C++ CSS HTML Java JavaScript MySQL Oracle PERL PHP SQL Unix VBScript XHTML XML Сети
Extensible Markup Language (XML, Открытый язык разметки) 1.0
 

Extensible Markup Language
(XML, Открытый язык разметки) 1.0

Рекомендация W3C 10 февраля 1998 г.

Введение

и обработку общего языка SGML в Web так же, как сейчас это происходит с языком HTML. Язык XML разработан для упрощения реализации и взаимодействия между SGML и HTML.

Extensible Markup Language (XML, Открытый язык разметки) 1.0

Содержание

1. Введение
    1.1 Происхождение и цели
    1.2 Терминология
2. Документы
    2.1 Правильно построенные документы XML
    2.2 Символы
    2.3 Общие синтаксический конструкции
    2.4 Символьные данные и разметка
    2.5 Комментарии
    2.6 Инструкции по обработке
    2.7 Разделы CDATA
    2.8 Пролог и объявление типа документа
    2.9 Автономное объявление документа
    2.10 Обработка пробельных символов
    2.11 Обработка концов строк
    2.12 Идентификация языка
3. Логические структуры
    3.1 Начальные теги, конечные теги и теги пустых элементов
    3.2 Объявления типов элементов
        3.2.1 Содержимое элемента
        3.2.2 Смешанное содержимое
    3.3 Объявления списков атрибутов
        3.3.1 Типы атрибутов
        3.3.2 Значения атрибутов по умолчанию
        3.3.3 Нормализация значений атрибутов
    3.4 Условные разделы
4. Физические структуры
    4.1 Ссылки на символы и на сущности
    4.2 Объявления сущностей
        4.2.1 Внутренние сущности
        4.2.2 Внешние сущности
    4.3 Анализируемые сущности
        4.3.1 Объявление текста
        4.3.2 Правильные анализируемые сущности
        4.3.3 Кодировка символов в сущностей
    4.4 Обработка сущностей и ссылок процессором XML
        4.4.1 Не распознается
        4.4.2 Включается
        4.4.3 Включается в случае проверки корректности
        4.4.4 Запрещен
        4.4.5 Включается в литерал
        4.4.6 Уведомление
        4.4.7 Обходится
        4.4.8 Включается как сущность параметров
    4.5 Построение заменяющего текста внутренних сущностей
    4.6 Заранее определенные сущности
    4.7 Объявления нотаций
    4.8 Сущность документа
5. Конформность
    5.1 Процессоры с проверкой корректности и без нее
    5.2 Использование процессоров XML
6. Нотация

Приложения

А. Ссылки
    А.1 Нормативные ссылки
    А.2 Другие ссылки
Б. Классы символов
В. XML и SGML (ненормативное)
Г. Декодирование ссылок на сущности и символы (ненормативное)
Д. Детерминистические модели содержимого (ненормативное)
Е. Автоматическое определение кодировок символов (ненормативное)
Ж. Рабочая группа W3C по XML (ненормативное)

1. Введение

Открытый язык разметки (Extensible Markup Language, сокращенно XML) описывает класс объектов данных, называемых документами XML[ISO 8879]. По конструкции документы XML являются документами, соответствующими спецификации SGML.

Документы XML состоят из единиц хранения, называемых сущностями. Сущности содержат подвергнутые или не подвергнутые анализу данные. Проанализированные данные состоят из символов, часть которых образует символьные данные, а часть - разметку. Разметкой кодируется описание макета хранения и логической структуры документа. Язык XML обеспечивает механизм наложения ограничений на макет хранения и логическую структуру.

Для чтения документов XML и обеспечения доступа к их содержимому и структуре используется программный модуль, называемый процессором XML. Считается, что процессор XML работает от лица другого модуля, называемого приложением. В настоящей спецификации описано необходимое поведение процессора XML относительно того, как он должен считывать данные XML и информации, которую он должен предоставлять приложению.

1.1 Происхождение и цели

Sun Microsystems, и группа активно участвовала в работе группы XML Special Interest Group (ранее называвшейся Рабочей группой SGML), также организованной W3C. Список членов рабочей группы XML приведен в приложении. В W3C эту рабочую группу представлял Дэн Коннолли.

Цели разработки документов на языке XML следующие:

  1. Язык XML должен без проблем использоваться в Интернет.
  2. Язык XML должен поддерживать широкий спектр приложений.
  3. Язык XML должен быть совместим с SGML.
  4. Программы для обработки документов XML должны быть просты в написании.
  5. Число необязательных возможностей в XML должно быть минимальным, в идеале оно должно равняться нулю.
  6. Документы XML должны быть удобочитаемы и ясны.
  7. Дизайн XML должен создаваться быстро.
  8. Дизайн XML должен быть строгим и лаконичным.
  9. Документы XML должно быть просто создавать.
  10. Лаконичность в разметке XML имеет минимальное значение.

содержат всю информацию, необходимую для понимания языка XML версии 1.0 и построения компьютерных программ для его обработки.

Настоящая версия спецификации XML может свободно распространяться при условии сохранения всего текста и замечаний об авторском праве.

1.2 Терминология

процессора XML:

можно/может
Соответствующие спецификации документы и процессоры XML могут, но не обязаны демонстрировать описанное поведение.
должен/необходимо
Соответствующие спецификации документы и процессоры XML обязаны демонстрировать описанное поведение; в противном случае они некорректны.
ошибка
Нарушение правил данной спецификации; результаты не определены. Соответствующее спецификации программное обеспечение может обнаруживать ошибки, сообщать о них и устранять их.
неустранимая ошибка
Ошибка, которую конформный процессор XML Для обеспечения коррекции ошибок процессор может делать необработанные данные документа (смешанные данные и разметку) доступными приложению. Однако, в случае обнаружения неустранимой ошибки не должен продолжать обычную обработку (то есть не должен передавать символьные данные и информацию о логической структуре документа в приложение обычным способом).
на выбор пользователя
включения или отключения описанного поведения.
ограничение допустимости
Правило, применяемое ко всем допустимым документам XML. Нарушения ограничений допустимости являются ошибками; о них, по выбору пользователя, должны сообщать процессоры XML, выполняющие проверку корректности.
ограничение формальной правильности
Правило, которое применяется ко всем правильно построенным документам XML. Нарушения ограничений формальной правильности являются неустранимыми ошибками.
совпадение
знаками и без них) совпадают, только если они одинаково представляются в обеих строках. По выбору пользователя процессоры могут нормализовать такие символы к какой-либо канонической форме. Смена регистра не выполняется. (Строк и правил в грамматике:) Строка совпадает с грамматической продукцией, если она принадлежит языку, генерируемому этой продукцией. (Содержимого и моделей одержимого:) Элемент совпадает со своим объявлением, если он является конформным, как описано в ограничении "Допустимый элемент".
для совместимости
Свойство XML, включенное исключительно для гарантии совместимости XML с SGML.
для поддержки возможности взаимодействия сетей

2. Документы

Объект данных является документом XML, если он правильно построен в соответствии с данным в настоящей спецификации определением. well-formed документ XML может, кроме того, быть допустимым, если он соответствует некоторым дополнительным ограничениям.

Каждый документ XML имеет как логическую, так и физическую структуру. Физически документ состоит из разделов, называемых сущностями. Сущность может ссылаться на другие сущности, что приведет к их вложению в документе. Документ начинается в "корне" или сущности документа должны корректно вкладываться друг в друга, как это описано в разделе "4.3.2 Правильные анализируемые сущности".

2.1 Правильно построенные документы XML

Текстовый объект является правильно построенным документом XML, если:

  1. Взятый как единое целое, он совпадает с продукцией, помеченной document.
  2. Он соответствует всем ограничениям формальной правильности, определенным в настоящей спецификации.
  3. Каждая из анализируемых сущностей, на которые в документе даются прямые или косвенные ссылки, правильно построена.

Документ
[1] document ::= prolog element Misc*

Совпадение с продукцией document подразумевает, что:

  1. Он содержит один или несколько элементов.
  2. Есть только один элемент, называемый корнем, или элементом документа, никакая часть которого не отображается в содержимом начальные и конечные теги, корректно вложены друг в друга.

Вследствие этого, для каждого элемента C в документе, не являющегося корневым, имеется один элемент P такой, что C находится в содержимом P, но не в содержимом любого другого элемента, находящегося в содержимом элемента P. Элемент P в этом случае называется родителем элемента C, а элемент C - дочерним элементом элемента P.

2.2 Символы

Анализируемая сущность содержит текст, последовательность символов, которая может представлять разметку или символьные данные. Символ в соответствии со стандартом ISO/IEC 10646 [ISO/IEC 10646] является неделимой единицей текста. Допустимыми являются символы табуляции, возврата каретки, перевода строки и допустимые графические символы Unicode и ISO/IEC 10646. Использование "символов совместимости", описанных в разделе 6.8 спецификации [Unicode], не рекомендуется.

Диапазон символов
[2] Char ::= #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* любой символ Unicode, за исключением заменяющих блоков, FFFE и FFFF. */

Механизм кодирования точек кода символа в битовые шаблоны в различных сущностях может быть различным. Все процессоры XML должны принимать кодировки UTF-8 и UTF-16 10646; механизмы указания того, какая из этих двух кодировок используется или вовлечения других кодировок, обсуждаются ниже, в разделе "4.3.3 Кодировка символов в сущностях".

2.3 Общие синтаксические конструкции

В этом разделе определяются символы, широко используемые в грамматике.

S (пустое пространство) включает один или несколько символов пробела (#x20), возврата каретки, перевода строки или табуляции.

Пустое пространство
[3] S ::= (#x20 | #x9 | #xD | #xA)+

Для удобства символы подразделяются на буквы, цифры и прочие символы. Буквы включают символы алфавита или базовый силлабический символ, за которым могут следовать один или несколько объединяемых символов или идеографический символ. Полные определения конкретного символа в каждом классе приведены в приложении "Б. Классы символов".

Имя - это метка, которая начинается с буквы или одного из немногих символов пунктуации, с последующими буквами, цифрами, символами переноса, подчеркивания, двоеточиями или многоточием, которые все вместе называются символами имени. Имена, которые начинаются со строки "xml" или другой строки, совпадающей с (('X'|'x') ('M'|'m') ('L'|'l')), зарезервированы для стандартизации в данной или будущих версиях настоящей спецификации.

