Los Angeles Chinese Learning Center, providing private Chinese Mandarin classes, Chinese tutors, Mandarin interpreter and translators, China investment report, investment opportunity report, China intelligence report, information on Chinese herbal medicines in Los Angeles
Corporate Services Other Services
Private Instruction Invest in China
Curriculum FAQ
Business Culture Health Education
Textbooks Our Staff
Hours and Location Contact Us
　

W3C 可擴展標記語言（XML）1.0（第二版）

W3C 建議 2000年10月6日

Extensible Markup Language (XML) 1.0 (Second Edition)

本文檔是 W3C 建議 XML 1.0 第二版（2000 年 10 月 6 日）的簡体中文翻譯版，其中可能有錯誤和不妥之處。

英文版是唯一的正式版，位于：

http://www.w3.org/TR/2000/REC-xml-20001006

本文檔經譯者同意放于此處，深表謝意。本文檔還可見于譯者网站：

http://chinese-school.netfirms.com/XML10-TC.html

譯者：
  • 裘強（qqiu@yeah.net）
  • Traditional Chinese Code Conversion: Samuel Chong

著作權聲明位于：http://www.w3.org/Consortium/Legal/copyright-documents.html

Copyright  © 1998 W3C® (MIT, INRIA, Keio ), All Rights Reserved. W3C liability, trademark, document use and software licensing rules apply.

　

本版本:
http://www.w3.org/TR/2000/REC-xml-20001006 （XHTML 格式，XML 格式，PDF 格式，用不同顏色標示增刪改的 XHTML 審閱版）
最新版本:
http://www.w3.org/TR/REC-xml
以前版本:
http://www.w3.org/TR/2000/WD-xml-2e-20000814
http://www.w3.org/TR/PR-xml-971208
編者:
Tim Bray，Textuality and Netscape mailto:tbray@textuality.com
Jean Paoli，Microsoft mailto:jeanpa@microsoft.com
C. M. Sperberg-McQueen，University of Illinois at Chicago and Text Encoding Initiative mailto:cmsmcq@uic.edu
Eve Maler, Sun Microsystems, Inc. mailto:elm@east.sun.com - 第二版

摘要

本文檔完整地描述了可擴展標記語言（Extensible Markup Language，XML），它是標准通用標記語言（Standard Generic Markup Language，SGML）的一個子集。其目的在于使得在 Web 上能以現有超文本標記語言（Hypertext Markup Language，HTML）的使用方式提供，接收和處理通用的 SGML 成為可能。XML 的設計既考慮了實現的方便性，同時也顧及了与 SGML 和 HTML 的互操作性。

本文檔的狀態

本文檔已由 W3C 組織成員和其他相關各方審閱，并已被組織理事批准為 W3C 建議。這是一份穩定的文檔，可以用作參考材料，也可以作為其他文檔的正式參考文獻。W3C 在建議制定過程中的作用是吸引對本建議的注意并促進它的廣泛使用。這能增強Web的功能和互操作性。

本文檔規定了一种用于 World Wide Web 的語法，此語法是通過取一個業已存在并已廣泛使用的文本處理國際標准（標准通用標記語言，經增補和更正的 ISO 8879:1986(E)）的子集而創建的。它是 W3C XML 行動組（XML Activity）的工作成果，關于 XML 行動組的詳細信息可以在 http://www.w3.org/XML 找到。英文版是唯一的正式版。本文檔的翻譯見 http://www.w3.org/XML/#trans。在 http://www.w3.org/TR 可以找到現有 W3C 建議和其他技術文檔的一個列表。

XML 1.0 第二版不是 XML 的一個新版本（1998 年 2 月 10 日首次發表）；它只是為了方便讀者，并入了第一版勘誤表中指出的錯誤和修改（在 http://www.w3.org/XML/xml-19980210-errata）。 本第二版的勘誤表在 http://www.w3.org/XML/xml-V10-2e-errata。

請將本文檔中的錯誤報告給 xml-editor@w3.org。可以在此找到相關的存檔。

注：

C. M. Sperberg-McQueen 在第一版發表之后供職之處已有變化。他現在供職于 W3C，可以通過 cmsmcq@w3.org 和他聯系。

目錄

1. 緒論
    1.1 開發者和開發目標
    1.2 術語
2. 文件
    2.1 格式正确的 XML 文件
    2.2 字符
    2.3 通用語法成分
    2.4 字符數据和標記
    2.5 注釋
    2.6 處理指令
    2.7 CDATA 段
    2.8 序言和文件類型聲明
    2.9 獨立文件聲明
    2.10 空白處理
    2.11 行尾處理
    2.12 語言標識
3. 邏輯結构
    3.1 起始標簽，結束標簽和空元素標簽
    3.2 元素類型聲明
        3.2.1 元素型內容
        3.2.2 混合型內容
    3.3 屬性表聲明
        3.3.1 屬性類型
        3.3.2 屬性的缺省值
        3.3.3 屬性-值對的規范化
    3.4 條件段
4. 物理結构
    4.1 字符和實体引用
    4.2 實体聲明
        4.2.1 內部實体
        4.2.2 外部實体
    4.3 已析實体
        4.3.1 文本聲明
        4.3.2 格式正确的已析實体
        4.3.3 實体中的字符編碼
    4.4 不被識別
        4.4.2 被包含
        4.4.3 進行驗証時被包含
        4.4.4 被禁止
        4.4.5 作為常量被包含
        4.4.6 通知
        4.4.7 不處理
        4.4.8 作為參數實体被包含
    4.5 內部實体置換文本的构建
    4.6 預定義實体
    4.7 記法聲明
    4.8 文件實体
5. 一致性
    5.1 進行驗証和不進行驗証的處理器
    5.2 使用 XML 處理器
6. 記法

附錄

A. 參考文獻
    A.1 正式參考文獻
    A.2 其他參考文獻
B. 字符的分類
C. XML 和 SGML（非正式）
D. 實体和字符引用的展開（非正式）
E. 确定型內容模型（非正式）
F. 字符編碼的自動檢測（非正式）
    F.1 無外部編碼信息時的檢測
    F.2 有外部編碼信息時的优先級
G. W3C XML 工作組（非正式）
H. W3C XML 核心工作組（非正式）
I. 文檔制作說明（非正式）

1. 緒論

可擴展標記語言，縮寫為 XML，描述了一類稱為 XML 文件的數据對象，同時也部分地描述了處理這些數据對象的計算机程序的動作。XML 是 SGML（標准通用標記語言 [ISO 8879]）針對特定應用領域的一個子集，或者說是 SGML 的一种受限形式。根据定義，XML 文件是合乎規范的 SGML 文件。

XML 文件由稱為實体的存儲單元組成，實体可以包含已析（parsed）數据或未析（unparsed）數据。已析數据由字符組成，其中一些字符組成字符數据，另一些字符組成標記。標記中包含了對文件存儲格式（storage layout）和邏輯結构的描述。XML 提供了一种机制用于約束存儲格式和邏輯結构。

[定義：稱為 XML 處理器的軟件模塊用于讀取 XML 文件，存取其中的內容和結构。] [定義：XML 處理器被設想為是為另一個稱為應用的模塊作處理。] 本規范從 XML 處理器應如何讀取 XML 數据以及應向應用提供哪些信息的這兩個方面，描述了要求 XML 處理器作出的動作。

