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. 實體和字符引用的展開（非正式）
E. 確定型內容模型（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優先級
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）

A. 參考文獻

A.1 正式參考文獻

IANA-CHARSETS

(Internet Assigned Numbers Authority) Official Names for Character Sets, ed. Keld Simonsen et al. See 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， ed. H. Alvestrand. 1995.

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]: International Organization for Standardization， 1993 (plus amendments AM 1 through AM 7).

ISO/IEC 10646-2000

ISO (International Organization for Standardization). ISO/IEC 10646-1:2000. Information technology -- Universal Multiple-Octet Coded Character Set (UCS) -- Part 1: Architecture and Basic Multilingual Plane. [Geneva]: International Organization for Standardization, 2000.

Unicode

The Unicode Consortium. The Unicode Standard， Version 2.0. Reading， Mass.: Addison-Wesley Developers Press， 1996.

Unicode3

The Unicode Consortium. The Unicode Standard, Version 3.0. Reading, Mass.: Addison-Wesley Developers Press, 2000. ISBN 0-201-61633-5.

A.2 其他參考文獻

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. (Work in progress; see updates to RFC1738.)

Brgemann-Klein

Brgemann-Klein, Anne. Formal Models in Document Processing. Habilitationsschrift. Faculty of Mathematics at the University of Freiburg, 1993. (See ftp://ftp.informatik.uni-freiburg.de/documents/papers/brueggem/habil.ps.)

Brgemann-Klein and Wood

Brgemann-Klein, Anne, and Derick Wood. Deterministic Regular Languages. Universit Freiburg, Institut f Informatik, Bericht 38, Oktober 1991. Extended abstract in A. Finkel, M. Jantzen, Hrsg., STACS 1992, S. 173-184. Springer-Verlag, Berlin 1992. Lecture Notes in Computer Science 577. Full version titled One-Unambiguous Regular Languages in Information and Computation 140 (2): 229-253, February 1998.

Clark

James Clark. Comparison of SGML and XML. See http://www.w3.org/TR/NOTE-sgml-xml-971215.

IANA-LANGCODES

(Internet Assigned Numbers Authority) Registry of Language Tags, ed. Keld Simonsen et al. (See http://www.isi.edu/in-notes/iana/assignments/languages/.)

IETF RFC2141

IETF (Internet Engineering Task Force). RFC 2141: URN Syntax, ed. R. Moats. 1997.

IETF RFC 2279

IETF (Internet Engineering Task Force). RFC 2279: UTF-8, a transformation format of ISO 10646, ed. F. Yergeau, 1998. (See http://www.ietf.org/rfc/rfc2279.txt.)

IETF RFC 2376

IETF (Internet Engineering Task Force). RFC 2376: XML Media Types. ed. E. Whitehead, M. Murata. 1998. (See http://www.ietf.org/rfc/rfc2376.txt.)

IETF RFC 2396

IETF (Internet Engineering Task Force). RFC 2396: Uniform Resource Identifiers (URI): Generic Syntax. T. Berners-Lee, R. Fielding, L. Masinter. 1998. (See http://www.ietf.org/rfc/rfc2396.txt.)

IETF RFC 2732

IETF (Internet Engineering Task Force). RFC 2732: Format for Literal IPv6 Addresses in URL's. R. Hinden, B. Carpenter, L. Masinter. 1999. (See http://www.ietf.org/rfc/rfc2732.txt.)

IETF RFC 2781

IETF (Internet Engineering Task Force). RFC 2781: UTF-16, an encoding of ISO 10646, ed. P. Hoffman, F. Yergeau. 2000. (See http://www.ietf.org/rfc/rfc2781.txt.)

ISO 639

(International Organization for Standardization). ISO 639:1988 (E). Code for the representation of names of languages. [Geneva]: International Organization for Standardization, 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]: International Organization for Standardization, 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]: International Organization for Standardization, 1986.

ISO/IEC 10744

ISO (International Organization for Standardization). ISO/IEC 10744-1992 (E). Information technology -- Hypermedia/Time-based Structuring Language (HyTime). [Geneva]: International Organization for Standardization, 1992. Extended Facilities Annexe. [Geneva]: International Organization for Standardization, 1996.

WEBSGML

ISO (International Organization for Standardization). ISO 8879:1986 TC2. Information technology -- Document Description and Processing Languages. [Geneva]: International Organization for Standardization, 1998. (See http://www.sgmlsource.com/8879rev/n0029.htm.)

XML Names

Tim Bray, Dave Hollander, and Andrew Layman, editors. Namespaces in XML. Textuality, Hewlett-Packard, and Microsoft. World Wide Web Consortium, 1999. (See http://www.w3.org/TR/REC-xml-names/.)

