數(shù)據(jù)。) PCDATA后面的"#"號表明下面跟著的是特殊字，而不是元素名。

最后一行介紹了垂直條(|)，它代表了or 條件。這樣，可能出現(xiàn)PCDATA 或item 。結(jié)尾處的星號表明它們中的任何一個可以連續(xù)出現(xiàn)零次或多次。該規(guī)范是混合內(nèi)容模型，因為任意多個item 元素可以包含在文本中。定義這樣的模型時要先指定#PCDATA ，并使用垂直條分割一些可選項，最后以星號結(jié)束。

DTD的局限性

如果能夠指定item 可以包含文本或在項目列表后可以有文本就更好了。但是事實表明在DTD中很難得到這樣的規(guī)范。例如，可以使用下面的方法定義一個item ：

<!ELEMENT item (#PCDATA | (#PCDATA, item+)) >

這樣當(dāng)然很精確，但是一旦解析器看到了#PCDATA 和垂直條，它就要求剩下的定義遵守混合內(nèi)容模型。但是該規(guī)范沒有遵守該模型，所以得到錯誤：Illegal mixed content model for 'item'. Found ( ..., （'item'使用了非法的混合內(nèi)容模型。找到( ...,） 這里的十六進(jìn)制字符28表示結(jié)束該定義的尖括號。

同樣，重復(fù)定義item 元素是沒有用的。運(yùn)行驗證解析器的時候，下面的規(guī)范：

<!ELEMENT item (#PCDATA) >

<!ELEMENT item (#PCDATA, item+) >

會產(chǎn)生"duplicate definition"（“重復(fù)定義”）警告。實際上，第二個定義會被忽略。所以現(xiàn)在看來定義一個混合內(nèi)容模型 (它允許item 元素包含在文本中)是目前能用的最好方法。

除了上面提到的混合內(nèi)容模型的局限性外，沒有其他方法來限制指定的PCDATA 可能出現(xiàn)的文本。它是不是僅能包含數(shù)字？它是不是必須是日期格式的，還是能夠是貨幣格式？在DTD上下文中沒有辦法說明。

最后，注意DTD不是層次結(jié)構(gòu)的。title 元素定義的應(yīng)用等價于slide 標(biāo)題和item 標(biāo)題。當(dāng)擴(kuò)展DTD允許使用HTML-風(fēng)格的標(biāo)簽和純文本時，就有必要根據(jù)slide標(biāo)題限制item標(biāo)題的大小。但是這樣做的唯一方法是給它們一個不同的名字，如“item-title”。 由于DTD缺少層次結(jié)構(gòu)，最后一行要求在命名空間中引入“字符連接層次結(jié)構(gòu)”(或它的等價物) 。所有這些局限性都是開發(fā)模式規(guī)范標(biāo)準(zhǔn)的基本動機(jī)。

DTD中的特殊元素值

最好不要使用括號擴(kuò)起來的元素列表，元素定義可以使用一或兩個特殊值： ANY 或 EMPTY。ANY 規(guī)范表示元素可能包含其他定義的元素或PCDATA。這類規(guī)范通常用在通用的XML文檔（如創(chuàng)建字處理器）根元素中。在這類文檔中原文的元素可以以任何順序出現(xiàn)，所以使用ANY 是有意義的。

EMPTY 規(guī)范表示元素不包含任何內(nèi)容。所以允許你使用<flag/>標(biāo)簽的e-mail消息在DTD中有一行跟下面類似的內(nèi)容：

<!ELEMENT flag EMPTY>

引用DTD

這時，DTD定義跟XML文檔不在同一文檔中。這意味著必須在XML 文檔中引用它，這使得DTD文件成為XML文件完整的文檔類型定義(DTD)的外部子集。后面可以看到，也可以在文檔中引入DTD的一部分。這樣的定義構(gòu)成了DTD的本地子集。

注意：本節(jié)中編寫的XML包括在slideSample05.xml中。(可瀏覽版本是slideSample05-xml.html)。

將下面幾行內(nèi)容添加到slideSample.xml 文件中引用DTD文件：

<!--? A SAMPLE set of slides? -->

				<!DOCTYPE slideshow SYSTEM "slideshow.dtd">
				
				
				
				
		

<slideshow ?