1.1 開發者和開發目標

XML 由 XML 工作組（原先的 SGML 編輯審查委員會）開發，此工作組由 World Wide Web Consortium (W3C) 在 1996 年主持成立。工作組由 Sun Microsystems 的 Jon Bosak 負責，同樣由 W3C 組織的 XML SIG (Special Interest Group)（原先的 SGML 工作組）積极參与了 XML 工作組的工作。XML 工作組的成員在附錄中給出。工作組与 W3C 的聯系人是 Dan Connolly。

XML 的設計目標如下：

  1. XML 應該可以直接在因特网（Internet）上使用。
  2. XML 應該支持大量不同的應用。
  3. XML 應該与 SGML 兼容。
  4. 處理 XML 文件的程序應該容易編寫。
  5. XML 中的可選項應無條件地保持最少，理想狀況下應該為 0 個。
  6. XML 文件應該能夠讓人直接閱讀，而且應該有足夠的可讀性。
  7. XML 的設計應快速完成。
  8. XML 的設計應該是形式化的，簡洁的。
  9. XML 文件應易于創建。
  10. XML 標記的簡洁性是最不重要的設計目標。

本規范与其他相關的標准一起（Unicode 和 ISO/IEC 10646 定義了字符集，Internet RFC1766 定義了語言識別碼，ISO 639 定義了語言名稱代碼，ISO 3166 定義了國家名稱代碼），提供了理解 XML 版本 1.0 和构建相應計算机處理程序所需的所有信息。

在完整保留所有文本和法律注意事項的前提下，本版本的 XML 規范可以自由分發。

1.2 術語

用于描述 XML 文件的術語在此規范的正文中定義。在這些定義中以及描述一個 XML 處理器的動作時，使用了下表中的術語：

可以（may）
[定義：允許合乎規范的文件和 XML 處理器按所描述的方式工作，但不要求必須如此。]
必須（must）
[定義：要求合乎規范的文件和 XML 處理器按所描述的方式工作; 否則它們出現錯誤。]
錯誤（error）
[定義：對本規范中的規則的違反；其結果不确定。合乎規范的軟件可以檢測和報告錯誤，并可以從中恢复。]
嚴重錯誤（fatal error）
[定義：合乎規范的 XML 處理器必須檢測到，并向應用報告的一類錯誤。在遇到嚴重錯誤之后，處理器可以繼續處理數据以發現更多的錯誤并可以向應用報告這些錯誤。為了支持錯誤的更正，處理器可以向應用提供文件中未經處理的數据（字符數据和標記的混合体）。但是，一旦檢測到一個嚴重錯誤，處理器必須停止正常的處理（也就是說，它必須停止以正常的方式向應用提供与文件邏輯結构有關的數据和信息）。]
由使用者選擇（at user option）
[定義：合乎規范的軟件可以或者必須（取決于句子中的情態動詞）按所描述的方式工作; 如果它滿足這個條件，它必須同時提供使用者一种手段，使得使用者能夠啟用和禁用所描述的工作方式。]
有效性約束（validity constraint）
[定義：适用于所有有效的 XML 文件的一种規則。違反有效性約束屬于錯誤；進行驗証的 XML 處理器必須，由使用者選擇，報告這些錯誤。]
格式正确性約束（well-formedness constraint）
[定義：适用于所有格式正确的 XML 文件的一种規則。違反格式正确性約束屬于嚴重錯誤。]
匹配（match）
[定義：（對于字符串和名字：）被比較的兩個字符串或名字必須完全相同。在 ISO/IEC 10646 中有多种可能表示方式的字符（例如，既有預定義 (precomposed） 形式和基字符 (base） + 變音符形式的字符）只在兩個字符串中的表示方式相同時才匹配。不進行字符的大小寫轉換。（對于文法中的字符串和規則：）如果一個字符串屬于一個文法產生式產生的語言，則它匹配這個產生式。（對于內容和內容模型：）當一個元素符合 "元素有效性"約束中的描述時，它匹配其聲明。]
出于兼容性考慮（for compatibility）
[定義：指出此句描述的 XML 特性完全只是為了和 SGML 保持兼容 。]
出于互操作性考慮（for interoperability）
[定義：指出此句是一個不具約束性的建議，目的是增加 XML 文件能被在 ISO 8879 的 WebSGML 改編附件之前已有的 SGML 處理器處理的可能性。]

2. 文件

[定義：如果一個數据對象滿足本規范中格式正确的之定義時，它是一個 XML 文件。一個格式正确的 XML 文件可以更進一步是有效的，如果它滿足某些進一步的約束的話。]

每一個 XML 文件都有邏輯和物理結构。物理上而言，文件由稱為實体的單元組成。一個實体可以引用（refer）其他實体，將它們包含在文件中。文件開始于"根（root）"或文件實体。邏輯上而言，文件由聲明，元素，注釋，字符引用和處理指令組成，所有這些都在文件中用顯式標記指明。邏輯和物理結构必須如"4.3.2 格式正确的已析實体"中所描述的那樣嚴格地嵌套。

2.1 格式正确的 XML 文件（Well-Formed XML Documents）

[定義：一個文本對象是一個格式正确的 XML 文件如果它滿足：]

  1. 作為一個整体，它匹配 document 產生式。
  2. 它滿足本規范中定義的所有格式正确性約束。
  3. 此文件中直接或間接引用的每一個已析實体都是格式正确的。
文件
[1]    document    ::=    prolog element Misc*

匹配 document 產生式意味著：

  1. 它包含一個或多個元素。
  2. [定義：有且僅有一個稱為根（root）或文件元素的元素，它不出現在其他任何元素的內容（content）中。] 對于其他所有元素，如果起始標簽在另一個元素的內容中，則其結束標簽也在同一元素的內容中。換一個更簡單的說法，以起始標簽和結束標簽為界的各個元素，必須嚴格地嵌套。

[定義：這樣做的結果是，對于每一個非根的元素 C，文件中另有一個元素 P，C 在 P 的內容中，而不在其他任何被 P 所包含的元素的內容中。P 被稱為 C 的父元素（parent），而 C 被稱為 P 的子元素（child）。]

2.2 字符

[定義：一個已析實体包含文本（text），文本是一個字符（character）序列，可以表示標記或字符數据。] [定義：一個字符是 ISO/IEC 10646 [ISO/IEC 10646]（或 [ISO/IEC 10646-2000]）中定義的文本最小單元。合法的字符包括制表符，回車，換行以及 Unicode 和 ISO/IEC 10646 中定義的合法字符。在制定本文檔時，在附錄 A.1 正式參考文獻中引用的標准都是當時的最新版本，在這些標准的增補版或新版中可能會加入新的字符。因此，XML 處理器必須能接受產生式 Char 中所定義范圍內的任意字符。不提倡使用 [Unicode] 6.8 節（或 [Unicode3] 3.6 節 D21 ）中定義的"兼容字符（compatibility characters）"。]

字符范圍
[2]    Char    ::=    #x9 | #xA | #xD | [#x20-#xD7FF] | [#xE000-#xFFFD] | [#x10000-#x10FFFF] /* 除了代用塊（surrogate block），FFFE 和 FFFF 以外的任意 Unicode 字符。*/

