XML规范化（1）

文章的主要目的是说明如何规范化XML文档，为了更好地了解规范化的规则，我在翻译时省略了一些内容（XML数字签名；非对称密钥体系和信息摘要）。

让我们先来看看下面两份文件（文件1和文件2）

文件1

<?xml version="1.0"?>

<rooms>

</rooms>

文件2

<?xml version="1.0"?>

<rooms>

</rooms>

你肯定会说：这两份文件是一样的。对的，这两份文件表达的是相同的信息，采用了同样的文档结构，它们在逻辑上是一样的。你也许也已经注意到了它们之间的一些小差别：某些内容的顺序不一样（蓝色字体的内容）。

在这个例子里，两份文件的元素room的属性的顺序是不一样的，所以，它们相应的字节流也是不同的。当然，还有其他很多原因导致在逻辑上相同的XML文档的字符流不同。建立XML文档规范形式的目的是用来判定不同的XML文档在逻辑上是否相同。W3C制定了规范化规则，使用这些规则对两份逻辑上相同的文档进行规范化后，可以得到相同的文档。当我们需要判断两份XML文档在逻辑上是否相同时，我们可以先将文档规范化，然后转化成字节流进行比较，如果字节流相同，那么我们可以断定这两份文档在逻辑上是相同的。

XML规范化规则定义了一套规则用来形成规范的XML文档。下面将以一份文件（文件3）为例，逐步说明如何规范化XML文档。

文件3

<?xml version="1.0"?>

<!DOCTYPE product [

<!ATTLIST part approved CDATA "yes">

<!ENTITY testhistory "Part has been tested according to the specified standards.">

<product xmlns="http://www.myFictitiousCompany.com/product"

xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name='rotating disc "Energymeter"'

id="P 184.435"

classification = "MeasuringInstruments/Electrical/Energy/">

<parts>

<part id="P 184.675"

name="bearing">

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>&testhistory;</comments>

</part>

<part id="P 184.871"

name="magnet"

xmlns="http://www.myFictitiousCompany.com/product">

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>&testhistory;</comments>

</part>

</parts>

</product>

1 编码方式

编码是指按照一定的方式用字节代替字符。很显然，使用了不同的编码方式的同样内容的文档，得到的字节流是不同的。

XML规范条款规定XML的规范形式使用UTF-8进行编码，如果需要规范化的XML文档使用其他的方式编码，首先要将它转化为UTF-8编码。

2 断行符

文本文件中断行符一般使用A或D(十六进制)或者两者的组合来表示。XML文档是普通的文档文件，所以它也使用#xA和#xD作为断行符。XML的规范形式要求所有的断行符都用#xA表示。

3 空白符

XML规范化要求将所有的空白符（比如tab和space）转化成space（#x20），文件4是转化后的文件。注：在文件3中（<sup:supplier id="S 1753"/>），S与1753之间存在一个制表符

文件4

<?xml version="1.0"?>

<!DOCTYPE product [

<!ATTLIST part approved CDATA "yes">

<!ENTITY testhistory "Part has been tested according to the specified standards.">

<product xmlns="http://www.myFictitiousCompany.com/product"

xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name='rotating disc "Energymeter"'

id="P 184.435"

classification = "MeasuringInstruments/Electrical/Energy/">

<parts>

<part id="P 184.675"

name="bearing">

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>&testhistory;</comments>

</part>

<part id="P 184.871"

name="magnet"

xmlns="http://www.myFictitiousCompany.com/product">

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>&testhistory;</comments>

</part>

</parts>

</product>

4 属性值中的双引号

XML文档的规范形式中，属性值必须使用双引号括起来。文件4中（红色部分），name的属性值用的是单引号，必须改成双引号。文件5是规范后的文件。

文件5

<?xml version="1.0"?>

<!DOCTYPE product [

<!ATTLIST part approved CDATA "yes">

<!ENTITY testhistory "Part has been tested according to the specified standards.">

<product xmlns="http://www.myFictitiousCompany.com/product"

xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc "Energymeter""

id="P 184.435"

classification = "MeasuringInstruments/Electrical/Energy/">

<parts>

<part id="P 184.675"

name="bearing">

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>&testhistory;</comments>

</part>

<part id="P 184.871"

name="magnet"

xmlns="http://www.myFictitiousCompany.com/product">

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>&testhistory;</comments>

</part>

</parts>

</product>

5 属性值中的特殊字符

文件5有一个问题（红色部分）：name 的属性值含有双引号。XML规范化规则规定，属性值中的特殊字符（比如双引号）必须使用相应的转义字符（比如用"代替双引号）代替。

文件6

<?xml version="1.0"?>

<!DOCTYPE product [

<!ATTLIST part approved CDATA "yes">

<!ENTITY testhistory "Part has been tested according to the specified standards.">

<product xmlns="http://www.myFictitiousCompany.com/product"

xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc "Energymeter""

id="P 184.435"

classification = "MeasuringInstruments/Electrical/Energy/">

<parts>

<part id="P 184.675"

name="bearing">

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>&testhistory;</comments>

</part>

<part id="P 184.871"

name="magnet"

xmlns="http://www.myFictitiousCompany.com/product">

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>&testhistory;</comments>

</part>

</parts>

</product>

6 实体引用

文件6包含了DTD声明，它定义了一个实体：testhistory（红色部分），这个实体被元素comments引用。规范化要求文档中不能存在实体引用，需要用其内容代替引用。文件7是规范化后的文档。

文件7

<?xml version="1.0"?>

<!DOCTYPE product [

<!ATTLIST part approved CDATA "yes">

<!ENTITY testhistory "Part has been tested according to the specified standards.">