Примечание: Двоеточие в именах XML зарезервировано для экспериментирования с пространствами имен. Ожидается, что его значение будет стандартизовано позже, после чего документы, в которых двоеточие используется в экспериментальных целях, вероятно, нужно будет обновить. (Однако гарантии, что механизм пространств имен, принятый для XML, будет действительно использовать двоеточие как разделитель пространств имен.) На практике это означает, что авторам не следует использовать двоеточие в именах XML, кроме как в экспериментах с пространствами имен, но процессоры XML должны воспринимать двоеточие как символ имени.

Nmtoken (метка имени) представляет собой любую комбинацию символов имени.

Имена и метки
[4] NameChar ::= Letter | Digit | '.' | '-' | '_' | ':' | CombiningChar | Extender
[5] Name ::= (Letter | '_' | ':') (NameChar)*
[6] Names ::= Name (S Name)*
[7] Nmtoken ::= (NameChar)+
[8] Nmtokens ::= Nmtoken (S Nmtoken)*

EntityValue), значений атрибутов (AttValue) и внешних идентификаторов (SystemLiteral). Обратите внимание, что SystemLiteral может подвергаться разбору без поиска разметки.

Литералы
[9] EntityValue ::= '"' ([^%&"] | PEReference | Reference)* '"'
| "'" ([^%&'] | PEReference | Reference)* "'"
[10] AttValue ::= '"' ([^<&"] | Reference)* '"'
| "'" ([^<&'] | Reference)* "'"
[11] SystemLiteral ::= ('"' [^"]* '"') | ("'" [^']* "'")
[12] PubidLiteral ::= '"' PubidChar* '"' | "'" (PubidChar - "'")* "'"
[13] PubidChar ::= #x20 | #xD | #xA | [a-zA-Z0-9] | [-'()+,./:=?;!*#@$_%]

2.4 Символьные данные и разметка

Текст представляет собой смесь символьных данных и разметки. Разметка бывает в форме начальных тегов, конечных тегов, тегов пустых элементов, ссылок на сущности, ссылок на символы, комментариев, разделителей разделов CDATA, объявлений типа документа и инструкций по обработке.

Весь неразмеченный текст составляет символьные данные документа.

Амперсанд (&) и левая угловая скобка (<) могут представляться в явном виде только в качестве разделителей разметки или в комментарии, инструкции по обработке или в разделе CDATA. Кроме того, они допустимы в литеральных значениях сущностей объявления внутренней сущности; см. "4.3.2 Правильные анализируемые сущности". Если эти символы необходимы в другом месте, их нужно кодировать специальным образом с помощью числовых ссылок на символы или строк "&amp;" и "&lt;" соответственно. Правая угловая скобка (>) может представляться строкой "&gt;" и должна, для совместимости, кодироваться с помощью комбинации "&gt;" или ссылки на символ, если она расположена в строке "]]>" содержимого, если только эта строка не обозначает конец раздела CDATA.

символов, не включающая конечный ограничитель раздела CDATA, "]]>".

Чтобы значения атрибутов могли содержать как двойные, так и одинарные кавычки, апостроф или одинарная кавычка (') может представляться комбинацией "&apos;", а двойная кавычка (") - комбинацией "&quot;".

Символьные данные
[14] CharData ::= [^<&]* - ([^<&]* ']]>' [^<&]*)

2.5 Комментарии

Комментарии могут располагаться в любом месте документа вне элементов разметки; кроме того, комментарии могут располагаться в объявлении типа документа там, где это допускается грамматикой. Они не являются частью символьных данных документа; процессор XML может, но не обязан давать приложению возможность чтения текста комментариев. Для совместимости строка "--" (двойной дефис) в комментариях встречаться не должна.

Комментарии
[15] Comment ::= '<!--' ((Char - '-') | ('-' (Char - '-')))* '-->'

Пример коментария:

<!-- объявления заголовка> & <тела документа> -->

2.6 Инструкции по обработке

Инструкции по обработке (processing instructions, PI) для приложений могут включаться в документы.

Инструкции по обработке
[16] PI ::= '<?' PITarget (S (Char* - (Char* '?>' Char*)))? '?>'
[17] PITarget ::= Name - (('X' | 'x') ('M' | 'm') ('L' | 'l'))

PI не являются частью символьных данных документа, они должны передаваться в приложение. PI начинаются с "назначения" (PITarget), которое используется для идентификации приложения, которому назначается инструкция. Имена назначений "XML", "xml" и т.д. зарезервированы для стандартизации в настоящей или будущих версиях спецификации. Для формального определения PI может использоваться механизм нотаций XML.

2.7 Разделы CDATA

Разделы CDATA со строки "<![CDATA[" и заканчиваются строкой "]]>":

Разделы CDATA
[18] CDSect ::= CDStart CData CDEnd
[19] CDStart ::= '<![CDATA['
[20] CData ::= (Char* - (Char* ']]>' Char*))
[21] CDEnd ::= ']]>'

В разделе CDATA разметкой считаются только строка CDEnd, поэтому левые угловые скобки и амперсанды могут присутствовать там в явном виде; их не нужно (и даже нельзя) кодировать с помощью комбинаций "&lt;" и "&amp;". Разделы CDATA не могут быть вложенными.

Примером раздела CDATA, в котором строки "<greeting>" и "</greeting>" распознаются как символьные данные, а не разметка:

<![CDATA[<greeting>Здравствуй, мир!</greeting>]]>

2.8 Пролог и объявление типа документа

Документы XML могут и должны начинаться с объявления XML, в котором определяется версия используемого языка XML. Например, ниже приведен полный, правильно построенный, но недопустимый документ XML:

<?xml version="1.0"?>
<greeting>Здравствуй, мир!</greeting>

и точно таким же является документ:

<greeting>Здравствуй, мир!</greeting>

Номер версии "1.0" должен использоваться для указания соответствия этой версии спецификации; значение "1.0" является ошибочным, если оно не соответствует версии настоящей спецификации. Рабочая группа XML намеревается в давать последующим версиям спецификации номера, отличные от "1.0 предоставляется как средство обеспечения автоматического распознавания версий на тот момент, когда оно потребуется. Получая документы, версию которых они не поддерживают, процессоры могут выдавать сообщение об ошибке.

структуру и на поддержку использования предопределенных единиц хранения XML предоставляет механизм объявления типа документа. Документ XML является допустимым, если с ним связано объявление типа документа и если документ соответствует выраженным в нем ограничениям.

Объявление типа документа должно располагаться до первого элемента документа.

Пролог
[22] prolog ::= XMLDecl? Misc* (doctypedecl Misc*)?
[23] XMLDecl ::= '<?xml' VersionInfo EncodingDecl? SDDecl? S? '?>'
[24] VersionInfo ::= S 'version' Eq (' VersionNum ' | " VersionNum ")
[25] Eq ::= S? '=' S?
[26] VersionNum ::= ([a-zA-Z0-9_.:] | '-')+
[27] Misc ::= Comment | PI |  S

Объявление типа документа XML содержит объявления разметки (или указывает на них), представляющие грамматику класса документов. Такая грамматика называется определением типа документа или DTD. Объявление типа документа может указывать на внешнее подмножество (специальный вид внешней сущности), содержащее объявления разметки, или содержать объявления разметки непосредственно во внутреннем подмножестве, либо и то и другое. DTD документа включает оба подмножества вместе.

Объявление разметки представляет собой объявление типа элемента, объявление списка атрибутов, объявление сущности или объявление нотации. Эти объявления полностью или частично могут содержаться в сущностях параметров, как описано в ограничениях формальной правильности и допустимости ниже. Более полную информацию можно найти в разделе "4. Физические структуры".

Определение типа документа
[28] doctypedecl ::= '<!DOCTYPE' S Name (S ExternalID)? S? ('[' (markupdecl | PEReference | S)* ']' S?)? '>' [ Ограничение допустимости: корневой тип элемента ]
[29] markupdecl ::= elementdecl | AttlistDecl | EntityDecl | NotationDecl | PI | Comment [ Ограничение допустимости: корректное объявление/вложение сущности параметров ]
[ Ограничение формальной правильности: сущность параметров во внутреннем подмножестве ]

Объявления разметки могут полностью или частично состоять из заменяющего текста сущностей параметров. Далее в настоящей спецификации приводятся продукции для отдельных нетерминалов (elementdecl, AttlistDecl и т.д.), описывающие объявление после включения все сущности параметров.

Ограничение допустимости: Корневой тип элемента
Имя в объявлении типа документа должно соответствовать типу корневого элемента.

Ограничение допустимости: Корректное объявление/Вложение сущности параметров
Заменяющий текст сущности параметра должен быть корректно вложен в объявления разметки. То есть, если любой первый или последний символ объявления разметки (markupdecl вышк) содержится в заменяющем тексте ссылки на сущность параметров, они оба должны содержаться в одном и том же заменяющем тексте.

Ограничение формальной правильности: сущность параметров во внутреннем подмножестве
Во внутреннем подмножестве DTD ссылки на сущность параметров

markupdecl, с учетом всех пробельных символов или ссылок на сущности параметров. Однако части содержимого внешнего подмножества или внешних сущностей параметров могут условно игнорироваться с помощью конструкции условного раздела; во внутреннем подмножестве это недопустимо.

Внешнее подмножество
[30] extSubset ::= TextDecl? extSubsetDecl
[31] extSubsetDecl ::= ( markupdecl | conditionalSect | PEReference | S )*

Внешнее подмножество и внешние сущности параметров отличаются от внутреннего подмножества еще и тем, что в них ссылки на сущности параметров допускаются и внутри объявлений разметки, а не только между такими объявлениями.

Пример документа XML с объявлением типа документа:

<?xml version="1.0"?>
<!DOCTYPE greeting SYSTEM "hello.dtd">
<greeting>Здравствуй, мир!</greeting>

Системный идентификатор "hello.dtd" определяет URI DTD документа.

Объявления могут даваться и локально, как в следующем примере:

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE greeting [
  <!ELEMENT greeting (#PCDATA)>
]>
<greeting>Здравствуй, мир!</greeting>

приоритет над объявлениями из внешнего подмножества.

2.9 Автономное объявление документа

Объявления разметки могут влиять на передачу содержимого документа из процессора XML которые оказываются внешними по отношению к сущности документа.

Автономное объявление документа
[32] SDDecl ::= S 'standalone' Eq (("'" ('yes' | 'no') "'") | ('"' ('yes' | 'no') '"')) [ Ограничение допустимости: автономное объявление документа ]

В автономном объявлении документа значение "yes" указывает на отсутствие объявлений разметки, внешних по отношению к сущности документа Значение "no" указывает на наличие или возможность наличия таких внешних объявлений разметки. Обратите внимание, что автономное объявление документа только указывает на наличие внешних объявлений; наличие в документе ссылок на внешние сущности, если эти сущности объявлены внутри, не изменяет его статуса автономного.