將字符代碼編碼成位模式的机制各個實体間可能會有所不同。所有的 XML 處理器必須接受 10646 中的 UTF-8 和 UTF-16 編碼；用于指出所用編碼或指定使用其他編碼的机制在后面的"4.3.3 實体中的字符編碼"中討論。

2.3 通用語法成分

本節中定義了一些在文法中廣泛使用的符號。

S（空白）包括一個或多個空格字符（#x20），回車，換行和制表符。

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

為方便起見，字符被分為字母，數字和其他字符三類。字母可以是字母表中的字母，或是一個音節基字符（syllabic base character），也可以是一個表意字符。在"B. 字符的分類"中給出了每一類字符的完整定義。

[定義：名字（name）是以字母或某些標點符號開頭的記號，后跟字母，數字，連字符，下划線，冒號或句號，這些符號統稱為命名字符（name character）。] 以 "xml" 或其他任何匹配 (('X'|'x') ('M'|'m') ('L'|'l')) 的字符串開頭的名字，被保留用于本規范的此版本或后續版本的標准化。

注：

XML 建議中的名域 [XML Names] 賦予了包含冒號的名字某种含義。因此除非用于名域，XML 文件作者不應該在 XML 名字中使用冒號，但 XML 處理器應該接受冒號作為一個命名字符。

Nmtoken（名字記號，name token）是任何命名字符的混合体。

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

常量數据是任何用引號括起的字符串，不包括用作定界符的引號。常量用于指明內部實体的內容（EntityValue），屬性值（AttValue），以及外部標識符（SystemLiteral）。注意，對 SystemLiteral 的語法分析可以不掃描標記。

常量
[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] | [-'()+,./:=?;!*#@$_%]

注：

雖然產生式 EntityValue 允許定義只包含單個 < 的實体（如，<!ENTITY mylt "<">），但是強烈建議避免這种用法，因為對此實体的任何引用都會引起一個格式正确性錯誤。

2.4 字符數据和標記

文本由字符數据和標記混合构成。[定義：標記包括起始標簽，結束標簽，空元素標簽，實体引用，字符引用，注釋，CDATA 段定界符，文件類型聲明，處理指令，XML 聲明，文本聲明，以及任何在文件實体頂層的空白（即，在文件元素之外且不在任何其他的標記中）。]

[定義：其他所有非標記的文本組成文件的字符數据。]

"and"號（&）和左尖括號（<）只有作為標記定界符，或在注釋，處理指令，或 CDATA 段中時才能以常量形式出現。如果在其他地方需要用到這兩個字符，它們必須用數值式字符引用來轉義或分別用字符串"&amp;"和"&lt;"表示。右尖括號(>）可以用"&gt;"表示，而當它在內容中的字符串"]]>"中出現，但此字符串不表示一個 CDATA 段的結束時，出于兼容性考慮，必須用"&gt;"或一個字符引用轉義得到。

在一個元素的內容中，字符數据可以是不包括任何標記的起始定界符的任意字符串。在一個 CDATA 段中，字符數据可以是不包括 CDATA 段結束定界符"]]>"的任意字符串。

為了允許在屬性值中包含單引號和雙引號，省略符或稱單引號（'）可以被表示為"&apos;"，而雙引號（"）可以被表示為"&quot;"。

字符數据
[14]    CharData    ::=    [^<&]* - ([^<&]* ']]>' [^<&]*)

2.5 注釋

[定義：注釋可以在其他標記之外的文件中的任何位置出現。另外，它們可以在文件類型聲明中文法允許的地方出現。它們不是文件字符數据的一部分，XML 處理器可以，但不是必須，允許一個應用檢索注釋的文本。出于兼容性考慮，字符串"--"（雙連字符）不能在注釋中出現。] 注釋中的參數實体不被識別。

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

注釋的一個例子：

<!-- declarations for <head> & <body> -->

注意，此文法不允許注釋以 ---> 結尾。下面的例子不是格式正确的。

<!-- B+, B, or B--->

2.6 處理指令

[定義：處理指令（PI）允許文件中包含由應用來處理的指令。]

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

PI 不是文件字符數据的一部分，但必須傳遞給應用。PI 以用于指示傳遞給哪個應用的目標（PITarget）開頭。目標名字 "XML"，"xml"，等等，保留用于本規范的此版本或后續版本的標准化。XML 記法机制可以用于 PI 目標的形式化聲明。參數實体在處理指令中不被識別。

2.7 CDATA 段

[定義：CDATA 段可以出現在字符數据可以出現的任何地方，它們用于轉義包含會被識別為標記的字符串的文本塊。CDATA 段以字符串 "<![CDATA[" 開始，以字符串 "]]>" 結束：]

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

在一個 CDATA 段內，只有 CDEnd 字符串被識別為標記，因此左尖括號和"&"可以以它們的常量形式出現，不需要（也不能）被換碼為"&lt;"和"&amp;"。CDATA 段不能嵌套。

一個 CDATA 段的例子，其中"<greeting>"和"</greeting>"被識別為字符數据，而不是標記：

<![CDATA[<greeting>Hello, world!</greeting>]]>

2.8 序言（prolog）和文件類型聲明

[定義：XML 文件應該以一個 XML 聲明開始，其中指明了所用 XML 的版本。] 例如，以下是一個完整的 XML 文件，它是格式正确的，但不是有效的：

<?xml version="1.0"?>
<greeting>Hello, world!</greeting>

下面這個也同樣：

<greeting>Hello, world!</greeting>

版本號 "1.0" 應該用于表明与本規范的本版本相一致，如果使用了值 "1.0" 但又与本規范的本版本不一致，那么這是文件的一個錯誤。XML 工作組打算賦予本規范的后續版本不同于 "1.0" 的數值，但這并不代表開發后續版本的承諾，也不代表如果有后續版本，會使用任何特殊的命名方案的承諾。因為不排除有后續版本的可能性，提供了本构造（construct）作為一旦需要時進行自動版本識別的手段。當處理器收到的文件標有它們不支持的版本時，可以給出一個錯誤。

XML 文件中標記的功能是描述文件的存儲格式和邏輯結构，并將屬性-值對和邏輯結构關聯起來。XML 提供一种稱為文件類型聲明的机制，用于定義對邏輯結构的約束，支持預定義存儲單元的使用。[定義：如果一個 XML 文件有相應的文件類型聲明并且它遵循其中的約束，則稱它是有效的（valid）。]

文件類型聲明必須位于文件第一個元素之前。

序言
[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

[定義：XML 文件類型聲明包含或指向標記聲明，標記聲明提供某一類文件的文法。這种文法被稱為文件類型定義（document type difinition，DTD）。文件類型定義可以指向一個外部子集（一种特殊類型的外部實体），或者可以在一個內部子集中直接包含標記聲明，或者兩者兼用。一個文件的文件類型定義由這兩個子集合在一起組成。]

[定義：標記聲明可以是元素類型聲明，屬性表聲明，實体聲明，或是記法聲明。] 這些聲明可以如下面格式正确性和有效性約束中所述，全部或部分地包含在參數實体中，"4. 物理結构"中有更多的信息。

文件類型定義
[28]    doctypedecl    ::=    '<!DOCTYPE' S Name (S ExternalID)? S? ('[' (markupdecl | DeclSep)* ']' S?)? '>' [VC: 根元素類型]
[WFC: 外部子集]
/* */
[28a]    DeclSep    ::=    PEReference | S [WFC: 聲明間的參數實体]
/* */
[29]    markupdecl    ::=    elementdecl | AttlistDecl | EntityDecl | NotationDecl | PI | Comment [VC: 嚴格的聲明/參數實体嵌套]
[WFC: 內部子集中的參數實体]

