Описание схемы документа на языке XSD

Описание структуры документа XML, выполненное средствами DTD, очень скоро перестало удовлетворять разработчиков. Потребовалось более точное описание схемы документа, учитывающее тип содержимого элемента, количество повторений вложенного элемента и другие подробности.

В мае 2001 года консорциум W3C рекомендовал описывать структуру документов XML на новом языке описания схем XSD (XML Schema Definition Language). На этом языке записывается схема XML (XML Schema), описывающая конструкции, использованные в документе XML.

Язык XSD создан как реализация XML. Это значит, что схема XML сама записывается в виде документа XML. Ее элементы называют компонентами (components), чтобы отличить их от элементов описываемого документа XML. Корневой компонент схемы носит имя schema. Компоненты схемы описывают элементы XML и определяют различные типы элементов. Рекомендация схемы XML, которую можно посмотреть по адресу http:// www.w3.org/XML/Schema/, перечисляет 13 типов компонентов, но наиболее важны компоненты, определяющие простые и сложные типы элементов, сами элементы и их атрибуты.

Язык XSD различает простые и сложные элементы XML. Простыми (simple) элементами описываемого документа XML считаются элементы, не содержащие атрибутов и вложенных элементов. Соответственно, сложные (complex) элементы содержат атрибуты и/или вложенные элементы. Схема XML определяет простые типы — типы простых элементов, и сложные типы — типы сложных элементов.

Язык описания схем содержит множество встроенных простых типов, перечисленных в следующем разделе.

Встроенные простые типы XSD

Встроенные типы языка описания схем XSD позволяют записывать двоичные и десятичные целые числа, вещественные числа, дату и время, строки символов, логические значения, адреса URI. Рассмотрим их по порядку.

Вещественные числа

Вещественные числа в языке XSD разделены на три типа: decimal, float и double.

Тип decimal составляют вещественные числа, записанные с фиксированной точкой: 123.45, -0.1234567689345 и т.д. Фактически хранятся два целых числа. Одно число представляет мантиссу, другое — порядок вещественного числа. Спецификация языка XSD не ограничивает количество цифр в мантиссе, но требует, чтобы можно было записать не менее 18 цифр. При обработке документа средствами технологии Java этот тип легко реализуется, например, классом java.math.BigDecimal, входящим в стандарт Java API.

Типы float и double соответствуют стандарту IEEE754-85 и одноименным типам Java. Они записываются с фиксированной или с плавающей десятичной точкой. Например, 34.567, -45.67, 1е-5, 34.58е14.

Целые числа

Основной целый тип integer понимается как подтип типа decimal, содержащий числа с нулевым порядком. Это целые числа с любым количеством десятичных цифр: -34567, 123456789012345 и т.д. При использовании средств Java для обработки документа этот тип легко реализуется классом Java.math.BigInteger.

Типы long, int, short и byte полностью соответствуют одноименным типам Java. Они понимаются как подтипы типа integer, типы более коротких чисел считаются подтипами более длинных чисел, например тип byte — это подтип типа short, оба они подтипы типа int и т. д.

Значения типа byte, как следует из его названия, занимают один байт и изменяются от -128 до 127. Тип short занимает два байта, его значения лежат в диапазоне от -32768 до +32767. Числа типа int хранятся в четырех байтах и меняются от -2147483648 до +2147483647. Наконец, тип long располагается в восьми байтах, его значения от -9223372036854775808 до +9223372036854775807.

Типы nonPositivelnteger и negativelnteger — подтипы типа integer — составлены из неположительных и отрицательных чисел соответственно с любым количеством цифр.

Типы nonNegativelnteger и positivelnteger— подтипы типа integer— со-ставлены из неотрицательных и положительных чисел соответственно с любым количеством цифр.

У типа nonNegativelnteger есть подтипы целых чисел без знака unsignedLong, unsignedlnt, unsignedShort и unsignedByte.