同樣，DTD 標(biāo)簽以"<!"開始，在本例中，標(biāo)簽名DOCTYPE說明該文檔是slideshow，意味著文檔包含slideshow 元素和它內(nèi)部的所有內(nèi)容：

<slideshow>

...

</slideshow>

該標(biāo)簽將slideshow 元素定義成文檔的根元素。每個XML文檔必須有一個根元素。就在這里指定該元素。換句話說，該標(biāo)簽將文檔content 認(rèn)為是slideshow。

DOCTYPE 標(biāo)簽出現(xiàn)在XML聲明之后根元素之前。SYSTEM 標(biāo)識符指定DTD文件的位置。由于它不以http:/ or file:/這類前綴開始，故路徑跟XML文檔的位置相關(guān)。是否還記得setDocumentLocator 方法？解析器使用該信息查找DTD 文件，這就跟應(yīng)用程序查找和XML文檔相關(guān)的文件一樣。也要使用PUBLIC 標(biāo)識符指定使用唯一名字的DTD 文件——但是解析器必須能夠處理它。

DOCTYPE 規(guī)范必須在XML文檔內(nèi)包含DTD 定義。這樣的定義包含在方括號內(nèi)，如下所示：

<!DOCTYPE slideshow SYSTEM "slideshow1.dtd" [

				??...local subset definitions here...
		

				]>
				
				
				
				
		

后面會充分利用該功能來定義一些文檔中能使用的實體。

DTD對非驗證解析器的影響

在前一節(jié)，定義了基本文檔類型，并在XML文件中使用了它。在本節(jié)中，將使用Echo程序說明引入DTD后，數(shù)據(jù)是如何出現(xiàn)在SAX解析器中的。

注意：本節(jié)中的輸出結(jié)果在Echo07-05.txt中。(可瀏覽版本是Echo07-05.html)

在slideSample.xml 的最新版本上運(yùn)行Echo程序，可以看到許多對characters 方法的多余的調(diào)用消失了。

以前是：

??...

>

PROCESS: ...

				CHARS:
		

??ELEMENT:????????<slide

????ATTR: ...

??>

??????ELEMENT:????????<title>

??????CHARS:????????Wake up to ...

??????END_ELM:????????</title>

??END_ELM:????????</slide>

				CHARS:
		

??ELEMENT:????????<slide

????ATTR: ...

??>

??...

現(xiàn)在是：

??...

>

PROCESS: ...

??ELEMENT:????????<slide

????ATTR: ...

??>

??????ELEMENT:????????<title>

??????CHARS:????????Wake up to ...

??????END_ELM:????????</title>

??END_ELM:????????</slide>

??ELEMENT:????????<slide

????ATTR: ...

??>

??...

很明顯，可以看到，解析器不再傳送以前回送到slide 元素旁邊的空白字符，這是因為DTD聲明， slideshow 僅僅包含slide 元素：

? <!ELEMENT slideshow (slide+)>

跟蹤可忽略空白

既然使用了DTD，解析器不再調(diào)用帶有無關(guān)空白的characters 方法。從僅對處理XML數(shù)據(jù)感興趣的應(yīng)用程序的觀點來看，這樣做非常好。應(yīng)用程序不再受到那些僅為增加XML文件可讀性的空白的干擾。

另外，如果你正在編寫過濾XML數(shù)據(jù)文件的應(yīng)用程序，并且你希望該版本的文件具有相同的可讀性，那么這些空白就不會是無關(guān)的——它是必需的。要得到這些字符，必須在應(yīng)用程序中添加方法ignorableWhitespace 。下面你就要這樣做。

注意：本節(jié)中編寫的代碼包含在Echo08.java中。輸出結(jié)果在Echo08-05.txt.中。(可瀏覽版本是Echo08-05.html)

要處理解析器看到的可忽略的空白，添加下面的代碼，實現(xiàn)你自己的Echo程序中的ignorableWhitespace 事件處理程序：

public void characters (char buf[], int offset, int len)

... 

}

				public void ignorableWhitespace char buf[], int offset, int Len)
		

				throws SAXException
		

				{
		

				??nl(); 
		

				??emit("IGNORABLE");
		

				}
				
				
				
				
		

public void processingInstruction(String target, String data)

...

該代碼僅僅產(chǎn)生告訴你查看到了可忽略空白的消息。

注意：同樣，不是創(chuàng)建的所有解析器都是相同的。SAX規(guī)范不要求調(diào)用該方法。只要DTD使得它可能，Java XML實現(xiàn)就這樣做。

現(xiàn)在運(yùn)行Echo應(yīng)用程序，輸出結(jié)果如下所示：

ELEMENT: <slideshow

??ATTR: ...