注意，要构建包含了一個既不指向外部子集也不包含內部子集的 doctypedecl 而格式正确的文件是可能的。

標記聲明可以全部或部分地由參數實体的置換文本組成。本規范后面的各個非終結符（elementdecl，AttlistDecl，等等）產生式描述的是在所有的參數實体被包含（include）之后的聲明。

除了在常量，處理指令，注釋和被忽略的條件段的內容中出現的參數實体引用以外，DTD 中的其他任何地方（內部或外部子集以及外部參數實体）的參數實体引用都被識別（見 3.4 條件段）。在實体值常量中的參數實体引用也被識別。內部子集中參數實体引用的使用限制如下所述。

有效性約束: 根元素類型（Root Element Type）
文件類型聲明中的 Name 必須匹配根元素的類型。

有效性約束: 嚴格的聲明/參數實体嵌套
參數實体的置換文本必須用標記聲明嚴格嵌套。即，如果一個標記聲明（上面的 markupdecl）的第一個或最后一個字符被包含于一個參數實体引用的置換文本中，兩者必須都在此置換文本中。

格式正确性約束: 內部子集中的參數實体

在內部 DTD 子集中，參數實体引用只能出現在標記聲明可以出現的地方，而不能在標記聲明內部出現。（這個約束不适用于出現在外部參數實体內的引用，也不适用于外部子集。）

格式正确性約束: 外部子集

外部子集（如果有的話）必須匹配產生式 extSubset。

格式正确性約束: 聲明間的參數實体

一個 DeclSep 內的參數實体引用的置換文本必須匹配產生式 extSubsetDecl。

同內部子集一樣，外部子集和任何 DeclSep 中引用的外部參數實体，必須由一系列被非終結符 markupdecl 所允許的完整的標記聲明組成，其中可以夾雜空白字符或參數實体引用。但是，外部子集和外部參數實体的部分內容可以通過使用條件段（conditional section）被有條件地忽略，在內部子集中則不允許這么做。

外部子集
[30]    extSubset    ::=    TextDecl? extSubsetDecl
[31]    extSubsetDecl    ::=    ( markupdecl | conditionalSect | DeclSep)* /* */

外部子集和外部參數實体与內部實体不同之處還在于：在它們內，參數實体引用不僅可以出現在標記聲明間，還可以出現在標記聲明內。

有文件類型聲明的 XML 文件的例子：

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

系統標識符 "hello.dtd" 給出了此文件的 DTD 的地址（一個 URI 引用）。

聲明也可以如同下面這個例子一樣直接（locally）給出：

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

如果同時使用外部和內部子集，子集子集被看成出現在外部子集之前，這意味著內部子集中的實体和屬性表聲明的优先級要比在外部子集中的高。

2.9 獨立文件聲明

當文件從 XML 處理器遞給應用時，標記聲明可以影響它的內容，屬性缺省值和實体聲明是其中的例子。可以作為 XML 聲明一個成分的獨立文件聲明，指明了是否存在著在文件實体外或在參數實体中的聲明。[定義：外部標記聲明被定義為出現在外部子集或參數實体（外部或內部，包括內部參數實体是因為并不強制不進行驗証的處理器讀取其中的標記聲明）中的標記聲明。]

獨立文件聲明
[32]    SDDecl    ::=    S 'standalone' Eq (("'" ('yes' | 'no') "'") | ('"' ('yes' | 'no') '"')) [VC: 獨立文件聲明]

在一個獨立文件聲明中，值 "yes" 表示對于文件實体沒有外部標記聲明（不論是在 DTD 外部子集中，還是在由內部實体引用的外部參數實体中）會影響從 XML 處理器傳遞給應用的信息。值 "no" 表示有或可能有這樣的外部標記聲明。注意，獨立文件聲明只是表示外部聲明的存在，如果文件中存在對外部實体的引用，而這些實体已在內部聲明時，不影響它的獨立狀態。

如果不存在外部標記聲明，獨立文件聲明沒有意義。如果存在外部標記聲明，但沒有獨立文件聲明，就假定取值 "no"。

某些网絡傳輸應用也許需要獨立的文件，任何滿足 standalone="no" 的 XML 文件可以通過一定的算法轉換為獨立文件。

有效性約束: 獨立文件聲明
獨立文件聲明必須取值為 "no"，如果任何外部標記聲明中包含：

  • 有缺省值的屬性的聲明，如果适用這些屬性的元素出現在文件中而又沒有給這些屬性賦值的話。
  • （除了 amp，lt，gt，apos，quot 外的）實体的聲明，而對這些實体的引用出現在文件中的話。
  • 其值需要規范化的屬性的聲明，如果這些出現在文件中的屬性的值會因規范化而改變的話。
  • 具有元素型內容的元素類型的聲明，如果在這些類型的任一實例中直接出現空白的話。

具有獨立文件聲明的 XML 聲明的例子：

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

2.10 空白處理

在編輯 XML 文件時，使用"空白"（空格，制表符，空行）來分開標記以獲得更好的可讀性是很方便的。通常在文件的交付版本中不想包含這些空白。另一方面，必須保留在交付版本中的有意義的空白是很常見的，如在詩歌和源碼中的空白。

XML 處理器必須始終把不是標記的所有字符傳遞給應用。一個進行驗証的 XML 處理器必須同時通知應用這些字符中的那一些組成了出現在元素型內容中的空白。

可以在元素中附加一個名為 xml:space 的特殊屬性，以通知應用應該保留此元素中的空白。在有效的文件中，此屬性和其他屬性一樣，使用時必須聲明。它必須被聲明為枚舉類型，可以取值 "default" 和 "preserve" 兩者之一，也可以兩個都取。例如：

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

<!-- -->
<!ATTLIST pre xml:space (preserve) #FIXED 'preserve'>

"default" 表示可以對此元素使用應用的缺省空白處理模式，"preserve" 表示應用應該保留所有的空白。這适用于其所處元素的內容中的所有元素，除非被另一個 xml:space 屬性的實例所覆蓋。

任何文件的根元素被認為對應用的空白處理方式不作要求，除非它給此屬性賦了值或將此屬性聲明為帶缺省值。

2.11 行尾處理

為編輯的方便起見，存儲 XML 已析實体的計算机文件經常用行來組織。通常這些行用回車符（#xD）和換行符（#xA）的一些組合來分隔。

為了使應用的工作簡單化，XML 處理器應在將字符傳給應用前，將外部已析實体（包括文件實体）中的兩字符序列 "#xD#xA" 或沒有尾隨 #xA 的 #xD 在進行語法分析前轉換成單個 #xA 字符。

2.12 語言標識

在進行文件處理時，標識出其內容所使用的自然或形式化語言經常是很有用的。可以在文件中插入一個名為 xml:lang 的特殊屬性用于指出 XML 文件中任何元素的內容和屬性所使用的語言。在有效的文件中，此屬性和其他屬性一樣，使用時必須聲明。此屬性的值是 [IETF RFC 1766]，Tags for the Identification of Languages 或其后的 ITEF 標准中定義的語言標識符。