указано значение "no".

Любой документ XML, для которого указано standalone="no", можно алгоритмическим путем преобразовать в автономный документ, что может потребоваться для некоторых сетевых приложений.

Ограничение допустимости: Автономное объявление документа
Автономное объявление документа должно иметь значение "no", если в каком-либо из внешних объявлений разметки содержится объявление:

Пример объявления XML с автономным объявлением документа:

<?xml version="1.0" standalone='yes'?>

2.10 Обработка пробельных символов

При редактировании документов XML часто оказывается удобным использовать "пробельные символы" (пробелы, табуляции и пустые строки, обозначаемые в настоящей спецификации нетерминалом S имеют значение и должны быть сохранены - например, в стихах или в представлении кода.

Процессор XML всегда должен передавать в приложение все символы документа, не служащие разметкой. Подтверждающий формальную правильность процессор XML должен, кроме того, сообщать приложению, какие из этих символов представляют собой пробельные, находящиеся в содержимом элемента.

К элементу может прикрепляться специальный атрибут xml:space, который указывает на то, что в этом элементе пробельные символы должны быть сохранены. В допустимых документах этот атрибут, если он используется, как и любой другой, должен быть объявлен. При объявлении он должен даваться как перечислимый тип с только двумя возможными значениями: "default" и "preserve". Например:

    <!ATTLIST poem   xml:space (default|preserve) 'preserve'>

Значение "default" указывает на то, что режимы обработки пробельных символов, используемые в приложении по умолчанию, могут применяться и к этому элементу; значение "preserve с помощью другого экземпляра атрибута xml:space.

Считается, что для корневого элемента любого документа никакая политика не задана, если только для этого атрибута не установлено значение или этот атрибут не объявлен со значением по умолчанию.

2.11 Обработка концов строк

Анализируемые сущности языка XML часто хранятся в файлах, которые для удобства редактирования разбиты на строки. Обычно эти строки разделяются комбинацией символов возврата каретки (#xD) и перевода строки (#xA).

Для упрощения задач, выполняемых приложением #xD, процессор XML должен передавать в приложение только один символ #xA. (Это можно удобно организовать путем приведения всех разрывов строк к виду #xA на входе, до начала синтасического разбора.)

2.12 Идентификация языка

специальный атрибут xml:lang. В допустимых документах этот атрибут, если он используется, как и любой другой, должен быть объявлен. Значениями этого атрибута являются идентификаторы языков в соответствии с [IETF RFC 1766], "Tags for the Identification of Languages" (Теги идентификации языков):

Идентификация языка
[33] LanguageID ::= Langcode ('-' Subcode)*
[34] Langcode ::= ISO639Code |  IanaCode |  UserCode
[35] ISO639Code ::= ([a-z] | [A-Z]) ([a-z] | [A-Z])
[36] IanaCode ::= ('i' | 'I') '-' ([a-z] | [A-Z])+
[37] UserCode ::= ('x' | 'X') '-' ([a-z] | [A-Z])+
[38] Subcode ::= ([a-z] | [A-Z])+

Langcode может быть:

Количество сегментов Subcode не ограничено; если имеется первый сегмент, и Subcode состоит из двух букв, то это должен быть код страны в соответствии с [ISO 3166] если только Langcode не начинается с префикса "x-" или "X-".

Обычно код языка дается в нижнем регистре, а код страны (если таковой имеется) - в верхнем. Обратите внимание, что эти значения, в отличие от другим имен в документах XML, не учитывают регистр.

Например:

<p xml:lang="en">The quick brown fox jumps over the lazy dog.</p>
<p xml:lang="en-GB">What colour is it?</p>
<p xml:lang="en-US">What color is it?</p>
<sp who="Faust" desc='leise' xml:lang="de">
  <l>Habe nun, ach! Philosophie,</l>
  <l>Juristerei, und Medizin</l>
  <l>und leider auch Theologie</l>
  <l>durchaus studiert mit heiЯem Bemьh'n.</l>
  </sp>

Считается, что значение xml:lang применяется ко всем атрибутам и содержимому элемента, для которого оно указано, если только оно не переопределяется другим экземпляром xml:lang другого элемента в этом содержимом.

Простое объявление xml:lang может иметь следующий вид:

xml:lang  NMTOKEN  #IMPLIED

образом:

    <!ATTLIST poem   xml:lang NMTOKEN 'fr'>
    <!ATTLIST gloss  xml:lang NMTOKEN 'ru'>
    <!ATTLIST note   xml:lang NMTOKEN 'ru'>

3. Логические структуры

Каждый документ XML содержит один или несколько элементов, границами которых определяются начальными и конечными тегами или, для пустых элементов, тегами пустых элементовимя и значение.

Элемент
[39] element ::= EmptyElemTag
| STag content ETag [ Ограничение формальной правильности: соответствие типа элемента ]
[ Ограничение допустимости: допустимость элемента ]

(('X'|'x')('M'|'m')('L'|'l')), зарезервированы для стандартизации в настоящей и будущих версиях спецификации.

Ограничение формальной правильности: Соответствие типа элемента
Name в конечном теге элемента должно соответствовать типу элемента в начальном теге.

Ограничение допустимости: Допустимый элемент
Элемент является допустимым при наличии объявления, соответствующего elementdecl, где Name соответствует типу элемента и выполняется одно из следующих условий:

  1. Объявление соответствует EMPTY, и элемент не имеет содержимого.
  2. Объявление соответствует children, и последовательность дочерних элементов принадлежит языку, генерируемому регулярным выражением в модели содержимого, с необязательными пробелами (символами, соответствующими нетерминалу S) между каждой из пар дочерних элементов.
  3. Объявление соответствует Mixed, и содержимое состоит из символьных данных и дочерних элементов, типы которых соответствуют именам в модели содержимого.
  4. Объявление соответствует ANY, и типы всех дочерних элементов объявлены.

3.1 Начальные теги, конечные теги и теги пустых элементов

Начало каждого непустого элемента XML отмечается начальным тегом.

Начальный тег
[40] STag ::= '<' Name (S Attribute)* S? '>' [ Ограничение формальной правильности: уникальная спецификация атрибута ]
[41] Attribute ::= Name Eq AttValue [ Ограничение допустимости: тип значения атрибута ]
[ Ограничение формальной правильности: запрещены ссылки на внешние сущности ]
[ Ограничение формальной правильности: запрещены символы < в значениях атрибутов ]

Name в начальных и конечных тегах задает тип элемента. Пары Name-AttValue называются спецификациями атрибутов элемента. Name в каждой паре называется именем атрибута, а содержимое AttValue (текст в ' или ") - значением атрибута.

Ограничение формальной правильности: Уникальная спецификация атрибута
Имя атрибута в одном начальном теге или теге пустого элемента может присутствовать только один раз.

Ограничение допустимости: Тип значения атрибута
Атрибут должен быть объявлен; значение должно иметь тип, объявленный для этого атрибута. (Типы атрибутов см. в разделе "3.3 Объявления списка атрибутов".)

Ограничение формальной правильности: Запрещены ссылки на внешние сущности
Значения атрибутов не могут содержать прямые или косвенные ссылки на внешние сущности.

Ограничение формальной правильности: Запрещены символы < в значениях атрибутов
Заменяющий текст любой сущности, на которую в значении атрибута имеется прямая или косвенная ссылка (кроме "&lt;"), не должны содержать символа <.

Пример начального тега:

<termdef id="dt-dog" term="dog">

Конец каждого элемента, который начинается начальным тегом, должен отмечаться конечным тегом, содержащим имя, совпадающее с типом элемента, указываемым в начальном теге:

Конечный тег
[42] ETag ::= '</' Name S? '>'

Пример конечного тега:

</termdef>

Текст между начальным и конечным тегами называется содержимым элемента:

Содержимое элементов
[43] content ::= (element | CharData | Reference | CDSect | PI | Comment)*

Если элемент пуст, он должен представляться либо начальным тегом, сразу же за которым следует конечный, либо тегом пустого элемента. Тег пустого элемента имеет специальную форму:

Теги пустых элементов
[44] EmptyElemTag ::= '<' Name (S Attribute)* S? '/>' [ Ограничение формальной правильности: уникальная спецификация атрибута ]

Теги пустых элементов могут использоваться для любого элемента, не имеющего содержимого, независимо от того, объявлен ли он в ключевым словом EMPTY или нет. Для совместимости тег пустого элемента должен и может использоваться только для элементов, объявленных как EMPTY.

Примеры пустых элементов:

<IMG align="left"
 src="http://www.w3.org/Icons/WWW/w3c_home" />
<br></br>
<br/>

3.2 Объявления типов элементов

Элементная структура документа XML может для проверки достоверности ограничиваться с помощью объявлений типов элементов и списков атрибутов. Объявление типа элемента ограничивает содержимое элемента.

Объявления типов элементов часто ограничивают типы элементов, которые могут быть дочерними

Объявление типа элемента имеет следующий вид:

Объявление тип элемента
[45] elementdecl ::= '<!ELEMENT' S Name S contentspec S? '>' [ Ограничение допустимости: уникальное объявление типа элемента ]
[46] contentspec ::= 'EMPTY' | 'ANY' | Mixed | children

где Name определяет тип объявляемого элемента.

Ограничение допустимости: Уникальное объявление типа элемента
Ни один тип элемента не может объявляться более одного раза.

Примеры объявлений типов элементов:

<!ELEMENT br EMPTY>
<!ELEMENT p (#PCDATA|emph)* >
<!ELEMENT %name.para; %content.para; >
<!ELEMENT container ANY>

3.2.1 Содержимое элемента

Тип элемента имеет содержимое, если элементы этого типа должны содержать только дочерние элементы (не содержать символьных данных), разделяемые пробельными символами (символами, соответствующими нетерминалу S (cp, content particle), состоящих из имен, списков выбора частиц содержимого или списков последовательностей частиц содержимого:

Модели содержимого элементов
[47] children ::= (choice | seq) ('?' | '*' | '+')?
[48] cp ::= (Name | choice | seq) ('?' | '*' | '+')?
[49] choice ::= '(' S? cp ( S? '|' S? cp )* S? ')' [ Ограничение допустимости: корректное вложение групп/сущностей параметров ]
[50] seq ::= '(' S? cp ( S? ',' S? cp )* S? ')' [ Ограничение допустимости: корректное вложение групп/сущностей параметров ]

где каждое Name - тип элемента, который может служить дочерним. Любая частица содержимого в списке может располагаться в содержимом элемента там, где список располагается в грамматике; частицы содержимого, находящиеся в списке последовательностей, должны располагаться в содержимом элемента в порядке, указанном в списке. Необязательный символ, следующий за именем или списком, управляет тем, могут ли элемент или частицы содержимого из списка встречаться один или более (+), ноль или более (*) или не более одного (? в настоящей спецификации.