B. 字符的分類(Character Classes)

根據 Unicode 標準中定義的特征，字符被分為基字符（其中包含了拉丁字母），表意字符和組合字符（其中包含了大多數的變音符）。數字和擴展符(extender)也各自被分成類。

字符

在此定義的字符類可以從 Unicode 2.0 字符庫中如下導出：

• 名字的起始字符必須屬 Ll，Lu，Lo，Lt，Nl 中的一類。
• 除了起始字符之外的命名字符必須屬 Mc，Me，Mn，Lm 或 Nd 中的一類。
• 兼容區（即代碼大 #xF900，小 #xFFFE 的字符）中的字符不允許在 XML 名字中出現。
• 不允許出現具有字集或兼容分解（即，庫中第 5 區有"compatibility formatting tag"的字符 -- "<"標志著 5 區的開始）的字符。
• 下列字符被當成名字起始字符，因為特性文件中將它們歸字母類： [#x02BB-#x02C1]，#x0559，#x06E5，#x06E6。
• 不允許出現字符 #x20DD-#x20E0（與 Unicode 2.0 的 5.14 節保持一致）。
• 字符 #x00B7 被分為擴展符，因為特性文件中對它是這標識的。
• 字符 #x0387 被當成一個命名字符，因為 #x00B7 是它的等價規范形式。
• 字符':'和'_'可以作為名字起始字符。
• 字符'-'和'.'可以作為命名字符。

C. XML 和 SGML（非正式）

XML 被設計為 SGML 的一個子集，表現在每一個有效的 XML 文件也應該是一個合乎規范的 SGML 文件。對 XML 在 SGML 之外對文件所加的限制的詳細討論參見[Clark]。

D. 實體和字符引用的展開（非正式）

本附錄中舉例說明了在 "4.4  XML 處理器對實體和引用的處理"一節中規定的實體和字符引用的識別和展開的次序。

如果聲明包含在 DTD 中

那 XML 處理器將在對實體聲明進行語法分析時識別出字符引用，並在將下面的字符串存為實體"example"的值前解析這些字符引用:

文件中對 "&example;" 的引用會導致對文本的重新分析，此時元素 "" 的起始和結束標簽被識別，三個引用被識別和展開，其結果是一個包含下面內容（所有數據，無定界符或標記）"p" 元素：

一個更復雜的例子可以完整地說明這些規則和它們的作用。在下面的例子中，行號僅僅是為了方便說明。

這個例子會導致下列動作：

• 在第 4 行，對字符 37 的引用會被立即展開，參數實體 "xx" 以值 "%zz;" 存符號表中。因為置換文本不被再次掃描，對參數實體 "zz" 的引用不會被識別。（而且如果它被識別的話則是一個錯誤，因為 "zz" 還沒有被聲明。）
• 在第 5 行，字符引用 "<" 被立即展開，而參數實體 "zz" 以置換文本 "<!ENTITY tricky "error-prone" >" 被存儲，此置換文本是一個格式正確的實體聲明。
• 在第 6 行，對 "xx" 的引用被識別，"xx" 的置換文本（即 "%zz;"）被分析。對 "zz" 的引用隨被識別，它的置換文本（"<!ENTITY tricky "error-prone" >"）被分析。此時普通實體 "tricky" 被聲明，它的置換文本是 "error-prone"。
• 在第 8 行，對普通實體 "tricky" 的引用被識別，並被展開，因此 "test" 元素的全部內容為一個自說明的（也不合語法）字符串This sample shows a error-prone method.。

E. 確定型內容模型(非正式)

如 3.2.1 元素型內容中所述，元素類型聲明中的內容模型要求是確定型的。這個要求是出和 SGML 的兼容性考慮（SGML 稱為"無歧義的"）；用 SGML 系統生成的 XML 處理器可能會把非確定型內容模型標為錯誤。

例如，內容模型((b, c) | (b, d))是非確定型的，因為給定一個初始 b，XML 處理器沒有在向前看以知道 b 是什元素之前，無法知道匹配模型中的哪個 b。在這種情況下，兩個對 b 的引用可以簡化成單個的引用，使得模型成為(b,(c | d))。此時初始的 b 只和內容模型中的一個名字明確匹配。處理器不需要向前看其的內容。c 或 d 都能被接受。

更形式化的說法：使用 Aho，Sethi 和 Ullman 所 [Aho/Ullman] 3.9 節中的標準算法 3.5，可以從內容模型構造出一個有限狀態自動機。在很多這樣的算法中，對應正則表達式中的每一個位置(即正則表達式的語法樹中的每個葉子節點)，都構造一個隨集（follow set）；如果任一位置的隨集中不止一個繼位置被標為同一元素類型時，那此內容模型出錯，並且可以被報為錯誤。

存在將許多但不是所有非確定型內容模型自動規約為等價的確定型模型的算法；參見 Brgemann-Klein 1991 [Brgemann-Klein].