注：

[IETF RFC 1766] 中的標簽由 [ISO 639] 中定義的兩字母語言碼和 [ISO 3166] 中定義的兩字母國家碼构成，或者由 Internet Assigned Numbers Authority [IANA-LANGCODES] 注冊的語言標識符构成。 預計 [IETF RFC 1766] 的后繼標准將會引入三字母語言碼用于表示 [ISO 639] 中沒有涉及的語言。

（產生式 33 到 38 已被刪除。）

舉例如下：

<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 hei絽m Bem𢞴'n.</l>
  </sp>

xml:lang 所表示的語言選擇适用于它所處元素的所有屬性和內容，除非被此內容中的元素內的另一個 xml:lang 的實例所覆蓋。

xml:lang 的一個簡單聲明可以采用如下形式：

xml:lang  NMTOKEN  #IMPLIED

但是如果合适的話，也可以給出特定的缺省值。在一本供英國學生使用的法文詩歌集中，評注和注解使用英語，xml:lang 屬性可以這樣聲明：

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

3. 邏輯結构

[定義：每個 XML 文件包含一個或多個元素，它們的邊界用起始標簽和結束標簽分隔，或者，對于空元素，用一個空元素標簽分隔。每一個元素有一個用名字標識的類型，有時稱之為它的"通用標識符（generic identifier）"（GI），同時它可以有一個屬性值說明（attribute specification）集。] 每一個屬性值說明有一個名字和一個值。

元素
[39]    element    ::=    EmptyElemTag
| STag content ETag [WFC: 元素類型匹配]
[VC: 元素有效性]

除了那些開頭匹配(('X'|'x')('M'|'m')('L'|'l'))的名字保留用于本規范的此版本和后繼版本的標准化外，本規范不對元素類型和屬性的語義，用法和名字（語法之外）作出限制。

格式正确性約束: 元素類型匹配
元素結束標簽中的 Name 必須和起始標簽中的元素類型相匹配。

有效性約束: 元素有效性
如果有一個与 elementdecl 相匹配的聲明的 Name 与元素類型相匹配，且下述之一成立時，稱此元素是有效的：

  1. 此聲明与 EMPTY 相匹配，同時此元素沒有內容。
  2. 此聲明与 children 相匹配，同時子元素的序列屬于內容模型中的正則表達式所產生的語言，在起始標簽和第一個子元素之間，子元素之間以及最后一個子元素和結束標簽之間允許有空白（匹配非終結符 S 的字符）。注意，僅包括空白的 CDATA 段不匹配非終結符 S，因此不能在這些位置出現。
  3. 此聲明与 Mixed 相匹配，同時內容由其類型匹配內容模型中的名字的字符數据和子元素組成。
  4. 此聲明与 ANY 相匹配，同時每個子元素的類型均已聲明。

3.1 起始標簽，結束標簽和空元素標簽

[定義：每一個非空 XML 元素以一個起始標簽作為開始的標記。]

起始標簽
[40]    STag    ::=    '<' Name (S Attribute)* S? '>' [WFC: 唯一的屬性值說明]
[41]    Attribute    ::=    Name Eq AttValue [VC: 屬性值類型]
[WFC: 無外部實体引用]
[WFC: 在屬性值中沒有<]

起始標簽和結束標簽中的 Name 給出了元素的類型。[定義：Name-AttValue 對被統稱為元素的屬性值說明]，[定義：其中每一對中的 Name 被稱為屬性名]，[定義：AttValue 的內容（在'或"定界符間的文本）被稱為屬性值]。注意，在起始標簽和空元素標簽中各個屬性值聲明的次序沒有意義。

格式正确性約束: 唯一的屬性值說明
一個屬性名只能在同一個起始標簽或空元素標簽中出現一次。

有效性約束: 屬性值類型
屬性必須被聲明，其值必須具有所聲明的類型。（屬性類型參見"3.3 屬性表聲明"。）

格式正确性約束: 無外部實体引用
屬性值不能包含對外部實体直接或間接的實体引用。

格式正确性約束: 在屬性值中沒有 <
在一個屬性值中直接或間接引用的實体的置換文本不能包含 < 。

起始標簽的一個例子：

<termdef id="dt-dog" term="dog">

[定義：由一個起始標簽開始的每一個元素必須用一個結束標簽標記其結束，結束標簽中的名字必須与起始標簽中給出的元素類型相同：]

結束標簽
[42]    ETag    ::=    '</' Name S? '>'

結束標簽的一個例子：

</termdef>

[定義：在起始標簽和結束標簽中的文本被稱為元素的內容：] 元素的內容

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

[定義：稱沒有內容的元素其內容為空。] 空元素可以用一個起始標簽緊跟一個結束標簽的方式或空元素標簽來表示。[定義：空元素標簽有一种特殊的形式：]

空元素標簽
[44]    EmptyElemTag    ::=    '<' Name (S Attribute)* S? '/>' [WFC: 唯一的屬性值說明]

不論元素是否用關鍵字 EMPTY 聲明，空元素標簽都可以用于任何沒有內容的元素。出于互操作性考慮，空元素應該用于，且只應用于聲明為 EMPTY 的元素。

空元素的例子：

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

3.2 元素類型聲明

出于驗証的目的，可以用元素類型和屬性表聲明限制 XML 文件中元素的結构。元素類型聲明限制了元素的內容。

元素類型聲明通常限制了子元素的類型。由使用者選擇，當聲明提到的元素類型沒有相應的聲明時，XML 處理器可以給出警告，但這不是一個錯誤。

[定義：元素類型聲明的形式如下：]

元素類型聲明
[45]    elementdecl    ::=    '<!ELEMENT' S Name S contentspec S? '>' [VC: 唯一的元素類型聲明]
[46]    contentspec    ::=    'EMPTY' | 'ANY' | Mixed | children

其中 Name 給出了所聲明的元素類型。

有效性約束: 唯一的元素類型聲明
元素類型只能聲明一次。

元素類型聲明的例子：

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

3.2.1 元素型內容

[定義：當某一類型的元素只能包含用可選空白（匹配非終結符 S）分隔的子元素（無字符數据）時，稱此元素類型具有元素型內容。] [定義：在這种情況下，有內容模型作為類型限制之一，內容模型是決定子元素類型和子元素出現順序的一种簡單文法。] 此文法用內容粒子（ cp ）构建，內容粒子由名字，內容粒子的選擇表（choice list）或內容粒子的序列表（sequence list）組成：

元素型內容的模型
[47]    children    ::=    (choice | seq) ('?' | '*' | '+')?
[48]    cp    ::=    (Name | choice | seq) ('?' | '*' | '+')?
[49]    choice    ::=    '(' S? cp ( S? '|' S? cp )+ S? ')' /* */
/* */
[VC: 嚴格的組/參數實体嵌套]
[50]    seq    ::=    '(' S? cp ( S? ',' S? cp )* S? ')' /* */
[VC: 嚴格的組/參數實体嵌套]

其中每一個 Name 是可以作為子元素的元素的類型。選擇表中出現的任意內容粒子在元素型內容中允許出現的位置對應于選擇表在文法中的位置。序列表中出現的所有內容粒子必須以相同的順序出現在元素型內容中。在名字或表之后的可選字符（optional character）決定了表中元素或內容粒子可以出現一次或多次（+），還是零次或多次（*），或是零次或一次（?）。沒有這樣一個操作符意味著元素或內容粒子必須恰好出現一次。這种語法和意義和本規范中的產生式中所使用的相同。

當且僅當一個元素的內容可以通過滿足內容模型中的選擇，序列和重复操作符得到，并且內容中的每一個元素与內容模型中的一种元素類型相匹配時，稱此元素的內容与該內容模型相匹配。出于兼容性考慮， 如果文件的某個元素可以和內容模型中的一种元素類型多次匹配，這是一個錯誤。 更詳細的信息參見"E. 确定型內容模型".