Строки символов

Основной символьный тип string описывает произвольную строку символов Unicode. Его можно реализовать средствами Java, используя класс Java.lang.String.

Тип normalizedString — подтип типа string — это строки, не содержащие символов перевода строки '\n', возврата каретки '\г' и горизонтальной табуляции '\t'.

В строках типа token — подтипа типа normalizedString — нет, кроме того, начальных и завершающих пробелов и нескольких подряд идущих пробелов.

В типе token выделены три подтипа. Подтип language определен для записи названия языка согласно рекомендации RFC 1766, например, ru, en, de, fr. Подтип nmtoken используется только в атрибутах для записи их перечисляемых значений. Подтип name составляют имена XML — последовательности букв, цифр, дефисов, точек, двоеточий, знаков подчеркивания, начинающиеся с буквы (кроме зарезервированной последовательности букв X, х, M, m, L, 1 в любом сочетании регистров) или знака подчеркивания. Мы видели в предыдущих главах, что имена, начинающиеся со строки xml, используются самой спецификацией XML, например, имя атрибута xmlns. Двоеточие в значениях типа name применяется для выделения префикса в уточненных именах при использовании пространства имен.

Из типа name выделен подтип NCName (Non-Colonized Name) имен, не содержащих двоеточия, в котором, в свою очередь, определены три подтипа: id, entity, idref, — описывающие идентификаторы XML, сущности и перекрестные ссылки на идентификаторы.

Дата и время

Тип duration описывает промежуток времени, например, запись P1Y2M3DT10H30M45S означает один год (1Y), два месяца (2м), три дня (3d), десять часов (10H), тридцать минут (30M) и сорок пять секунд (45S). Запись может быть сокращенной, например, Р120М означает 120 месяцев, а Т120М — 120 минут.

Тип dateTime содержит дату и время в формате CCYY-MM-DDThh:mm:ss, например, 2003-04-25Т09:30:05. Остальные типы выделяют какую-либо часть даты или времени.

Тип time содержит время в обычном формате hh:mm:ss.

Тип date содержит дату в формате ccyy-mm-dd.

Тип gYearMonth выделяет год и месяц в формате ccyy-mm.

Тип gMonthDay содержит месяц и день месяца в формате -mm-dd.

Тип gYear означает год в формате ccyy, тип gMonth - месяц в формате -мм-, тип gDay — день месяца в формате -dd.

Двоичные типы

Двоичные целые числа записываются либо в шестнадцатеричной форме без всяких дополнительных символов: 0B2F, 356С0А и т. д., это тип hexBinary, либо в кодировке Base64, это тип base64Binary.

Прочие встроенные простые типы

Еще три встроенных простых типа описывают значения, часто используемые в документах XML.

Адреса URI относятся к типу anyURI.

Расширенное имя тега или атрибута (qualified name), т. е. имя вместе с префиксом, отделенным от имени двоеточием, — это тип QName.

Обозначение notation описания DTD выделено как отдельный простой тип схемы XML. Его используют для записи математических, химических и других символов, нот, азбуки Бройля и прочих обозначений.

Определение простых типов

В схемах XML с помощью встроенных типов можно тремя способами определить новые типы простых элементов. Они вводятся как сужение (restriction) встроенного или ранее определенного простого типа, список (list) или объединение (union) простых типов.

Простой тип определяется компонентом схемы simpleType, имеющим вид

Определение типа

Сужение

Сужение простого типа определяется компонентом restriction, в котором атрибут base указывает сужаемый простой тип, а в содержимом задаются ограничения, выделяющие определяемый простой тип. Например, почтовый индекс zip можно определить как шесть арабских цифр следующим образом:

Можно дать другое определение простого типа zip как целого положительного числа, находящегося в диапазоне от 100000 до 999999:

Теги , и др., задающие ограничения, называются фасетками (facets). Вот их список:

• 
  — наибольшее значение, которое уже не входит в определяемый тип;
  
• 
  — наибольшее значение определяемого типа;
  

1. 
   — наименьшее значение, уже не входящее в определяемый тип;
   