>

				IGNORABLE
		

				IGNORABLE
		

PROCESS: ...

				IGNORABLE
		

				IGNORABLE
		

??ELEMENT: <slide

????ATTR: ...

??>

??IGNORABLE

????ELEMENT: <title>

????CHARS:?? Wake up to ...

????END_ELM: </title>

??IGNORABLE

??END_ELM: </slide>

				IGNORABLE
		

				IGNORABLE
		

??ELEMENT: <slide

????ATTR: ...

??>

??...

這里很明顯，在注釋和幻燈片元素之前和之后調(diào)用了可忽略空白，其中這之前調(diào)用的字符是DTD。

清除

既然已經(jīng)回送了可忽略空白，從你的Echo程序中刪除該代碼——前面的練習(xí)中已經(jīng)不再需要它們了。

注意：該變化保存在Echo09.java中。

文檔和數(shù)據(jù)

前面，已經(jīng)介紹了同時存在XML documents和XML data這兩種叫法的原因之一在于，XML不管結(jié)構(gòu)中的元素之間是否允許使用文本，都能能否很好地處理它們。

在使用的示例文件中，slideshow 元素是數(shù)據(jù)元素(data element)的一個例子——它僅包含子元素，且沒有插入文本。另外，item 元素可能會變成文檔元素（document element），因為它能引入了文本和子元素。

在閱讀該教程的過程中，你會知道如何擴(kuò)展標(biāo)題元素的定義，讓它能引入HTML-風(fēng)格的標(biāo)記，這也會變成文檔元素。

修改空元素

現(xiàn)在你已經(jīng)理解了如何忽略空白的特定實例，可以修改“空”元素的定義了?，F(xiàn)在可以擴(kuò)展該元素以包含

? <foo>?? </foo>

其中標(biāo)簽間有空白并且DTD定義的空白可忽略。

定義DTD中的屬性和實體

目前定義的DTD用于非驗證解析器。它說明了文本應(yīng)該出現(xiàn)在哪里不應(yīng)該出現(xiàn)在哪里，這些都是解析器所關(guān)心的。但是在驗證解析器的使用中，DTD需要指定不同元素的有效屬性。我們將在本節(jié)中實現(xiàn)它，然后再定義一個可以在XML文件中引用的內(nèi)部實體和外部實體。

定義DTD中的屬性

首先在幻燈片放映中定義元素屬性。

注意：本節(jié)中編寫的XML包含在slideshow1b.dtd中。 (可瀏覽版本是：slideshow1b-dtd.html)

添加下面的文本，定義slideshow 元素的屬性：

<!ELEMENT slideshow (slide+)>

				<!ATTLIST slideshow 
		

				????title??? CDATA??? #REQUIRED
		

				????date???? CDATA??? #IMPLIED
		

				????author?? CDATA??? "unknown"
		

				>
		

<!ELEMENT slide (title, item*)>

DTD標(biāo)簽ATTLIST揭開了屬性定義的序幕。ATTLIST 后面的名字指定了要定義屬性的元素。這里，元素是slideshow 元素。(注意DTD規(guī)范中同樣缺少層次結(jié)構(gòu)) 。

每個屬性由被三個空格隔開的值指定。不允許使用逗號和其他分隔符，所以如上所述的格式化定義對增強(qiáng)可讀性很有效。每行中的第一個元素是屬性的名字，這里是：title, date 或 author。 第二個元素表示了數(shù)據(jù)的類型：CDATA 是字符數(shù)據(jù)——不可解析數(shù)據(jù)。左尖括號(<)同樣是XML標(biāo)簽的一部分。表 6-3 提供了屬性類型的有效選擇。

表 6-3 屬性類型
屬性類型	指定了 ...
(value1 | value2 | ...)	由垂直條分隔的值的列表 (例子在下面)
CDATA	"未解析的字符數(shù)據(jù)"。(對于一般人而言，這是文本字符串)
ID	不與其他ID屬性共享的名字
IDREF	對文檔其他地方定義的ID的引用
IDREFS	包含一個或多個ID引用的空格分隔的列表
ENTITY	DTD中定義的實體的名字
ENTITIES	空格間隔的實體的列表
NMTOKEN	有效的XML名字，由字母、數(shù)字、連字符、下劃線和冒號構(gòu)成
NMTOKENS	用空格間隔的名字列表
NOTATION	DTD指定的符號名，描述了非XML數(shù)據(jù)格式，比如圖像文件中使用的*