有效性約束: 嚴格的組/參數實体嵌套
參數實体的置換文本必須由括號括起的組嚴格嵌套。即，如果 choice，seq 或 Mixed 語法成分的開始或結束括號出現在某個參數實体的置換文本中，兩者必須同在此置換文本中。

出于互操作性考慮，如果一個參數實体引用出現在choice，seq或Mixed語法成分中時，它的置換文本至少應該包含一個非空字符，同時其置換文本的第一個和最后一個非空字符都不應為一個連接符（| 或 ,）。

元素型內容的模型舉例：

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

3.2.2 混合型內容（Mixed Content）

[定義：當某元素類型可以包含字符數据，其間可以隨意穿插子元素時，稱此元素類型具有混合型內容。] 在這种情況下，對子元素的類型可能有所限制，但對它們的次序和出現次數沒有限制：

混合型內容聲明
[51]    Mixed    ::=    '(' S? '#PCDATA' (S? '|' S? Name)* S? ')*'
| '(' S? '#PCDATA' S? ')' [VC: 嚴格的組/參數實体嵌套]
[VC: 無重复類型]

其中 Name 給出了子元素的元素的類型。關鍵字 #PCDATA 來自術語"已析字符數据（parsed character data）"而來

有效性約束: 無重复類型
同一名字在單個混合型內容聲明中只能出現一次。

混合內容聲明的例子：

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

3.3 屬性表聲明

屬性用于關聯名字-值對和元素。屬性值說明只能在起始標簽和空元素標簽中出現; 因此，用于識別它們的產生式出現在"3.1 起始標簽，結束標簽和空元素標簽"中。屬性表聲明可以用于：

  • 定義与一給定元素類型有關的屬性集。
  • 确定這些屬性的類型限制。
  • 提供屬性的缺省值。

[定義：屬性表聲明詳細說明了与給定元素類型相關聯的每一個屬性的名字，數据類型和缺省值（如果有的話）：]

屬性表聲明
[52]    AttlistDecl    ::=    '<!ATTLIST' S Name AttDef* S? '>'
[53]    AttDef    ::=    S Name S AttType S DefaultDecl

AttlistDecl 規則中 Name 是元素的類型。由使用者選擇，當屬性聲明相關的元素類型沒有被聲明時，XML 處理器可以給出一個警告，但這不是一個錯誤。AttDef 規則中的 Name 是屬性的名字。

當与某個給定元素類型相關的 AttlistDecl 超過一個時，這些聲明中的內容被合并在一起。當給定元素類型的某個屬性的定義超過一個時，綁定第一個定義，其余定義被忽略。出于互操作性考慮，DTD 的作者可以這樣做：一個給定的元素類型至多有一個屬性表聲明，一個屬性表中一個給定的屬性名至多有一個屬性定義，每個屬性表聲明至少有一個屬性定義。出于互操作性考慮，當一個給定元素有超過一個的屬性表聲明或一個給定屬性有超過一個的屬性定義時，XML 處理器可以，由使用者選擇，給出警告，但這不是一個錯誤。

3.3.1 屬性類型

XML 屬性有三种類型：字符串類型，一組記號化類型和枚舉類型。字符串類型可以以任意常量字符串為值; 各個記號化類型有不同的詞法和語義約束。文法中指出的有效性約束适用于屬性值已按 3.3 節 3.3 屬性表聲明中所述規范化了之后的情況。

屬性類型
[54]    AttType    ::=    StringType | TokenizedType | EnumeratedType
[55]    StringType    ::=    'CDATA'
[56]    TokenizedType    ::=    'ID' [VC: ID]
[VC: 每种元素類型一個 ID]
[VC: ID 屬性的缺省值]
| 'IDREF' [VC: IDREF]
| 'IDREFS' [VC: IDREF]
| 'ENTITY' [VC: 實体名]
| 'ENTITIES' [VC: 實体名]
| 'NMTOKEN' [VC: 名字記號]
| 'NMTOKENS' [VC: 名字記號]

有效性約束: ID
ID 類型的值必須匹配 Name 產生式。作為此類型值的名字只能在 XML 文件中出現一次；即，ID 類型的值必須能唯一標識元素。

有效性約束: 每种屬性類型一個ID
每种屬性類型只能有一個 ID 屬性。

有效性約束: ID 屬性的缺省值
ID 屬性必須有一個聲明為 #IMPLIED 或 #REQUIRED 的缺省值。

有效性約束: IDREF
IDREF 類型的值必須匹配 Name 產生式，IDREFS 類型的值必須匹配 Names 產生式；每一個 Name 必須匹配 XML 文件中某些元素 ID 屬性的值；也就是說，IDREF 類型的值必須匹配某些 ID 屬性的值。

有效性約束: 實体名
ENTITY 類型的值必須匹配 Name 產生式，ENTITIES 類型的值必須匹配 Names 產生式；每一個 Name 必須匹配 未析實体的名字。

有效性約束: 名字記號
NMTOKEN 類型的值必須匹配 Nmtoken 產生式；NMTOKENS 類型的值必須匹配 Nmtokens 產生式。

[定義：枚舉類型的屬性可以在聲明中提供的取值表中取值。] 有兩种枚舉類型：

枚舉屬性類型
[57]    EnumeratedType    ::=    NotationType | Enumeration
[58]    NotationType    ::=    'NOTATION' S '(' S? Name (S? '|' S? Name)* S? ')' [VC: 記法屬性]
[VC: 每种屬性類型一种記法]
[VC: 空元素沒有記法]
[59]    Enumeration    ::=    '(' S? Nmtoken (S? '|' S? Nmtoken)* S? ')' [VC: 枚舉]

一個 NOTATION 類型的屬性標識了一种用于解釋与此屬性相關的元素的記法，此記法中用系統或公共標識符在 DTD 中聲明。

有效性約束: 記法屬性
此類型的值必須与聲明中所包含的記法名之一相匹配;聲明中的所有記法名都必須聲明。

有效性約束: 每种屬性類型一种記法

每种元素類型的 NOTATION 屬性不能多于一個。

有效性約束: 空元素沒有記法

出于兼容性考慮，聲明為 EMPTY 的元素不能聲明類型為 NOTATION 的屬性。

有效性約束: 枚舉
此類型的值必須与聲明中所包含的 Nmtoken 記號之一相匹配。

出于互操作性考慮，同一 Nmtoken 只能在單個元素類型的枚舉屬性類型中出現一次。

3.3.2 屬性缺省值

屬性聲明提供的信息指明了某屬性是否必須出現，同時指明了在被聲明的屬性不是必須出現而文件中沒有出現此屬性的情況下，XML 處理器應如何處理。

屬性缺省值
[60]    DefaultDecl    ::=    '#REQUIRED' | '#IMPLIED'
| (('#FIXED' S)? AttValue) [VC: 必須的屬性]
[VC: 合法的屬性缺省值]
[WFC: 在屬性值中無 < ]
[VC: 固定的屬性缺省值]