2. 
   — наименьшее значение определяемого типа;
   
3. 
   — общее количество цифр в определяемом числовом типе — сужении типа decimal;
   
4. 
   — количество цифр в дробной части числа;
   
5. 
   — длина значений определяемого типа;
   
6. 
   — наибольшая длина значений определяемого типа;
   
7. 
   — наименьшая длина значений определяемого типа;
   
8. 
   — одно из перечислимых значений;
   

9. — регулярное выражение;

   
   
10. 
    — применяется при сужении типа string и определяет способ преобразования пробельных символов '\n', '\r', '\t'. Атрибут value этого тега принимает одно из трех значений:
    

1. 
   preserve — не убирать пробельные символы;
   
2. 
   replace — заменить пробельные символы пробелами;
   

• collapse — после замены пробельных символов пробелами убрать начальные и конечные пробелы, а из нескольких подряд идущих пробелов оставить только один.

В тегах-фасетках можно записывать следующие атрибуты, называемые базисными фасетками (fundamental facets):

□ ordered — задает упорядоченность определяемого типа, принимает одно из трех значений:

1. 
   false — тип неупорядочен;
   
2. 
   partial — тип частично упорядочен;
   
3. 
   total — тип полностью упорядочен;
   

□ bounded — задает ограниченность или неограниченность типа значением true false;

□ cardinality — задает конечность или бесконечность типа значением finite или countably infinite;

□ numeric — показывает, числовой этот тип или нет, значением true или false.

Как видно из приведенных выше и ниже примеров, в одном сужении может быть несколько ограничений-фасеток. При этом фасетки и задают независимые друг от друга ограничения, их можно мысленно объединить союзом "или". Остальные фасетки задают общие, совместно накладываемые ограничения, их можно мысленно объединить союзом "и".

Список

Простой тип-список — это тип элементов, в теле которых записываются через пробел несколько значений одного и того же простого типа. Например, в документе XML может встретиться такой элемент, содержащий список целых чисел:

21 34 55 46

Список определяется компонентом list, в котором атрибутом itemType указывается тип элементов определяемого списка. Тип элементов списка можно определить и в содержимом элемента list. Например, показанный выше элемент документа XML days можно определить в схеме так:

а использованный при его определении тип listOfInteger задать как список не более чем из пяти целых чисел следующим образом:

При определении списка можно применять фасетки , , , ,

. В приведенном выше примере список — тело элемента days — не может содержать более пяти чисел.

Объединение

Простой тип-объединение определяется компонентом union, в котором атрибутом memberTypes можно указать имена объединяемых типов. Например:

Другой способ — записать в содержимом компонента union определения простых типов, входящих в объединение. Например:

.

После этого атрибут size можно использовать, например, так:

Глава K/font> Простой TeKCT

Упражнения

1. 
   Подберите простой тип для записи фамилии.
   
2. 
   Определите тип телефонного номера.
   
3. 
   Определите тип температуры, измеряемой в градусах Кельвина.
   
4. 
   Определите тип угла, измеряемого в градусах.
   
5. 
   Определите тип, состоящий всего из нескольких значений.
   

Объявление элементов и их атрибутов

Элементы, из которых будет состоять документ XML, объявляются в схеме компонентом element:

minOccurs="HaHMeHbiuee число появлений элемента в документе" тах0ссигз="наиболыиее число появлений" />

Значение по умолчанию необязательных атрибутов minOccurs и maxoccurs равно 1. Это означает, что если эти атрибуты отсутствуют, то элемент должен появиться в документе XML ровно один раз. Например:

Указание типа элемента в атрибуте type удобно, если это встроенный простой тип или тип, определенный заранее. Тогда в атрибуте type можно записать только имя типа.