каждому элементу в содержимом по типу элемента в модели содержимого. Для совместимости считается ошибкой, если элемент в документе может соответствовать нескольким экземплярам типа элемента в модели содержимого. Более подробную информацию см в разделе "E. Детерминистические модели содержимого".

Ограничение допустимости: Корректное вложение групп/сущностей параметров
Заменяющий текст сущности параметров должен быть корректно вложен в обозначаемые скобками группы. То есть если в конструкции choice, seq или Mixed в заменяющем тексте сущности параметра содержится открывающая или закрывающая скобка, обе скобки должны находиться в одном и том же заменяющем тексте. Для совместимости, если ссылка на сущность параметров располагается в конструкции choice, seq или Mixed, ее заменяющий текст не должен быть пустым, и ни первый, ни последний непустой символ заменяющего текста не должен быть соединителем (| или ,).

Примеры моделей содержимого элементов:

<!ELEMENT spec (front, body, back?)>
<!ELEMENT div1 (head, (p | list | note)*, div2*)>
<!ELEMENT dictionary-body (%div.mix; | %dict.mix;)*>

3.2.2 Смешанное содержимое

Тип элемента имеет смешанное содержимое, если элементы этого типа могут содержать символьные данные вперемешку с дочерними элементами. В этом случае типы дочерних элементов могут быть ограничены, но их порядок или число вхождений не ограничиваются:

Объявление смешанного содержимого
[51] Mixed ::= '(' S? '#PCDATA' (S? '|' S? Name)* S? ')*'
| '(' S? '#PCDATA' S? ')' [ Ограничение допустимости: корректное вложение групп/сущностей параметров ]
[ Ограничение допустимости: отсутствие дублирующихся типов ]

где Name задают типы элементов, которые могут быть дочерними.

Ограничение допустимости: Отсутствие дублирующихся типов
одно и то же имя не должно встречаться в одном объявлении со смешанным содержимым более одного раза.

Примеры объявлений со смешанным содержимым:

<!ELEMENT p (#PCDATA|a|ul|b|i|em)*>
<!ELEMENT p (#PCDATA | %font; | %phrase; | %special; | %form;)* >
<!ELEMENT b (#PCDATA)>

3.3 Объявления списков атрибутов

Атрибуты используются для связи пар имя-значение с элементами. Спецификации атрибутов могут располагаться только в начальных тегах и тегах пустых элементов; таким образом, продукции, используемые для их распознавания, находятся в разделе "3.1 Начальные теги, конечные теги и теги пустых элементов". Объявления списков атрибутов могут использоваться:

Объявления списка атрибутов определяют имя, тип данных и значение по умолчанию (если таковое имеется) каждого атрибута, связанного с данным типом элемента:

Объявление списка атрибутов
[52] AttlistDecl ::= '<!ATTLIST' S Name AttDef* S? '>'
[53] AttDef ::= S Name S AttType S DefaultDecl

Name в правиле AttlistDeclName в правиле AttDef представляет имя атрибута.

Если для данного типа элемента указано несколько AttlistDecl, содержимое их всех объединяется. Если для одного атрибута данного типа элемента указано несколько определений, используется первое объявление, а последующие игнорируются. Для совместимости в каждом объявлении списка атрибутов. Для совместимости процессор XML может по выбору пользователя выдавать предупреждение, если для данного типа элемента имеется несколько объявлений писков атрибутов или для данного атрибута имеется несколько определений, но это не является ошибкой.

3.3.1 Типы атрибутов

лексические и семантические ограничения:

Типы атрибутов
[54] AttType ::= StringType | TokenizedType | EnumeratedType
[55] StringType ::= 'CDATA'
[56] TokenizedType ::= 'ID' [ Ограничение допустимости: ID ]
[ Ограничение допустимости: один ID на один тип элемента ]
[ Ограничение допустимости: значение по умолчанию атрибута ID ]
| 'IDREF' [ Ограничение допустимости: IDREF ]
| 'IDREFS' [ Ограничение допустимости: IDREF ]
| 'ENTITY' [ Ограничение допустимости: имя сущности ]
| 'ENTITIES' [ Ограничение допустимости: имя сущности ]
| 'NMTOKEN' [ Ограничение допустимости: метка имени ]
| 'NMTOKENS' [ Ограничение допустимости: метка имени ]

Ограничение допустимости: ID
Значения типа ID должны соответствовать продукции Name. Имя не должно присутствовать в документе XML в качестве значения этого типа более одного раза; т.е. значения ID должны уникальным образом идентифицировать связанные с ними элементы.

Ограничение допустимости: Один ID на один тип элемента
Ни для одного типа элемента не может быть указано несколько атрибутов ID.

Ограничение допустимости: Значение по умолчанию атрибута ID
Атрибут ID должен объявляться со значение по умолчанию #IMPLIED или #REQUIRED.

Ограничение допустимости: IDREF
Значения типа IDREF должны соответствовать продукции Name, а значения типа IDREFS - Names; каждое Name должно соответствовать значению атрибута ID некоторого элемента документа XML; т.е. значения IDREF должны соответствовать значению некоторого атрибута ID.

Ограничение допустимости: Имя сущности
Значения типа ENTITY должны соответствовать продукции Name, значения типа ENTITIES - Names; каждое Name должно соответствовать имени неанализируемой сущности, объявленной в DTD.

Ограничение допустимости: Метка имени
Значения типа NMTOKEN должны соответствовать продукции Nmtoken; значения типа NMTOKENS - Nmtokens.

Перечислимые атрибуты могут принимать одно значение из списка, заданного в объявлении. Есть два типа перечислимых атрибутов:

Перечислимые типы атрибутов
[57] EnumeratedType ::= NotationType | Enumeration
[58] NotationType ::= 'NOTATION' S '(' S? Name (S? '|' S? Name)* S? ')' [ Ограничение допустимости: атрибуты нотации ]
[59] Enumeration ::= '(' S? Nmtoken (S? '|' S? Nmtoken)* S? ')' [ Ограничение допустимости: перечисление ]

Атрибут NOTATION идентифицирует нотацию, объявленную в DTD, с которой связаны системные и/или общие идентификаторы, используемую при интерпретации элемента, к которому прикрепляется атрибут.

Ограничение допустимости: Атрибуты нотации
Значения этого типа должны соответствовать одному из имен нотаций, включенных в объявление; все имена нотаций в объявлении должны быть объявлены.

Ограничение допустимости: Перечисление
Значения этого типа должны соответствовать одной из меток Nmtoken в объявлении.

Для совместимости одна и та же Nmtoken не должна встречаться в перечислимых типах атрибутов одного типа элемента более одного раза.

3.3.2 Значения атрибутов по умолчанию

В объявлении атрибута приводится информация о том, является ли атрибут обязательным, и, если он необязателен, о том, как процессор XML должен вести себя, если объявленный атрибут в документе отсутствует.

Значения атрибутов по умолчанию
[60] DefaultDecl ::= '#REQUIRED' | '#IMPLIED'
| (('#FIXED' S)? AttValue) [ Ограничение допустимости: обязательный атрибут ]
[ Ограничение допустимости: значение атрибута по умолчанию допустимо ]
[ Ограничение формальной правильности: знак < в значениях атрибута запрещен ]
[ Ограничение допустимости: значение атрибута по умолчанию зафиксировано ]

В объявлении атрибута #REQUIRED означает, что этот атрибут должен быть обязательно указан, #IMPLIED - что атрибут не имеет значения по умолчанию. Если в объявлении не указано ни ключевое слово #REQUIRED, ни #IMPLIED, значение AttValue содержит объявляемое значение по умолчанию; ключевое слово #FIXED было указано значение по умолчанию.

Ограничение допустимости: Обязательный атрибут
Если в объявлении по умолчанию указано ключевое слово #REQUIRED, этот атрибут должен быть указан для всех элементов типа, указанного в объявлении списка атрибутов.

Ограничение допустимости: Значение атрибута по умолчанию допустимо
Объявленное значение атрибута по умолчанию должно соответствовать лексическим ограничениям объявленного типа атрибута.

Ограничение допустимости: Значение атрибута по умолчанию фиксировано
Если значение по умолчанию для атрибута объявлено с ключевым словом #FIXED, экземпляры этого атрибута должны соответствовать типу по умолчанию.

Примеры объявлений списка атрибутов:

<!ATTLIST termdef
          id      ID      #REQUIRED
          name    CDATA   #IMPLIED>
<!ATTLIST list
          type    (bullets|ordered|glossary)  "ordered">
<!ATTLIST form
          method  CDATA   #FIXED "POST">

3.3.3 Нормализация значений атрибутов

До того, как значение атрибута будет передано в приложение или проверено на корректность, процессор XML должен нормализовать его следующим образом:

(#x20) одним пробельным символом (#x20).

Все атрибуты, для которых не было прочтено объявления, должны обрабатываться non-validating синтаксическим разборщиком как объявленные CDATA.

3.4 Условные разделы

Условные разделы являются частями внешнего подмножества объявления типа документа, включенные в логическую структуру DTD (или исключенные из нее) на базе ключевого слова, управляющего им.

Условный раздел
[61] conditionalSect ::= includeSect | ignoreSect
[62] includeSect ::= '<![' S? 'INCLUDE' S? '[' extSubsetDecl ']]>'
[63] ignoreSect ::= '<![' S? 'IGNORE' S? '[' ignoreSectContents* ']]>'
[64] ignoreSectContents ::= Ignore ('<![' ignoreSectContents ']]>' Ignore)*
[65] Ignore ::= Char* - (Char* ('<![' | ']]>') Char*)

символами.

Если ключевое слово условного раздела - INCLUDE, содержимое условного раздела является частью DTD. Если ключевое слово условного раздела - IGNORE условных разделов и гарантии того, конец самого последнего (игнорируемого) условного раздела обнаружено корректно. Если условный раздел с ключевым словом INCLUDE располагается в условном разделе большего объем с ключевым словом IGNORE, игнорируются как внешний, так и внутренний разделы.