在一個屬性聲明中，#REQUIRED 表示必須總是提供此屬性，#IMPLIED 表示不提供缺省值。如果聲明既不是 #REQUIRED，也不是 #IMPLIED，那么 AttValue 值包含了所聲明的缺省值;關鍵字 #FIXED 規定此屬性必須總是有缺省值。如果聲明了一個缺省值，當 XML 處理器遇到一個被省略的屬性時，它將當成此屬性以缺省值出現

有效性約束: 必須的屬性
如果缺省值聲明是關鍵字 #REQUIRED，那么屬性表聲明所指類型的元素中都必須有此屬性。

有效性約束: 合法的屬性缺省值
被聲明的屬性缺省值必須滿足被聲明的屬性類型的詞法約束。

有效性約束: 固定的屬性缺省值
如果某屬性的缺省值用關鍵字 #FIXED 聲明，此屬性的所有實例必須匹配該缺省值。

屬性表聲明的例子：

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

3.3.3 屬性-值對的規范化（Attribute-Value Normalization）

在將屬性的值傳給應用或檢驗其有效性之前，XML 處理器必須使用下面的算法（或使用其他能使傳給應用的值与用此算法得到的值相同的方法）將其規范化。

  1. 所有的行尾必須在輸入時如 2.11 行尾處理中所述規范成 #xA，本算法的其余部分作用于以此方法規范化之后的文本。

  2. 開始時規范化之后的值包含空字符串。

  3. 對于未經規范化的屬性值中的每個字符，實体引用或字符引用，從第一個開始，直到最后一個，做如下操作：

    • 對于一個字符引用，將其所引用的字符加在規范化之后的值的末尾。

    • 對于一個實体引用，對此實体的置換文本遞歸地使用本算法的第 3 步。

    • 對于一個空白字符（#x20, #xD, #xA, #x9），在規范化之后的值的末尾加一個空格字符（#x20）。

    • 對于其他字符，將其加在規范化之后的值的末尾。

如果屬性值的類型不是 CDATA，那么 XML 處理器必須繼續處理規范化之后的值，去掉其前導和尾隨空格（#x20）字符，并將空格（#x20）字符序列替換成單個空格（#x20）字符。

注意，如果未經規范化的屬性值中包含對空格字符（#x20）以外的空白字符的引用，那么規范化之后的值包含被引用的字符本身（#xD, #xA or #x9），而不是空格（#x20）。這与未經規范化的屬性值中包含空白字符（不是引用）的情況不同，在那种情況下空白字符被置換成空格字符（#x20）。同時這也与未經規范化的屬性值中所包含的實体引用的置換文本中包含空白字符的的情況不同，在那种情況下，實体引用的置換文本被遞歸處理，空白字符被置換成空格字符（#x20）。

不進行驗証的處理器應該將所有尚未讀到其聲明的屬性當成聲明為 CDATA 處理。

以下是屬性規范化的例子。有如下聲明：

<!ENTITY d "&#xD;">
<!ENTITY a "&#xA;">
<!ENTITY da "&#xD;&#xA;">

下表中左邊一列中的屬性值說明在 a 聲明為 NMTOKENS 的情況下規范化為中間一列的字符序列，在 a 聲明為 CDATA 的情況下規范化為右邊一列中的字符序列。

未析實体TH>屬性值說明
a 聲明為 NMTOKENS a 聲明為 CDATA
 
a="

xyz"
 x y z #x20 #x20 x y z
a="&d;&d;A&a;&a;B&da;"
 A #x20 B #x20 #x20 A #x20 #x20 B #x20 #x20
a=
"&#xd;&#xd;A&#xa;&#xa;B&#xd;&#xa;"
 #xD #xD A #xA #xA B #xD #xA #xD #xD A #xA #xA B #xD #xD

注意，在 a 聲明為 NMTOKENS 類型的情況下，最后一個例子不是有效的（但是是格式正确的）。

3.4 條件段（Conditional Sections）

[定義：條件段是文件類型聲明外部子集的一部分，取決于相應的關鍵字，它們或被包含在 DTD 邏輯結构之內，或被排除在 DTD 邏輯結构之外。]

條件段
[61]    conditionalSect    ::=    includeSect | ignoreSect
[62]    includeSect    ::=    '<![' S? 'INCLUDE' S? '[' extSubsetDecl ']]>' /* */
[VC: 嚴格的條件段/參數實体嵌套]
[63]    ignoreSect    ::=    '<![' S? 'IGNORE' S? '[' ignoreSectContents* ']]>' /* */
[VC: 嚴格的條件段/參數實体嵌套]
[64]    ignoreSectContents    ::=    Ignore ('<![' ignoreSectContents ']]>' Ignore)*
[65]    Ignore    ::=    Char* - (Char* ('<![' | ']]>') Char*)

有效性約束: 嚴格的條件段/參數實体嵌套

如果一個條件段的 "<!["，"[" 或 "]]>" 中的任意一個包含在一個參數實体中的置換文本中，它們必須全部在此同一置換文本中。

同內部或外部 DTD 子集一樣，條件段可以包含一個或多個完整的聲明，注釋，處理指令，或嵌套的條件段，其間可以夾雜空白。

如果條件段的關鍵字是 INCLUDE，那么條件段的內容是 DTD 的一部分，如果條件段的關鍵字是 IGNORE，那么條件段的內容邏輯上不是 DTD 的一部分。如果一個關鍵字為 INCLUDE 的條件段出現在更大的關鍵字為 IGNORE 的條件段中，內外兩個條件段都被忽略。在對被忽略的條件段的內容進行語法分析時，從緊隨關鍵字的 "[" 之后開始，除了條件段的開始 "<![" 和結尾 "]]>" 以外的所有字符都被忽略，直到找到相匹配的條件段結尾。在此過程中參數實体不被識別。

如果條件段的關鍵字是一個參數實体引用，處理器在決定是否包含或忽略此條件段前，必須先將該參數實体置換成其內容。

一個例子：

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

4. 物理結构

[定義：一個 XML 文件可能包含一個或多個存儲單元。它們被稱為實体（entity）;它們都具有內容并且都用名字進行標識（除了文件實体，見下，和外部 DTD 子集之外）。] 每一個 XML 文件有一個稱為文件實体的實体，它作為 XML 處理器處理的起點并可能包含了整個文件。

實体可以是已析的或未析的。[定義：已析實体（parsed entity）的內容被稱為它的置換文本;此文本被看成是文件整体的一部分。]

未析實体（unparsed entity）是一种資源，其內容可以是也可以不是文本，并且，如果是文本的話，可以不是 XML 文本。每一個未析實体有一個相關聯的用名字標識的記法。除了要求 XML 處理器能向應用提供實体和記法的標識符之外，XML 對未析實体的內容不作任何限制。]

已析實体以實体引用的方式使用名字來調用;未析實体用 ENTITY 或 ENTITIES 屬性中給出的名字調用。

[定義：普通實体（general entity）是那些在文件內容中使用的實体。在本規范中，普通實体有時用未修飾的術語entity來表示。] [定義：參數實体是用于 DTD 內的已析實体。]這兩類實体用不同形式的引用，在不同的上下文中識別。另外，它們使用不同的名域；具有相同名字的參數實体和普通實体是兩個截然不同的兩個實体。