*這是一個很快就過時的規(guī)范，在本節(jié)結(jié)尾處會詳細(xì)介紹。

當(dāng)屬性類型包含括號括起來的由垂直條分隔的選項列表時，屬性必須使用指定值。例如，將下面的文本添加到DTD中：

<!ELEMENT slide (title, item*)>

				<!ATTLIST slide 
		

				????type?? (tech | exec | all) #IMPLIED
		

				>
		

<!ELEMENT title (#PCDATA)>

<!ELEMENT item (#PCDATA | item)* >

該規(guī)范說明slide 元素的type 屬性必須按如下方式給出：type="tech"type="exec", or type="all"。其他值不能接受。(能理解DTD的XML編輯器可以使用這樣的規(guī)范來表現(xiàn)選項的彈出列表。)

屬性規(guī)范中的最后一項確定了屬性的默認(rèn)值，并說明了是否需要屬性。表6-4 列出了可用選項。

表 6-4 屬性 - 規(guī)范參數(shù)
規(guī)范	指定了 ...
#REQUIRED	文檔中必須指定屬性值
#IMPLIED	文檔中不需要指定屬性值。如果沒有指定，它會使用應(yīng)用程序提供的默認(rèn)值
"defaultValue"	如果文檔中沒有指定值，這就是要使用的默認(rèn)值
#FIXED "fixedValue"	要使用的值。如果文檔指定了所有值，它們必須相同

定義DTD中的實體

目前，已經(jīng)看到了類似于& 這樣的預(yù)定義實體，并且看到實體中可以引用屬性?，F(xiàn)在可以開始學(xué)習(xí)如何定義實體。

注意：這里定義的XML包含在slideSample06.xml中。輸出結(jié)果在Echo09-06.txt中。 (可瀏覽版本是slideSample06-xml.html 和Echo09-06.html.)

將下面的文本添加到你的XML文件的DOCTYPE 標(biāo)簽中：

<!DOCTYPE slideshow SYSTEM "slideshow.dtd" [

				??<!ENTITY product? "WonderWidget">
		

				??<!ENTITY products "WonderWidgets">
		

				]>

ENTITY 標(biāo)簽名說明正在定義一個實體。下面是實體名和它的定義。這里，定義了一個叫做“product”的實體，使用它來替代產(chǎn)品名。以后，一旦改變了產(chǎn)品名(通常會這樣)，只需要改變一個地方的名字，然后，所有的幻燈片就都能夠使用該新值。

最后一部分是XML文檔中實體引用時可以取代實體名的替換字符串。使用引號定義替代字符串，當(dāng)將文本插入文檔時沒有引入它們。

為方便起見，我們定義了兩個版本，一個是單數(shù)一個是復(fù)數(shù)。當(dāng)市場專家遇到產(chǎn)品名"Wally"時，你將要輸入復(fù)數(shù)"Wallies"并且正確替換它。

注意：老實說，這屬于外部DTD的范疇。這樣，當(dāng)名字改變時，所有的文檔能夠引用新的名字。但是，這是一個例子...

既然已經(jīng)定義了實體，下面要在幻燈片放映中引用它們。進(jìn)行下面的修改實現(xiàn)該功能：

<slideshow 

??title="WonderWidget&product; Slide Show" 

??...

??<!-- TITLE SLIDE -->

??<slide type="all">

????<title>Wake up to WonderWidgets&products;!</title>

??</slide>

?? <!-- OVERVIEW -->

??<slide type="all">

????<title>Overview</title>

????<item>Why <em>WonderWidgets&products;</em> are 

great</item>

????<item/>

????<item>Who <em>buys</em> WonderWidgets&products;</item>

??</slide>

這里要注意的是，你定義的實體被引用時用到的語法和用于預(yù)定義實體的相同(&entityName;)，并且可以在屬性值和元素的內(nèi)容中引用實體。

回送實體引用

下面是在該版本的文件上運(yùn)行Echo 程序時看到的內(nèi)容：

ELEMENT:????????<title>

CHARS:????????Wake up to WonderWidgets!