Если же тип элемента определяется здесь же, то определение типа элемента лучше вынести в содержимое компонента element:

Определение типа элемента

Объявление атрибута элемента тоже несложно:

изе="обязательность атрибута" default="значение по умолчанию" />

Необязательный атрибут use принимает три значения:

• 
  optional — описываемый атрибут необязателен (это значение по умолча
  нию);
  
• 
  required — описываемый атрибут обязателен;
  
• 
  prohibited — описываемый атрибут неприменим. Это значение полезно
  при определении подтипа, чтобы отменить некоторые атрибуты базового
  типа.
  

Например:

Если описываемый атрибут необязателен, то атрибутом default можно задать его значение по умолчанию:

Определение типа атрибута, — а это должен быть простой тип, — можно вынести в содержимое элемента attribute:

Тип атрибута

Упражнение

Объявите элементы, встретившиеся в листингах главы /, и их атрибуты.

Определение сложных типов

Напомним, что тип элемента называется сложным, если в элемент вложены другие элементы и/или в открывающем теге элемента есть атрибуты.

Сложный тип определяется компонентом complexType, имеющим вид:

Определение типа

Необязательный атрибут name задает имя типа, а в содержимом компонента complexType описываются элементы, входящие в сложный тип, и/или атрибуты открывающего тега.

Определение сложного типа можно разделить на три группы:

1. 
   определение типа пустого элемента;
   
2. 
   определение типа элемента с простым телом;
   
3. 
   определение типа элемента, содержащего вложенные элементы.
   Рассмотрим эти определения подробнее.
   

Определение типа пустого элемента

Проще всего определяется тип пустого элемента — элемента, не содержащего тела, а содержащего только атрибуты в открывающем теге. Таков, например, элемент name листинга 1.2. Каждый атрибут объявляется одним компонентом attribute, как в предыдущем разделе, например:

После этого определения можно в схеме объявить элемент image типа imageType:

а в документе XML использовать это объявление:

Упражнения

1. 
   Определите тип пустого элемента
   .
   
2. 
   Определите тип элемента name из листинга 1.2.
   

Определение типа элемента с простым телом

Немного сложнее описание элемента, содержащего тело простого типа и атрибуты в открывающем теге. Этот тип отличается от простого типа только наличием атрибутов и определяется компонентом simpiecontent. В теле этого компонента должен быть либо компонент restriction, либо компонент extension, атрибутом base задающий тип (простой) тела описываемого элемента.

В компоненте extension указываются атрибуты открывающего тега описываемого элемента. Все вместе выглядит так, как в следующем примере:

type="xsd:nonNegativeInteger" />

Эту конструкцию можно описать словами так: "Определяется тип calcResuitType элемента, тело которого содержит значения встроенного простого типа xsd: decimal. Простой тип расширяется тем, что к нему добавляются атрибуты unit И precision".

Если в схеме объявить элемент result этого типа следующим образом:

то в документе XML можно написать:

123.25

В компоненте restriction, кроме атрибутов, описывается простой тип содержимого элемента и/или фасетки, ограничивающие тип, заданный атрибутом base. Например:

type="xsd:nonNegativeInteger" />

Упражнение

Определите тип элемента city из листинга 1.2.

Определение типа вложенных элементов

Если значениями определяемого сложного типа будут элементы, содержащие вложенные элементы, как, например, элементы address, phone-list

листинга 1.2, то перед тем, как перечислять их описания, надо выбрать модель группы (model group) вложенных элементов. Дело в том, что вложенные элементы, составляющие определяемый тип, могут появляться или в определенном порядке, или в произвольном порядке, кроме того, можно выбирать только один из перечисленных элементов. Эта возможность и называется моделью группы элементов. Она определяется одним из трех компонентов: sequence, all ИЛИ choice.

Компонент sequence применяется в том случае, когда перечисляемые элементы должны записываться в документе "в определенном порядке. Пусть, например, мы описываем книгу. Сначала определяем тип:

Потом описываем элемент:

Элементы author, title, pages И publisher ДОЛЖНЫ ВХОДИТЬ В элемент book именно в таком порядке. В документе XML надо писать:

M. Ильф, Е. neTpoB