F. 字符編碼的自動檢測(非正式)

XML 編碼聲明在實體中以內部標簽的方式工作，用指出使用了何種字符編碼。然而，在 XML 處理器能讀取這個內部標簽前，顯然它必須知道當前使用的是何種字符編碼－而這正是此內部標簽要試圖指出的。通常情況下，這是一種無法解決的情況。但在 XML 中並非如此，因為 XML 在兩個方面對這種情形作出了限制：假定每一種實現只支持一個有限的字符編碼集，並且，為了使得正常情況下自動檢測每個實體中所用字符編碼成為可能，限制了 XML 編碼聲明的位置和內容。同時，很多情況下除了 XML 數據流本身之外，另外還有可用的信息源。根據 XML 實體交給處理器時沒有或有任何的附帶(外部)信息，可以區分出兩種情況。我們先考慮第一種情況。

F.1 無外部編碼信息時的檢測

因為每一個沒有外部編碼信息且非 UTF-8 或 UTF-16 編碼的 XML 實體必須以 XML 編碼聲明開頭，其開始的幾個字符必須為 '<?xml'，任何合乎規范的處理器可以在兩到四個八位組的輸入，檢測出適用下列何種情況。在讀這張表時，知道這些是有幫助的：在 UCS-4 中，'<' 是 "#x0000003C"，'?' 是 "#x0000003F"，UTF-16 數據流的字節次序標記要求為 "#xFEFF"。記法 ## 用表示任意的字節值，但兩個連續的 ## 不能同時為 00。

有字節次序標記：

無字節次序標記：

這種層次的自動檢測足以用讀取 XML 編碼聲明和分析字符編碼標識符。字符編碼標識符仍然是必須的，它用區分編碼方案集中的單個成員（例如從 8859 中區分出 UTF-8，8859 各個部分間的相互區分，以及區分所用的特定 EBCDIC 代碼頁，等等)。

因為編碼聲明的內容限 ASCII 字符集中的字符（不管怎樣編碼），一旦處理器檢測到使用的是哪一個編碼方案集，它能夠可靠地讀取整個編碼聲明。因為在實際中，所有廣泛使用的字符編碼都可以歸上述種類中，XML 編碼聲明保証了可靠的內嵌（in-band）字符編碼標注，即使是在操作系統或傳輸協議級的外部信息源並不可靠的情況下。象 UTF-7 那樣重用了 ASCII 編碼值的字符編碼方案有可能無法可靠地被檢測。

一旦處理器檢測到所用的字符編碼，它就可以作出合適的動作，或是針對每種情況調用單獨的輸入例程，或是對每個輸入的字符調用版本合適的轉換函數。

和任何自標注（self-labeling）的系統一樣，一旦任何軟件改變了實體的字符集或其編碼而沒有相應修改編碼聲明的話，XML的編碼聲明將無法工作。字符編碼方案的實現者必須小心仔細，以保証用標注實體的內部和外部信息的正確性。

F.2 外部編碼信息的優先級

第二種可能的情況是 XML 實體有附帶的信息，如在一些文件系統和網絡協議中。當具有多個信息源時，它們間的相對優先級和首選沖突處理方法必須在傳輸 XML 的高層協議中給出。具體請參考 [IETF RFC 2376] 或其續標準，其中定義了 text/xml 和 application/xml MIME 類型並且提供了一些有用的指導。然而出互操作性考慮，建議使用下列規則。

• 如果 XML 實體是在一個文件中，用字節次序標記和編碼聲明 PI（如果有的話）來確定字符編碼。

G. W3C XML 工作組(非正式)

本規范由 W3C XML 工作組（WG）完成並批準發表。工作組批準本規范並不表示所有的工作組成員都一致同意本規范。現有和以前的 XML 工作組成員包括：

• Jon Bosak, Sun (Chair)
• James Clark (Technical Lead)
• Tim Bray, Textuality and Netscape (XML Co-editor)
• Jean Paoli, Microsoft (XML Co-editor)
• C. M. Sperberg-McQueen, U. of Ill. (XML Co-editor)
• Dan Connolly, W3C (W3C Liaison)
• Paula Angerstein, Texcel
• Steve DeRose, INSO
• Dave Hollander, HP
• Eliot Kimber, ISOGEN
• Eve Maler, ArborText
• Tom Magliery, NCSA
• Murray Maloney, SoftQuad, Grif SA, Muzmo and Veo Systems
• MURATA Makoto (FAMILY Given), Fuji Xerox Information Systems
• Joel Nava, Adobe
• Conleth O'Connell, Vignette
• Peter Sharpe, SoftQuad
• John Tigue, DataChannel

H W3C XML 核心工作組（非正式）

本規范的第二版由 W3C XML 核心工作組完成。在此版本發表時此工作組的成員包括：

• Paula Angerstein, Vignette
• Daniel Austin, Ask Jeeves
• Tim Boland
• Allen Brown, Microsoft
• Dan Connolly, W3C (Staff Contact)
• John Cowan, Reuters Limited
• John Evdemon, XMLSolutions Corporation
• Paul Grosso, Arbortext (Co-Chair)
• Arnaud Le Hors, IBM (Co-Chair)
• Eve Maler, Sun Microsystems (Second Edition Editor)
• Jonathan Marsh, Microsoft
• MURATA Makoto (FAMILY Given), IBM
• Mark Needleman, Data Research Associates
• David Orchard, Jamcracker
• Lew Shannon, NCR
• Richard Tobin, University of Edinburgh
• Daniel Veillard, W3C
• Dan Vint, Lexica
• Norman Walsh, Sun Microsystems
• Franis Yergeau, Alis Technologies (Errata List Editor)
• Kongyi Zhou, Oracle