раздел или игнорировать его.

Пример:

<!ENTITY % draft 'INCLUDE' >
<!ENTITY % final 'IGNORE' >
 
<![%draft;[
<!ELEMENT book (comments*, title, body, supplements?)>
]]>
<![%final;[
<!ELEMENT book (title, body, supplements?)>
]]>

4. Физические структуры

Документ XML может состоять из одной или нескольких единиц хранения, называемых сущностями. Все они имеют содержимое и все они (за исключением сущности документа, описанной ниже, и внешнего подмножества DTD), идентифицируются именем. Каждый документ XML имеет одну сущность, называемую сущностью документа, которая служит начальной точкой для процессора XML и может содержать целый документ.

Сущности могут быть анализируемыми и неанализируемыми. Содержимое анализируемой сущности называется его заменяющим текстом; этот текст считается неотделимой частью документа.

Неанализируемая сущность - это ресурс, содержимое которого может быть (а может и не быть) текстом, и, если оно текстовое, может не быть XML. С каждой неанализируемой сущностью связана нотация

Анализируемые сущности вызываются по имени с помощью ссылок на сущности; неанализируемые - по имени, данному в значении атрибутов ENTITY или ENTITIES.

Общие сущности - это сущности для использования в пределах содержимого документа. В настоящей спецификации общие сущности иногда называются некорректным термином сущность, если это не приводит к двусмысленности. пространства имен; сущность параметров и общие сущности с одним и тем же именем представляют собой две различных сущности.

4.1 Ссылки на символы и на сущности

Ссылка на символ обозначает конкретный символ из набора ISO/IEC 10646, например, один из символов, недоступных напрямую имеющимся в наличии устройствам ввода.

Ссылка на символ
[66] CharRef ::= '&#' [0-9]+ ';'
| '&#x' [0-9a-fA-F]+ ';' [ Ограничение формальной правильности: допустимый символ ]

Ограничение формальной правильности: Допустимый символ
Символы, на которые осуществляется ссылка, должны соответствовать продукции для Char.

Если ссылка на символ начинается с "&#x", цифры и буквы до последнего ; обозначают шестнадцатеричное представление кода символа в наборе ISO/IEC 10646. Если она начинается с "&#", цифры до последнего ; обозначают десятичное представление кода символа.

Ссылка на сущность указывает на содержимое именованной сущности. В ссылках на анализируемые общие сущности в качестве разделителей используются амперсанд (&) и двоеточие (;). В ссылках на сущности параметров в качестве разделителей используются символ процентов (%) и двоеточие (;).

Ссылка на сущность
[67] Reference ::= EntityRef | CharRef
[68] EntityRef ::= '&' Name ';' [ Ограничение формальной правильности: сущность объявлена ]
[ Ограничение допустимости: сущность объявлена ]
[ Ограничение формальной правильности: анализируемая сущность ]
[ Ограничение формальной правильности: запрещены рекурсии ]
[69] PEReference ::= '%' Name ';' [ Ограничение допустимости: сущность объявлена ]
[ Ограничение формальной правильности: запрещены рекурсии ]
[ Ограничение формальной правильности: в DTD ]

Ограничение формальной правильности: Сущность объявлена
В документе без DTD, документе только с внутренним подмножеством DTD, не содержащим ссылок на сущности параметров, или документе с объявлением "standalone='yes'" Name, данное в ссылке на сущность, должно соответствовать имени в объявлении сущности, за исключением правильно построенных документов, в которых следующие сущности объявляться не должны: CODE>amp, lt, gt, apos, quot списка атрибутов. Обратите внимание, что, если сущности объявлены во внешнем подмножестве или во внешних сущностях параметров, процессор без проверки правлиьности не обязан читать и обрабатывать их объявления; для таких документов правило обязательного объявления сущности является ограничением формальной правильности, только если standalone='yes'.

Ограничение допустимости: Сущность объявлена
В документе с внешним подмножеством или внешними сущностями параметров с объявлением "standalone='no'" Name, данное в ссылке на сущность, должно соответствовать имени в объявлении сущности. Для совместимости в допустимых документах должны объявляться сущности amp, lt, gt, apos, quot в форме, указанной в разделе "4.6 Заранее определенные сущности атрибутов.

Ограничение формальной правильности: анализируемая сущность
Ссылка на сущность не должна содержать имени неанализируемой сущности. Ссылки на неанализируемые сущности могут иметь место только в значениях атрибутов, тип которых объявлен как ENTITY или ENTITIES.

Ограничение формальной правильности: Запрещены рекурсии
анализируемая сущность не должна содержать рекурсивную ссылку на себя, ни прямую, ни косвенную.

Ограничение формальной правильности: В DTD
Ссылки на сущности параметров могут располагаться только в DTD.

Примеры ссылок на символы и сущности:

Type <key>less-than</key> (&#x3C;) to save options.
This document was prepared on &docdate; and
is classified &security-level;.

Пример ссылки на сущность параметров:

<!-- объявление сущности параметров "ISOLat2"... -->
<!ENTITY % ISOLat2
         SYSTEM "http://www.xml.com/iso/isolat2-xml.entities" >
<!-- ... теперь ссылка на нее. -->
%ISOLat2;

4.2 Объявления сущностей

Сущности объявляются следующим образом:

Объявление сущности
[70] EntityDecl ::= GEDecl | PEDecl
[71] GEDecl ::= '<!ENTITY' S Name S EntityDef S? '>'
[72] PEDecl ::= '<!ENTITY' S '%' S Name S PEDef S? '>'
[73] EntityDef ::= EntityValue | (ExternalID NDataDecl?)
[74] PEDef ::= EntityValue | ExternalID

Name идентифицирует сущность в ссылки на сущность или, в случае неанализируемой сущности, в значении атрибута ENTITY или ENTITIES. Если одна и та же сущность объявлена несколько раз, используется первое объявление; по выбору пользователя процессор XML может выдавать предупреждение, если сущности объявлены несколько раз.

4.2.1 Внутренние сущности

Если определение сущности представлено в EntityValue, эта сущность называется внутренней. Для нее нет отдельного физического объекта хранения, и содержимое этой сущности дается в объявлении. Обратите внимание, что иногда обработка ссылок на сущности и символы в литеральном значении сущности может потребоваться для вывода корректного заменяющего текста: см. раздел "4.5 Построение заменяющего текста внутренней сущности".

Внутренняя сущность является анализируемой.

Пример объявления внутренней сущности:

<!ENTITY Pub-Status "Это предварительная версия
 спецификации.">

4.2.2 Внешние сущности

Если сущность не является внутренней, она является внешней и объявляется следующим образом:

Объявление внешней сущности
[75] ExternalID ::= 'SYSTEM' S SystemLiteral
| 'PUBLIC' S PubidLiteral S SystemLiteral
[76] NDataDecl ::= S 'NDATA' S Name [ Ограничение допустимости: нотация объявлена ]

Если присутствует NDataDecl, - это общая неанализируемая сущность; в противном случае это анализируемая сущность.

Ограничение допустимости: Нотация объявлена
Name должно соответствовать объявленному имени нотации.

SystemLiteral называется системным идентификатором сущности. Он представляет собой URI, который может использоваться для загрузки сущности. Обратите внимание, что решетка (# Если информация, не относящаяся к настоящей спецификации (например, специальный тип элемента XML, определенный в конкретном DTD, или инструкция по обработке, определенная в спецификации конкретного приложения) не указывает на обратное, относительные URI определяются относительно местоположения ресурса, в котором сущность объявлена. URI, таким образом, может определяться относительно сущности доумента, сущности, содержащей внешнее подмножество DTD или некоторой другой внешней сущности параметров.

кодирования URI (т.е. преобразуя каждый байт к виду %HH, где HH - шестнадцатеричная запись значения байта).

Помимо системного идентификатора, внешний идентификатор может включать общий идентификатор в системном литерале. До попытки сравнения все строки пробельных символов в общем идентификаторе должны быть приведены к одиночным пробелам (#x20), а начальные и конечные пробелы должны быть удалены.

Примеры объявлений внешних сущностей:

<!ENTITY open-hatch
         SYSTEM "http://www.textuality.com/boilerplate/OpenHatch.xml">
<!ENTITY open-hatch
         PUBLIC "-//Textuality//TEXT Standard open-hatch boilerplate//EN"
         "http://www.textuality.com/boilerplate/OpenHatch.xml">
<!ENTITY hatch-pic
         SYSTEM "../grafix/OpenHatch.gif"
         NDATA gif >

4.3 Анализируемые сущности

4.3.1 Объявление текста

Внешние анализируемые сущности могут начинаться с объявления текста.

Объявление текста
[77] TextDecl ::= '<?xml' VersionInfo? EncodingDecl S? '?>'

Объявление текста должно даваться литерально, а не в виде ссылки на анализируемую сущность. Объявление текста не могут располагаться нигде, кроме начала внешней анализируемой сущности.

4.3.2 Правильные анализируемые сущности

Сущность документа является правильной, если она соответствует продукции, помеченной document. Внешняя общая анализируемая сущность является правильной, если она соответствует продукции, помеченной extParsedEnt. Внешняя сущность параметров является правильной, если она соответствует продукции, помеченной extPE.

Правильно построенная внешняя анализируемая сущность
[78] extParsedEnt ::= TextDecl? content
[79] extPE ::= TextDecl? extSubsetDecl

Внутренняя общая анализируемая сущность является правильной, если ее заменяющий текст соответствует продукции, отмеченной content. Все внутренние сущности параметров являются правильными по определению.

Последовательность формальной правильности в сущностях заключается в корректном вложении логической и физической структур в документах XML; начальные теги, конечные теги, теги пустых элементов, элементы, комментарии, инструкции по обработке, ссылки на символы, или ссылки на сущности не должны начинаться в одной сущности и заканчиваться в другой.

4.3.3 Кодировка символов в сущностях

пробел нулевой ширины), #xFEFF). Он представляет собой сигнатуру кодировки и не является частью разметки или символьных данных документа XML. Процессоры XML должны использовать этот символ для определения разницы между документами, закодированными с использованием UTF-8 и UTF-16.

Анализируемые сущности, хранящиеся в кодировках, отличных от UTF-8 или UTF-16, должны начинаться с объявления текста, содержащего объявление кодировки:

Объявление кодировки
[80] EncodingDecl ::= S 'encoding' Eq ('"' EncName '"' |  "'" EncName "'" )
[81] EncName ::= [A-Za-z] ([A-Za-z0-9._] | '-')* /* Название кодировки может содержать только латинские символы */

В сущности документа объявление кодировки является частью объявления XML. EncName представляет название используемой кодировки.