END_ELM:????????</title>

注意，已經(jīng)使用了產(chǎn)品名替換了實體引用。

其他有用實體

下面是編寫XML文檔中可能有用的其他幾個實體定義的例子：

<!ENTITY ldquo? "&#147;"> <!-- Left Double Quote --> 

<!ENTITY rdquo? "&#148;"> <!-- Right Double Quote -->

<!ENTITY trade? "&#153;"> <!-- Trademark Symbol (TM) -->

<!ENTITY rtrade "&#174;"> <!-- Registered Trademark (R) -->

<!ENTITY copyr? "&#169;"> <!-- Copyright Symbol --> ?

引用外部實體

也可以使用SYSTEM 或 PUBLIC 標(biāo)識符命名在外部文件中定義的實體。現(xiàn)在就可以這樣做。

注意：這里定義的XML包含在 slideSample07.xml 和 copyright.xml中。輸出結(jié)果在Echo09-07.txt中。(可瀏覽版本是slideSample07-xml.html, copyright-xml.html 和 Echo09-07.html.)

為了引用外部實體，將下面的文本添加到XML文件的DOCTYPE 語句中：

<!DOCTYPE slideshow SYSTEM "slideshow.dtd" [

??<!ENTITY product? "WonderWidget">

??<!ENTITY products "WonderWidgets">

??<!ENTITY copyright SYSTEM "copyright.xml">

]>

該定義引用了一個包含在文件copyright.xml 中的版本信息。創(chuàng)建該文件并輸入一些有趣的文本，如下所示：

? <!--? A SAMPLE copyright? -->

This is the standard copyright message that our lawyers

make us put everywhere so we don't have to shell out a

million bucks every time someone spills hot coffee in their

lap...

最后，將下面的文本添加到slideSample.xml 文件中，以引用外部實體：

<!-- TITLE SLIDE -->

??...

</slide>

				<!-- COPYRIGHT SLIDE -->
		

				<slide type="all">
		

				??<item>&copyright;</item>
		

				</slide>
				
				
				
				
		

也可以使用外部實體聲明來訪問servlet，該servlet使用類似于下面的定義來產(chǎn)生當(dāng)前日期：

<!ENTITY currentDate SYSTEM

??"http://www.example.com/servlet/CurrentDate?fmt=dd-MMM-

yyyy"> ?

可以使用跟引用其他實體相同的方法引用該實體：

? Today's date is &currentDate;.

回送外部實體

下面是在幻燈片放映的最新版本上運(yùn)行Echo程序時看到的內(nèi)容：

...

END_ELM: </slide>

ELEMENT: <slide

??ATTR: type????????"all"

>

??ELEMENT: <item>

??CHARS: 

This is the standard copyright message that our lawyers

make us put everywhere so we don't have to shell out a

million bucks every time someone spills hot coffee in their

lap...

??END_ELM: </item>

END_ELM: </slide>

...

注意，文件中注釋后面的新行將作為字符回送，但是忽略注釋本身。這就是為什么版本消息出現(xiàn)在CHARS: 標(biāo)簽后面的下一行中，而不是直接在標(biāo)簽后面——實際上第一個回送的字符是注釋后面的新行。

總結(jié)實體

文檔內(nèi)容中引用的實體，不論是外部的還是內(nèi)部的都一概叫做一般實體。包含DTD內(nèi)引用的DTD規(guī)范的實體叫做參數(shù)實體（后面將會詳細(xì)介紹）。

一個包含XML(文本和標(biāo)記)并且被解析的實體叫做已析實體（parsed entity）。一個包含二進(jìn)制數(shù)據(jù)的實體 (如圖像)叫做未析實體（unparsed entity）。(本質(zhì)來講，它必須是外部的)該教程的下一節(jié)主要討論對未析實體的引用。

引用二進(jìn)制實體

本節(jié)沒有編程練習(xí)。主要討論引用類似于圖像文件和多媒體數(shù)據(jù)文件這樣的二進(jìn)制時的選項。

使用MIME數(shù)據(jù)類型

有兩種方法可以引用類似于二進(jìn)制圖形文件的這類未析實體。一種方法是使用DTD的NOTATION-規(guī)范機(jī)制。然而，該機(jī)制是一個復(fù)雜的非直觀機(jī)制，通常用于兼容SGML文檔。在介紹DTDHandler API時會進(jìn)一步詳細(xì)地介紹它，但是現(xiàn)在已可以說結(jié)合最近定義的XML命名空間標(biāo)準(zhǔn)，以及為電子郵件附件定義的MIME數(shù)據(jù)類型，為引用未析外部實體提供了一個更加有用、更易理解、更易擴(kuò)展的機(jī)制。