4.1 字符和實体引用（Character and Entity References）

一個字符引用引用 ISO/IEC 10646 字符集中的一個字符。例如不能用輸入設備直接輸入的字符。

字符引用
[66]    CharRef    ::=    '&#' [0-9]+ ';'
| '&#x' [0-9a-fA-F]+ ';' [WFC: 合法字符]

格式正确性約束: 合法字符
用字符引用引用的字符必須匹配 Char 產生式。

如果字符引用以 "&#x" 開頭，直到終結 ; 的數字和字母提供了某字符在 ISO/IEC 10646 中代碼的一個十六進制表示。如果它僅以 "&#" 開頭，直到終結 ; 的數字提供了某字符的代碼的十進值表示。

實体引用（entity reference）引用一個命名實体的內容。對已析普通實体的引用使用 "and" 號（&）和分號（;）作為定界符。參數實体引用則使用百分號（%）和分號（;）作為定界符。

實体引用
[67]    Reference    ::=    EntityRef | CharRef
[68]    EntityRef    ::=    '&' Name ';' [WFC: 聲明實体]
[VC: 聲明實体]
[WFC: 已析實体]
[WFC: 無遞歸]
[69]    PEReference    ::=    '%' Name ';' [VC: 聲明實体]
[WFC: 無遞歸]
[WFC: 在 DTD 內]

格式正确性約束: 聲明實体
在一個沒有任何 DTD 的文件，或一個只有不包含參數實体引用的內部 DTD 子集的文件，或一個 "standalone='yes'" 的文件內，不在外部子集或參數實体內的實体引用中給出的 Name 必須与不在外部子集或參數實体內實体聲明中所給出的相匹配，但格式正确的文件不需要聲明以下的這些實体：amp，lt，gt，apos 和 quot。普通實体的聲明必須先于任何在屬性表聲明中的缺省值中出現的對它的引用。注意，對于在外部子集或外部參數實体中聲明的實体，不進行驗証的處理器不必要讀取和處理它們的聲明；對這些文件，僅當 standalone='yes' 時，實体必須被聲明的規則才是一個格式正确性約束。

有效性約束: 聲明實体
在一個有外部子集或外部參數實体且 "standalone='no'" 的實体中，實体引用中給出的 Name 必須与實体聲明中所給出的相匹配。出于互操作性考慮，有效的文件應該以"4.6 預定義實体"中的簡化形式聲明實体 amp，lt，gt，apos 和 quot。參數實体的聲明必須先于任何對它的引用。類似地，普通實体的聲明必須先于任何在屬性表聲明中的缺省值中出現的對它直接或間接的引用。

格式正确性約束: 已析實体
實体引用不能包含一個未析實体的名字。未析實体只能在聲明為 ENTITY 或 ENTITIES 的屬性值中引用。

格式正确性約束: 無遞歸
已析實体不能直接或間接地包含對自身的遞歸引用。

格式正确性約束: 在 DTD 內
參數實体引用只能在 DTD 中出現。

字符引用和實体引用的例子：

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

參數實体引用的例子：

<!-- declare the parameter entity "ISOLat2"... -->
<!ENTITY % ISOLat2
         SYSTEM "http://www.xml.com/iso/isolat2-xml.entities" >
<!-- ... now reference it. -->
%ISOLat2;

4.2 實体聲明（Entity Declaration）

[定義：實体以如下方式聲明：]

實体聲明
[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

實体引用中的 Name 標識了該實体;對于未析實体，ENTITY 或 ENTITIES 屬性的值標識了該實体。如果同一實体被聲明了不止一次，綁定第一個遇到的聲明。由使用者選擇，如果實体被多次聲明，XML 處理器可以給出警告。

4.2.1 內部實体（Internal Entities）

[定義：如果實体定義是一個 EntityValue，被定義的實体被稱為內部實体。] 內部實体沒有單獨的物理存儲對象，實体的內容在聲明中給出。注意常量實体值中一些實体和字符引用的處理可能要求產生正确的置換文本：參見"4.5 內部置換文本的构造"。

內部實体是已析實体。

內部實体聲明的例子：

<!ENTITY Pub-Status "This is a pre-release of the
 specification.">

4.2.2 外部實体（External Entities）

[定義：如果實体不是內部的，那么它是一個外部實体，聲明如下：]

外部實体聲明
[75]    ExternalID    ::=    'SYSTEM' SSystemLiteral
| 'PUBLIC' S PubidLiteral S SystemLiteral
[76]    NDataDecl    ::=    S 'NDATA' S Name [VC: 聲明記法]

如果有 NDataDecl，那么這是一個普通未析實体；否則它是一個已析實体。

有效性約束: 聲明記法
Name必須与記法的名字相匹配。

[定義：SystemLiteral 被稱為該實体的系統標識符。這是一個 URI 引用（在 [IETF RFC 2396] 中定義，在 [IETF RFC 2732] 中更新），可以由此獲得 XML 處理器的輸入用于构建此實体的置換文本。] 片斷標識符（以 # 開頭）出現在系統標識符中是一個錯誤。如果一個片斷標識符作為系統標識符的部分給出，XML 處理器可以給出一個錯誤。除非在本規范范圍之外另外給出（如，一個特殊 DTD 中定義的專用 XML 元素類型，或一個特殊應用規范中定義的處理指令），相對 URI 指相對于實体聲明所在資源的位置。因此，一個 URI 可能是相對于文件實体，或相對于包含外部 DTD 子集的實体，或相對于其他一些外部參數實体。

URI 引用需要對某些字符進行編碼和轉義。不允許出現的字符包括所有非 ASCII 字符，以及 [IETF RFC 2396] 第 2.4 節中列出的不被允許的字符，井號（#）、百分號（%）） 和 [IETF RFC 2732] 中允許的方括號除外。不被允許的字符必須用如下的方法轉義：

  1. 每個不被允許的字符首先被轉換成一個或多個字節的 UTF-8 [IETF RFC 2279] 編碼。

  2. 任何對應于一個不被允許的字符的八位組用 URI 轉義机制轉義（即，將其轉換成%HH，其中 HH 是字節值的十六進制記法）。

  3. 用得到的字符序列置換原來的字符。

除了系統標識符之外，外部標識符還可以包含公共標識符。試圖存取實体內容的 XML 處理器可以用公共標識符試著產生一個可選 URI 引用。如果處理器無法做到這一點，它必須使用系統常量中的 URI 引用。在試著匹配之前，公共標識符中所有空白字符串必須被規范為單個空格字符（#x20），同時必須去掉前導和尾隨空白。

外部實体聲明的例子：

<!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 已析實体（Parsed Entities）

4.3.1 文本聲明（Text Declaration）

[定義：每個外部已析實体應該以文本聲明作為開始。]

文本聲明
[77]    TextDecl    ::=    '<?xml' VersionInfo? EncodingDecl S? '?>'

文本聲明必須以常量形式給出，而不能使用已析實体的引用。文本聲明只能在外部已析實体的開頭出現，不允許在其他任何地方出現。在外部已析實体中的文本聲明不被認為是其置換文本的一部分

4.3.2 格式正确的已析實体（Well-Formed Parsed Entities）

如果文件實体匹配 document 產生式，那么它是格式正确的。如果外部普通已析實体匹配 extParsedEnt