В объявлении кодировки значения "UTF-8", "UTF-16", "ISO-10646-UCS-2" и "ISO-10646-UCS-4" должны использоваться для различных кодировок и преобразований Unicode/ISO/IEC 10646, значения "ISO-8859-1", "ISO-8859-2", ... "ISO-8859-9" должны использоваться для частей набора ISO 8859, а значения "ISO-2022-JP", "Shift_JIS" и "EUC-JP" - для различных закодированных видов JIS X-0208-1997. Процессоры XML могут распознавать другие кодировки; рекомендуется, чтобы в ссылках на кодировки символов, зарегистрированные (как наборы символов) в Internet Assigned Numbers Authority [IANA] учитывать для них регистр.

При отсутствии информации, предоставляемой внешним транспортным протоколом (например, HTTP или MIME), считается ошибкой если сущность, не начинающаяся ни с метки последовательности байтов, ни с объявления кодировки, использует кодировку, отличную от UTF-8. Обратите внимание, что, поскольку набор ASCII является подмножеством кодировки UTF-8, стандартным сущностям ASCII не требуется объявление кодировки.

Считается неустранимой ошибкой ситуация, когда процессор XML встречает сущность в кодировке, которую он не может обработать.

Примеры объявлений разметки:

<?xml encoding='UTF-8'?>
<?xml encoding='EUC-JP'?>

4.4 Обработка сущностей и ссылок процессором XML

В таблице ниже перечислены контексты, в которых могут присутствовать ссылки на символы, ссылки на сущности и вызовы и необходимое поведение процессора XML в каждом из этих случаев. Метки в левой колонке описывают контекст распознавания:

Ссылка в содержимом
в качестве ссылки в любом месте после начального тега до конечного тега элемента; соответствует нетерминалу content.
Ссылка в значении атрибута
в качестве ссылки в любом значении атрибута в начальном теге или значения по умолчанию в объявлении атрибута; соответствует нетерминалу AttValue.
Находится в значении атрибута
в качестве Name, а не ссылки, присутствует как значение атрибута, объявленного как тип ENTITY, или как один из разделенных пробелами кодов в значении атрибута, объявленном как тип ENTITIES.
Ссылка в значении сущности
в качестве ссылки в литеральном значении сущности параметров или внутренней сущности в объявлении сущности; соответствует нетерминалу EntityValue.
Ссылка в DTD
в качестве ссылки во внутреннем или внешнем подмножествах DTD, но за пределами EntityValue или AttValue.
Тип сущности Символ
параметров внутренний
общий		 внешний Parsed
общий		 Unparsed
Ссылка
в содержимом		 не распознается включается включается в случае проверки корректности запрещен включается
Ссылка
в значении атрибута		 не распознается включается в литерал запрещен запрещен включается
Встречается как
значение атрибута		 не распознается запрещен запрещен уведомление не распознается
Ссылка
в EntityValue		 включается в литерал обходится обходится запрещен включается
Ссылка
в DTD		 включается как сущность параметров запрещен запрещен запрещен запрещен

4.4.1 Не распознается

Вне DTD символ % не имеет специального значения; таким образом, то, что было бы ссылкой на сущность параметров в DTD не распознается как разметка в содержимом. Аналогично имена неанализируемых сущностей не распознаются, за исключением того, когда они находятся в значении должным образом объявленного атрибута.

4.4.2 Включается

Сущность включается, если ее заменяющий текст считывается и обрабатывается вместо самой ссылки, как если бы он был частью документа в месте, в котором расположена распознаваемая ссылка. Заменяющий текст может содержать символьные данные и (только не для сущностей параметров) разметку, которые должны распознаваться стандартным образом, за исключением того, что заменяющий текст сущностей, используемый для кодирования разделителей (сущности amp, lt, gt, apos, quot) всегда обрабатывается как данные. (Строка "AT&amp;T;" разворачивается в "AT&T;", и оставшийся амперсанд не распознается в качестве разделителя ссылки на сущность.) Ссылка на символ включается, если указанный символ обрабатывается вместо самой ссылки.

4.4.3 Включается в случае проверки корректности

Если процессор XML распознает ссылку на анализируемую сущность, для проверки корректности документа процессор должен включить ее заменяющий текст. Если сущность является внешней, и процессор не пытается проверить корректность документа XML, процессор может но не прочел ее.

подходит другим приложениям, в частности, приложениям для просмотра документов. Браузеры, например, встречая ссылку на внешнюю анализируемую сущность, могут на выбор предоставлять визуальное указание на наличие сущности и считывать и отображать ее только по требованию.

4.4.4 Запрещен

Запрещены и представляют собой неустранимые ошибки:

4.4.5 Включается в литерал

Если ссылка на сущность находится в значении атрибута или ссылка на сущность параметров находится в значении литеральной сущности, ее заменяющий текст обрабатываются как нормальный символ данных и не ограничивают литерал. Вот пример формальной правильности:

<!ENTITY % YN '"Да"' >
<!ENTITY WhatHeSaid "Он сказал &YN;" >

а этот пример неправилен:

<!ENTITY EndAttr "27'" >
<element attribute='a-&EndAttr;>

4.4.6 Уведомление

Если имя неанализируемой сущности представляется как метка в значении атрибута объявленного типа ENTITY или ENTITIES, процессор с проверкой корректности должен сообщить приложению о системном и общем (если таковой имеется) идентификаторах для сущности и связанной с ней нотации.

4.4.7 Обходится

Если ссылка на общую сущность находится в EntityValue в объявлении сущности, она обходится и остается как есть.

4.4.8 Включается как сущность параметров

Как и с внешними анализируемыми сущностями, сущности параметров должны только включаться в случае проверки корректности. Если ссылка на сущность параметров распознается в DTD и включается, ее заменяющий текст

4.5 Построение заменяющего текста внутренних сущностей

При обсуждении обработки внутренних сущностей полезно различать две формы значения сущности. Литеральное значение сущности представляет собой строку в кавычках, присутствующую в объявлении сущности и соответствующую нетерминалу EntityValue. Заменяющий текст представляет собой содержимое сущности, после замены ссылок на символы и ссылок на сущность параметров.

Литеральное значение сущности, как оно дано во внутреннем объявлении сущности (EntityValue сущности, включенный, как описано выше, должен содержать заменяющий текст Например, даны следующие объявления:

<!ENTITY % pub    "&#xc9;ditions Gallimard" >
<!ENTITY   rights "All rights reserved" >
<!ENTITY   book   "La Peste: Albert Camus, 
&#xA9; 1947 %pub;. &rights;" >

заменяющий текст для сущности "book":

La Peste: Albert Camus, 
(c) 1947 Йditions Gallimard. &rights;

Ссылка на общую сущность "&rights;" была бы декодирована, если бы ссылка "&book;" находилась в содержимом документа или в значении атрибута.

Эти простые правила могут достаточно сложно взаимодействовать; более подробное обсуждение сложного примера находится в разделе "Г. Декодирование ссылок на сущности и символы".

4.6 Заранее определенные сущности

Ссылки на сущности и символы могут использоваться для кодирования левой угловой скобки, амперсанда и других разделителей. Для этого определен набор общих сущностях (amp, lt, gt, apos, quot). Кроме того, могут использоваться числовые ссылки на символы; они раскрываются сразу же после распознавания и должны обрабатываться как символьные данные, поэтому числовые ссылки "&#60;" и "&#38;" могут использоваться для кодирования символов < и & в символьных данных.

Все процессоры XML должны распознавать такие сущности, независимо от того, объявлены они или нет. Для совместимости кодируемый символ или ссылку на этот символ, как показано ниже .

<!ENTITY lt     "&#38;#60;"> 
<!ENTITY gt     "&#62;"> 
<!ENTITY amp    "&#38;#38;"> 
<!ENTITY apos   "&#39;"> 
<!ENTITY quot   "&#34;"> 

Обратите внимание, что символы < и & в объявлениях "lt" и "amp" закодированы дважды для соответствия требованию правильного построения замены сущности.

4.7 Объявления нотаций

Нотации идентифицируют именем формат неанализируемых сущностей, формат элементов, обладающих атрибутом нотации, или приложения, которому адресуются a инструкции по обработке.

Объявления нотаций находить вспомогательное приложение для обработки данных данной нотации.

Объявления нотаций
[82] NotationDecl ::= '<!NOTATION' S Name S (ExternalID |  PublicID) S? '>'
[83] PublicID ::= 'PUBLIC' S PubidLiteral

ссылки. Кроме того, они могут разрешать внешние идентификаторы в системные идентификаторы для которых специальные приложения в системе, в которой выполняется процессор XML или приложение, отсутствуют, не является ошибкой.)

4.8 Сущность документа

Сущность документа служит корнем дерева сущностей и начальной точкой для процессора XML процессора вообще без идентификации.

5. Конформность

5.1 Процессоры с проверкой корректности и без нее

Конформные процессоры XML подразделяются на два класса: с проверкой корректности и без нее.

Процессоры с проверкой корректности и без нее одинаково должны сообщать о нарушениях ограничения формальной правильности, изложенного в настоящей спецификации, в содержимом сущности документа и во всех остальных анализируемых сущностях, которые они прочтут.

Процессоры с проверкой корректности должны сообщать о нарушениях ограничений, выражаемых объявлениями в DTD сущности, на которые в данном документе имеются ссылки.

Процессоры без проверки корректности должны проверять на корректность построения только сущность документа, включая все внутреннее подмножество DTD. Хотя они и не обязаны проверять корректность документа, они должны обрабатывать все объявления во внутреннем подмножестве DTD любой сущности параметров, которое они прочитывают, вплоть до первой ссылки на сущности параметров, которое они не могут прочесть; то есть они должны использовать информацию этих объявлений для нормализации значений атрибутов, включения заменяющего текста внутренних сущностей и указания значений атрибутов по умолчанию. Они не должны обрабатывать объявления сущности или объявления списков атрибутов, расположенные после ссылки на непрочтенную сущность параметров, поскольку эта сущность может содержать другие объявления, заменяющие их.

5.2 Использование процессоров XML

без проверки корректности требуется меньше; он не обязан прочитывать фрагменты документа, отличные от сущности документа. Все это дает два эффекта, которые могут иметь значение для пользователей процессоров XML:

Приложения, которым необходимы возможности типа использования атрибутов по умолчанию или внутренних сущностей, объявленных во внешних сущностях, должны использовать процессоры XML с проверкой корректности.