<product xmlns="http://www.myFictitiousCompany.com/product"

xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc &quote;Energymeter&quote;"

id="P 184.435"

classification = "MeasuringInstruments/Electrical/Energy/">

<parts>

<part id="P 184.675"

name="bearing">

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

<part id="P 184.871"

name="magnet"

xmlns="http://www.myFictitiousCompany.com/product">

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

</parts>

</product>

7 缺省属性

文件7为part元素定义了一个缺省属性approved（红色字体），在规范化的文档中，缺省属性必须出现在元素的属性中。文件8时规范化后的文件。

文件8

<?xml version="1.0"?>

<!DOCTYPE product [

<!ATTLIST part approved CDATA "yes">

<!ENTITY testhistory "Part has been tested according to the specified standards.">

<product xmlns="http://www.myFictitiousCompany.com/product"

xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc &quote;Energymeter&quote;"

id="P 184.435"

classification = "MeasuringInstruments/Electrical/Energy/">

<parts>

<part id="P 184.675"

name="bearing"

approved="yes">

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

<part id="P 184.871"

name="magnet"

xmlns="http://www.myFictitiousCompany.com/product"

approved="yes">

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

</parts>

</product>

9 XML和DTD声明

规范化的XML文档不能存在XML或DTD声明，文件9是将XML和DTD声明去除后的文件。

文件9

<product xmlns="http://www.myFictitiousCompany.com/product"

xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc &quote;Energymeter&quote;"

id="P 184.435"

classification = "MeasuringInstruments/Electrical/Energy/">

<parts>

<part id="P 184.675"

name="bearing"

approved="yes">

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

<part id="P 184.871"

name="magnet"

xmlns="http://www.myFictitiousCompany.com/product"

approved="yes">

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

</parts>

</product>

10 文档元素外的空格

规范化的XML文档在文档元素外面不能存在空格，文档以“<”开始，在"<"前面不能有空格。文件10时去掉“<”前面的空格后的文件。

文件10

<product xmlns="http://www.myFictitiousCompany.com/product" xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc &quote;Energymeter&quote;" id="P 184.435"

classification="MeasuringInstruments/Electrical/Energy/">

<parts>

<sup:supplier id="S 1753"/>

<sup:supplier id="S 2341"/>

<sup:supplier id="S 3276"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

<sup:supplier id="S 3908"/>

<sup:supplier id="S 4589"/>

<sup:supplier id="S 1098"/>

<comments>Part has been tested according to the specified standards.</comments>

</part>

</parts>

</product>

11 开始和结束元素中的空格

1 ） "<"与元素名之间不能存在空格，"</"也一样。

2 ）如果元素包含属性，在元素名和属性之间有且只有一个空格。

3 ）在属性和属性值之间的等号两边不能有空格。

4 ）属性值和相邻属性之间有且只有一个空格。

5 ）在">"之前不能有空格。

12 空元素

规范化的xml文档中，空元素要以<...></...>的形式出现，将<emptyElement/>转化为<emptyElement></emptyElement>后得到文件11。

文件11

<product xmlns="http://www.myFictitiousCompany.com/product" xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc "Energymeter"" id="P 184.435" classification="MeasuringInstruments/Electrical/Energy/">

<parts>

<sup:supplier id="S 1753"></sup:supplier>

<sup:supplier id="S 2341"></sup:supplier>

<sup:supplier id="S 3276"></sup:supplier>

<comments>Part has been tested according to the specified standards.</comments>

</part>

<sup:supplier id="S 3908"></sup:supplier>

<sup:supplier id="S 4589"></sup:supplier>

<sup:supplier id="S 1098"></sup:supplier>

<comments>Part has been tested according to the specified standards.</comments>

</part>

</parts>

</product>

13 名称空间声明

XML文档规范化要求文档中除了多余的名称空间外，所有的名称空间都保留。文件11中第二个part元素的名称空间是多余的，将她出去不会影响文档中所有节点的名称空间上下文。

文件12

<product xmlns="http://www.myFictitiousCompany.com/product" xmlns:sup="http://www.myFictitiousCompany.com/supplier"

name="rotating disc "Energymeter"" id="P 184.435" classification="MeasuringInstruments/Electrical/Energy/">

<parts>

<sup:supplier id="S 1753"></sup:supplier>

<sup:supplier id="S 2341"></sup:supplier>

<sup:supplier id="S 3276"></sup:supplier>

<comments>Part has been tested according to the specified standards.</comments>

</part>

<sup:supplier id="S 3908"></sup:supplier>

<sup:supplier id="S 4589"></sup:supplier>

<sup:supplier id="S 1098"></sup:supplier>

<comments>Part has been tested according to the specified standards.</comments>

</part>

</parts>

</product>

14 元素属性的排序

XML文档规范化要求元素的属性以字母的升序排列，在一个元素中，名称空间首先出现，然后是属性名和属性值，文件13是排列后的文件

文件13

<product xmlns="http://www.myFictitiousCompany.com/product" xmlns:sup="http://www.myFictitiousCompany.com/supplier"

classification="MeasuringInstruments/Electrical/Energy/" id="P 184.435" name="rotating disc "Energymeter"">

<parts>

<sup:supplier id="S 1753"></sup:supplier>

<sup:supplier id="S 2341"></sup:supplier>

<sup:supplier id="S 3276"></sup:supplier>

<comments>Part has been tested according to the specified standards.</comments>

</part>

<sup:supplier id="S 3908"></sup:supplier>

<sup:supplier id="S 4589"></sup:supplier>

<sup:supplier id="S 1098"></sup:supplier>

<comments>Part has been tested according to the specified standards.</comments>

</part>

</parts>

</product>

（待续）

XML规范化规则（W3C制定）