注意：這里描述的XML在 slideshow1b.dtd中。我們實際上沒有回送任何圖像。這超過了本教程的Echo程序的范圍。本節(jié)僅用來理解如何進(jìn)行這類引用。它假設(shè)將要處理XML數(shù)據(jù)的應(yīng)用程序知道如何處理這類引用。

將下面的文本添加到slideshow.dtd文件中，以便讓幻燈片顯示使用圖像文件：

<!ELEMENT slide (image?, title, item*)>

<!ATTLIST slide 

????type?? (tech | exec | all) #IMPLIED

>

<!ELEMENT title (#PCDATA)>

<!ELEMENT item (#PCDATA | item)* >

				<!ELEMENT image EMPTY>
		

				<!ATTLIST image 
		

				????alt??? CDATA??? #IMPLIED
		

				????src??? CDATA??? #REQUIRED
		

				????type?? CDATA??? "image/gif"
		

				>
				
				
				
				
		

這些改動聲明image 是slide中的可選元素，將它定義為空元素，并定義它需要的屬性。該image 標(biāo)簽在HTML 4.0 標(biāo)簽img之后，添加了圖像類型標(biāo)識符type。(img 標(biāo)簽是在HTML 4.0規(guī)范中定義的)

image 標(biāo)簽的屬性是由ATTLIST 項定義的。alt 屬性定義了在找不到圖像的情況下顯示的替代文本，它接受字符數(shù)據(jù)(CDATA)。這是一個“隱含”（implied）值，這表明它不是可選的，并且處理數(shù)據(jù)的程序知道如何替代像“圖像沒有找到”這樣的消息。另外，需要src 屬性來指定要顯示的圖像。

在MIME數(shù)據(jù)類型中需要type 屬性，它定義在ftp://ftp.isi.edu/in-notes/iana/assignments/media-types/.。它的默認(rèn)值為 image/gif。

注意：這里可以知道類型屬性使用的字符數(shù)據(jù)(CDATA)是MIME數(shù)據(jù)類型中的一種。最常見的格式為： image/gif和image/jpeg。這樣，最好在這里指定屬性列表，使用下面的格式：

type ("image/gif", "image/jpeg")

然而，這沒有用，因為屬性列表受限于名字記號（name token）。正斜杠不是名字記號字符的有效部分，所以該聲明出錯。而且，在DTD中創(chuàng)建屬性列表將會將有效的MIME類型限制于這些定義中。仍然保持CDATA 使得它更加開放，所以定義了其他類型之后，該聲明仍然有效。

文檔中，對"intro-pic"圖像的引用具有以下格式：

<image src="image/intro-pic.gif", alt="Intro Pic", 

type="image/gif" />

另一選擇：使用實體引用

使用MIME數(shù)據(jù)類型作為元素的屬性是一個非常靈活并可擴(kuò)展的機(jī)制。要使用符號機(jī)制創(chuàng)建外部ENTITY 引用，對于jpeg和gif數(shù)據(jù)需要DTD NOTATION 元素。當(dāng)然這些都可以從一些中央知識庫中取得。但是這樣你必須要為你想要引用的每個圖像定義不同的ENTITY 元素。換句話說，在文檔中添加新的圖像需要在DTD中進(jìn)行新實體定義也要在文檔中引用它。給定了普遍存在的HTML 4.0規(guī)范，更新的標(biāo)準(zhǔn)要使用MIME數(shù)據(jù)類型和聲明，如image ，它假設(shè)應(yīng)用程序知道如何處理這類元素。

選擇解析器實現(xiàn)

如果沒有指定其他factory類，就使用默認(rèn)的SAXParserFactory 類。使用不同制造商的解析器，可以改變指向它的環(huán)境變量的值?？梢栽诿钚兄羞M(jìn)行該操作，如下所示：

java -Djavax.xml.parsers.SAXParserFactory=yourFactoryHere ...

你指定的factory名必須是完全合格的類名(包括所有的包前綴)。如果想獲得更多信息，請查看SAXParserFactory 類中的newInstance()方法的文檔。