6. Нотация

в форме

символ ::= выражение

Символы пишутся с заглавной буквы, если они определяются регулярным выражением, в противном случае - с прописной буквы. Литеральные строки заключаются в кавычки.

В выражении в правой части правила для сопоставления строк из одного и более символов используются следующие выражения:

#xN
где N указанное значение. Число начальных пробелов в форме #xN не имеет значения; число начальных пробелов в соответствующем кодовом значении определяется используемой кодировкой символов и не имеет значения для XML.
[a-zA-Z], [#xN-#xN]
соответствует любому символу со значением в указанном диапазоне (включительно).
[^a-z], [^#xN-#xN]
соответствует любому символу со значением вне указанного диапазона.
[^abc], [^#xN#xN#xN]
соответствует любому символу со значением, не входящим в число указанных символов.
"строка"
соответствует литеральной строке, соответствующей строке, данной в двойных кавычках.
'строка'
соответствует литеральной строке, соответствующей строке, данной в одинарных кавычках.
Эти символы могут объединяться для сопоставления более сложных шаблонов типа следующего, где A и B представляют простые выражения:
(выражение)
выражение обрабатывается как единица и может объединяться, как описано в данном списке.
A?
соответствует A или ничему; необязательное A.
A B
соответствует A, за которым следует B.
A | B
соответствует A или B, но не обоим вместе.
A - B
соответствует любой строке, соответствующей A, но не соответствующей B.
A+
соответствует одному или нескольким экземплярам A.
A*
соответствует любому числу экземпляров A.
Друге нотации, используемые в продукциях:
/* ... */
комментарий.
[ wfc: ... ]
ограничение правильности построения; идентифицируется именем ограничения на правильно построенные документы, связанным с продукцией.
[ vc: ... ]
ограничение формальной правильности; идентифицируется именем ограничения на допустимые документы, связанным с продукцией.

Приложения

А. Ссылки

А.1 Нормативные ссылки

IANA
(Internet Assigned Numbers Authority) Official Names for Character Sets, ed. Keld Simonsen et al. См. ftp://ftp.isi.edu/in-notes/iana/assignments/character-sets.
IETF RFC 1766
IETF (Internet Engineering Task Force). RFC 1766: Tags for the Identification of Languages, ред. H. Alvestrand. 1995.
ISO 639
(International Organization for Standardization). ISO 639:1988 (E). Code for the representation of names of languages. [Geneva]: Международная организация по стандартизации, 1988.
ISO 3166
(International Organization for Standardization). ISO 3166-1:1997 (E). Codes for the representation of names of countries and their subdivisions -- Part 1: Country codes [Geneva]: Международная организация по стандартизации, 1997.
ISO/IEC 10646
ISO (International Organization for Standardization). ISO/IEC 10646-1993 (E). Information technology - Universal Multiple-Octet Coded Character Set (UCS) -- Part 1: Architecture and Basic Multilingual Plane. [Geneva]: Международная организация по стандартизации, 1993 (а также дополнения AM 1 - AM 7).
Unicode
The Unicode Consortium. The Unicode Standard, Version 2.0. Reading, Mass.: Addison-Wesley Developers Press, 1996.

A.2 Другие ссылки

Aho/Ullman
Aho, Alfred V., Ravi Sethi, and Jeffrey D. Ullman. Compilers: Principles, Techniques, and Tools. Reading: Addison-Wesley, 1986, rpt. corr. 1988.
Berners-Lee et al.
Berners-Lee, T., R. Fielding, and L. Masinter. Uniform Resource Identifiers (URI): Generic Syntax and Semantics. 1997. (Работа продолжается; см. обновления RFC1738.)
Brьggemann-Klein
Brьggemann-Klein, Anne. Regular Expressions into Finite Automata. Extended abstract in I. Simon, Hrsg., LATIN 1992, S. 97-98. Springer-Verlag, Berlin 1992. Полная версия в Theoretical Computer Science 120: 197-213, 1993.
Brьggemann-Klein and Wood
Brьggemann-Klein, Anne, and Derick Wood. Deterministic Regular Languages. Universitдt Freiburg, Institut fьr Informatik, Bericht 38, октябрь 1991.
Clark
James Clark. Comparison of SGML and XML. См. http://www.w3.org/TR/NOTE-sgml-xml-971215.
IETF RFC1738
IETF (Internet Engineering Task Force). RFC 1738: Uniform Resource Locators (URL), ред. T. Berners-Lee, L. Masinter, M. McCahill. 1994.
IETF RFC1808
IETF (Internet Engineering Task Force). RFC 1808: Relative Uniform Resource Locators, ред. R. Fielding. 1995.
IETF RFC2141
IETF (Internet Engineering Task Force). RFC 2141: URN Syntax, ред. R. Moats. 1997.
ISO 8879
ISO (International Organization for Standardization). ISO 8879:1986(E). Information processing -- Text and Office Systems -- Standard Generalized Markup Language (SGML). First edition -- 1986-10-15. [Geneva]: Международная организация по стандартизации, 1986.
ISO/IEC 10744
ISO (International Organization for Standardization). ISO/IEC 10744-1992 (E). Information technology -- Hypermedia/Time-based Structuring Language (HyTime). [Geneva]: Международная организация по стандартизации, 1992. Extended Facilities Annexe. [Geneva]: Международная организация по стандартизации, 1996.

Б. Классы символов

символы и комбинированные символы (помимо прочих, сюда входят большинство символов с диакритическими знаками); эти классы вместе составляют класс букв. Цифры и дополнительные символы также различаются.

Символы
[84] Letter ::= BaseChar | Ideographic
[85] BaseChar ::= | [#x01F4-#x01F5] | [#x01FA-#x0217] | [#x0250-#x02A8] | [#x02BB-#x02C1] | #x0386 | [#x0388-#x038A] | #x038C | [#x038E-#x03A1] | [#x03A3-#x03CE] | [#x03D0-#x03D6] | #x03DA | #x03DC | #x03DE | #x03E0 | [#x03E2-#x03F3] | [#x0401-#x040C] | [#x040E-#x044F] | [#x0451-#x045C] | [#x045E-#x0481] | [#x0490-#x04C4] | [#x04C7-#x04C8] | [#x04CB-#x04CC] | [#x04D0-#x04EB] | [#x04EE-#x04F5] | [#x04F8-#x04F9] | [#x0531-#x0556] | #x0559 | [#x0561-#x0586] | [#x05D0-#x05EA] | [#x05F0-#x05F2] | [#x0621-#x063A] | [#x0641-#x064A] | [#x0671-#x06B7] | [#x06BA-#x06BE] | [#x06C0-#x06CE] | [#x06D0-#x06D3] | #x06D5 | [#x06E5-#x06E6] | [#x0905-#x0939] | #x093D | [#x0958-#x0961] | [#x0985-#x098C] | [#x098F-#x0990] | [#x0993-#x09A8] | [#x09AA-#x09B0] | #x09B2 | [#x09B6-#x09B9] | [#x09DC-#x09DD] | [#x09DF-#x09E1] | [#x09F0-#x09F1] | [#x0A05-#x0A0A] | [#x0A0F-#x0A10] | [#x0A13-#x0A28] | [#x0A2A-#x0A30] | [#x0A32-#x0A33] | [#x0A35-#x0A36] | [#x0A38-#x0A39] | [#x0A59-#x0A5C] | #x0A5E | [#x0A72-#x0A74] | [#x0A85-#x0A8B] | #x0A8D | [#x0A8F-#x0A91] | [#x0A93-#x0AA8] | [#x0AAA-#x0AB0] | [#x0AB2-#x0AB3] | [#x0AB5-#x0AB9] | #x0ABD | #x0AE0 | [#x0B05-#x0B0C] | [#x0B0F-#x0B10] | [#x0B13-#x0B28] | [#x0B2A-#x0B30] | [#x0B32-#x0B33] | [#x0B36-#x0B39] | #x0B3D | [#x0B5C-#x0B5D] | [#x0B5F-#x0B61] | [#x0B85-#x0B8A] | [#x0B8E-#x0B90] | [#x0B92-#x0B95] | [#x0B99-#x0B9A] | #x0B9C | [#x0B9E-#x0B9F] | [#x0BA3-#x0BA4] | [#x0BA8-#x0BAA] | [#x0BAE-#x0BB5] | [#x0BB7-#x0BB9] | [#x0C05-#x0C0C] | [#x0C0E-#x0C10] | [#x0C12-#x0C28] | [#x0C2A-#x0C33] | [#x0C35-#x0C39] | [#x0C60-#x0C61] | [#x0C85-#x0C8C] | [#x0C8E-#x0C90] | [#x0C92-#x0CA8] | [#x0CAA-#x0CB3] | [#x0CB5-#x0CB9] | #x0CDE | [#x0CE0-#x0CE1] | [#x0D05-#x0D0C] | [#x0D0E-#x0D10] | [#x0D12-#x0D28] | [#x0D2A-#x0D39] | [#x0D60-#x0D61] | [#x0E01-#x0E2E] | #x0E30 | [#x0E32-#x0E33] | [#x0E40-#x0E45] | [#x0E81-#x0E82] | #x0E84 | [#x0E87-#x0E88] | #x0E8A | #x0E8D | [#x0E94-#x0E97] | [#x0E99-#x0E9F] | [#x0EA1-#x0EA3] | #x0EA5 | #x0EA7 | [#x0EAA-#x0EAB] | [#x0EAD-#x0EAE] | #x0EB0 | [#x0EB2-#x0EB3] | #x0EBD | [#x0EC0-#x0EC4] | [#x0F40-#x0F47] | [#x0F49-#x0F69] | [#x10A0-#x10C5] | [#x10D0-#x10F6] | #x1100 | [#x1102-#x1103] | [#x1105-#x1107] | #x1109 | [#x110B-#x110C] | [#x110E-#x1112] | #x113C | #x113E | #x1140 | #x114C | #x114E | #x1150 | [#x1154-#x1155] | #x1159 | [#x115F-#x1161] | #x1163 | #x1165 | #x1167 | #x1169 | [#x116D-#x116E] | [#x1172-#x1173] | #x1175 | #x119E | #x11A8 | #x11AB | [#x11AE-#x11AF] | [#x11B7-#x11B8] | #x11BA | [#x11BC-#x11C2] | #x11EB | #x11F0 | #x11F9 | [#x1E00-#x1E9B] | [#x1EA0-#x1EF9] | [#x1F00-#x1F15] | [#x1F18-#x1F1D] | [#x1F20-#x1F45] | [#x1F48-#x1F4D] | [#x1F50-#x1F57] | #x1F59 | #x1F5B | #x1F5D | [#x1F5F-#x1F7D] | [#x1F80-#x1FB4] | [#x1FB6-#x1FBC] | #x1FBE | [#x1FC2-#x1FC4] | [#x1FC6-#x1FCC] | [#x1FD0-#x1FD3] | [#x1FD6-#x1FDB] | [#x1FE0-#x1FEC] | [#x1FF2-#x1FF4] | [#x1FF6-#x1FFC] | #x2126 | [#x212A-#x212B] | #x212E | [#x2180-#x2182] | [#x3041-#x3094] | [#x30A1-#x30FA] | [#x3105-#x312C] | [#xAC00-#xD7A3]
[86] Ideographic ::= [#x4E00-#x9FA5] | #x3007 | [#x3021-#x3029]
[87] CombiningChar ::= [#x06DD-#x06DF] | [#x06E0-#x06E4] | [#x06E7-#x06E8] | [#x06EA-#x06ED] | [#x0901-#x0903] | #x093C | [#x093E-#x094C] | #x094D | [#x0951-#x0954] | [#x0962-#x0963] | [#x0981-#x0983] | #x09BC | #x09BE | #x09BF | [#x09C0-#x09C4] | [#x09C7-#x09C8] | [#x09CB-#x09CD] | #x09D7 | [#x09E2-#x09E3] | #x0A02 | #x0A3C | #x0A3E | #x0A3F | [#x0A40-#x0A42] | [#x0A47-#x0A48] | [#x0A4B-#x0A4D] | [#x0A70-#x0A71] | [#x0A81-#x0A83] | #x0ABC | [#x0ABE-#x0AC5] | [#x0AC7-#x0AC9] | [#x0ACB-#x0ACD] | [#x0B01-#x0B03] | #x0B3C | [#x0B3E-#x0B43] | [#x0B47-#x0B48] | [#x0B4B-#x0B4D] | [#x0B56-#x0B57] | [#x0B82-#x0B83] | [#x0BBE-#x0BC2] | [#x0BC6-#x0BC8] | [#x0BCA-#x0BCD] | #x0BD7 | [#x0C01-#x0C03] | [#x0C3E-#x0C44] | [#x0C46-#x0C48] | [#x0C4A-#x0C4D] | [#x0C55-#x0C56] | [#x0C82-#x0C83] | [#x0CBE-#x0CC4] | [#x0CC6-#x0CC8] | [#x0CCA-#x0CCD] | [#x0CD5-#x0CD6] | [#x0D02-#x0D03] | [#x0D3E-#x0D43] | [#x0D46-#x0D48] | [#x0D4A-#x0D4D] | #x0D57 | #x0E31 | [#x0E34-#x0E3A] | [#x0E47-#x0E4E] | #x0EB1 | [#x0EB4-#x0EB9] | [#x0EBB-#x0EBC] | [#x0EC8-#x0ECD] | [#x0F18-#x0F19] | #x0F35 | #x0F37 | #x0F39 | #x0F3E | #x0F3F | [#x0F71-#x0F84] | [#x0F86-#x0F8B] | [#x0F90-#x0F95] | #x0F97 | [#x0F99-#x0FAD] | [#x0FB1-#x0FB7] | #x0FB9 | [#x20D0-#x20DC] | #x20E1 | [#x302A-#x302F] | #x3099 | #x309A
[88] Digit ::= | [#x0D66-#x0D6F] | [#x0E50-#x0E59] | [#x0ED0-#x0ED9] | [#x0F20-#x0F29]
[89] Extender ::= #x00B7 | #x02D0 | #x02D1 | #x0387 | #x0640 | #x0E46 | #x0EC6 | #x3005 | [#x3031-#x3035] | [#x309D-#x309E] | [#x30FC-#x30FE]

Определенные здесь классы символов выводятся из базы данных символов Unicode следующим образом:

В. XML и SGML (ненормативное)

XML разработан как подмножество SGML, в котором каждый допустимый документ XML должен также быть и конформным документом SGML. Подробное сравнение дополнительных ограничений, налагаемых XML на документы, помимо ограничений, налагаемых SGML, см. в [Clark].

Г. Декодирование ссылок на сущности и символы (ненормативное)

В этом приложении приводятся некоторые примеры, иллюстрирующие последовательность распознавания и декодирования ссылок на сущности и символы, ка кэто описано в разделе "4.4 Обработка процессором XML сущностей и ссылок".

Если в DTD имеется объявление

<!ENTITY example "<p>Амперсанд (&#38;#38;) может кодироваться
в числовом виде (&#38;#38;#38;) или с помощью общей сущности
(&amp;amp;).</p>" >

то процессор XML распознает ссылки на символы при анализе объявления сущности и разрешит их до сохранения в качестве значения сущности "example" следующей строки:

<p>Амперсанд (&#38;) может кодироваться
в числовом виде (&#38;#38;) или с помощью общей сущности
(&amp;amp;).</p>

Ссылка в документе на "&example;" приведет к повторному анализу текста, при котором начальные и конченые теги элемента "p" будут распознаны, а все три ссылки будут распознаны и декодированы, в результате чего будет представлен элемент "p" со следующим содержимым (все данные, без разделителей и разметки):

Амперсанд (&) может кодироваться
в числовом виде (&#38;) или с помощью общей сущности
(&amp;).

На более сложном примере полностью продемонстрируем правила и их эффект. В следующем примере номера строк приводятся только для ссылки.

1 <?xml version='1.0'?>
2 <!DOCTYPE test [
3 <!ELEMENT test (#PCDATA) >
4 <!ENTITY % xx '&#37;zz;'>
5 <!ENTITY % zz '&#60;!ENTITY tricky "подверженный ошибкам" >' >
6 %xx;
7 ]>
8 <test>В этом примере показан &tricky; метод.</test>

Результат будет следующим:

Д. Детерминистические модели содержимого (ненормативное)

Для совместимости необходимо, чтобы модели содержимого в объявлениях типов элементов были детерминистическими.

как ошибки.

Например, модель содержимого ((b, c) | (b, d)) является недетерминистической, поскольку если начальным символом является b, синтаксическому анализатору неизвестно, какой из символов b в модели сопоставляется ему, не проверив, какой символ следует за b. В данном случае две ссылки на b могут свернуться в одну ссылку, после чего модель будет выглядеть как (b, (c | d)). Теперь начальное b явно соответствует только одному имени в модели содержимого. Синтаксическому анализатору не потребуется смотреть на следующий элемент; могут приниматься и c, и d.

Более формально: из модели содержимого с помощью стандартных алгоритмов, например, алгоритма 3.5 из раздела 3.9 книги Ахо, Сети и Уллмана [Aho/Ullman] если для какой-либо позиции имеется follow set, в котором несколько следующих позиций помечены одним и тем же именем типа элемента, то модель содержимого ошибочна, и об этом должно быть выдано сообщение.

Существуют алгоритмы, позволяющие многим, но не всем недетерминистическим моделям содержимого автоматически сокращаться до эквивалентных детерминистических моделей; см. Brьggemann-Klein 1991 [Brьggemann-Klein].

Е. Автоматическое определение кодировок символов (ненормативное)

очевидно, должен знать, какая кодировка символов используется-то есть попытки какую метку указать предприняты. В общем случае, это безнадежная ситуация. Однако в XML она не полностью безнадежна, поскольку XML ограничивает общий случай двумя способами: предполагается, что каждая реализация поддерживает только конечный набор кодировок символов, а в объявлениях кодировок XML ограничено положение и содержимое с целью осуществления автоматического определения используемой кодировки символов в каждой сущности в нормальных случаях. Кроме того, во многих случаях имеются дополнительные к самому потоку данных XML источники информации. Можно выделить два случая, в зависимости от того, представлена ли сущность XML процессору без дополнительной (внешней) информации или с нею. Рассмотрим сначала первый случай.

Поскольку каждая сущность XML в формате, отличном от UTF-8 или UTF-16 должен начинаться с объявления кодировки XML, в котором первым символом должен быть '<?xml '<' имеет код "#x0000003C", а '?' - "#x0000003F", а Byte Order Mark (метка порядка байтов), необходимая потокам данных UTF-16, - "#xFEFF".

кодировок (например, чтобы отличить UTF-8 от 8859, а части 8859 друг от друга или различать конкретные используемые кодовые страницы EBCDIC и т.д.).

практике все широко используемые кодировки символов попадают в одну из перечисленных выше категорий, объявление кодировки XML обеспечивает достаточно надежные метки кодировок символов, даже если внешние источники информации на уровне операционной системы или транспортного протокола ненадежны.

для каждого входного символа.

кодировки. Разработчики процедур, работающих с кодировками символов, должны быть осторожны и должны обеспечить точность внутренней и внешней информации, используемой в метках сущностей.

приоритет и предпочитаемый метод обработки конфликтов должен указываться в составе протокола более высокого уровня, используемого для доставки XML. Правила приоритета внутренних меток и меток типа MIME во внешнем заголовке, например, должны быть частью документа RFC, в котором определяются типа MIME text/xml и application/xml. В интересах совместимости, однако, рекомендуются следующие правила.

этими правилами.

Ж. Рабочая группа W3C по XML (ненормативное)

проголосовали за ее утверждение. На настоящий момент и в прошлом членами рабочей группы по XML были:

XML); С.М. Шперберг-МакКуин (C. M. Sperberg-McQueen), Университет шт. Илиинойс (соредактор XML); Дэн Коннолли (Dan Connolly), W3C (контакт W3C); Пола Ангерстайн (Paula Angerstein), Texcel; Стив ДеРоуз (Steve DeRose), INSO; Дэйв Холландер (Dave Hollander), HP; Элиот Кимбер (Eliot Kimber), ISOGEN; Ив Мэйлер (Eve Maler), ArborText; Том Мальери (Tom Magliery), NCSA; Мюррей Малони (Murray Maloney), Muzmo и Grif; Макото Мурата (Makoto Murata), Fuji Xerox Information Systems; Джоел Нава (Joel Nava), Adobe; Конлет О'Коннелл (Conleth O'Connell), Vignette; Питер Шарпе (Peter Sharpe), SoftQuad; Джон Тиг (John Tigue), DataChannel

Copyright  ©  1998 W3C (MIT,INRIA,Keio)
Главная