XML1.0 中文文档(第二版)---7. 附录

附录

A. 参考文献
    A.1 正式参考文献
    A.2 其他参考文献
B. 字符的分类
C. XML 和 SGML（非正式）
D. 实体和字符引用的展开（非正式）
E. 确定型内容模型（非正式）
F. 字符编码的自动检测（非正式）
    F.1 无外部编码信息时的检测
    F.2 有外部编码信息时的优先级
G. W3C XML 工作组（非正式）
H. W3C XML 核心工作组（非正式）
I. 文档制作说明（非正式）

A. 参考文献

A.1 正式参考文献

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 其他参考文献

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.)

Br黦gemann-Klein

Br黦gemann-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.)

Br黦gemann-Klein and Wood

Br黦gemann-Klein, Anne, and Derick Wood. Deterministic Regular Languages. Universit鋞 Freiburg, Institut f黵 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. 字符的分类(Character Classes)

根据 Unicode 标准中定义的特征，字符被分为基字符（其中包含了拉丁字母），表意字符和组合字符（其中包含了大多数的变音符）。数字和扩展符(extender)也各自被分成类。

字符

在此定义的字符类可以从 Unicode 2.0 字符库中如下导出：

• 名字的起始字符必须属于 Ll，Lu，Lo，Lt，Nl 中的一类。
• 除了起始字符之外的命名字符必须属于 Mc，Me，Mn，Lm 或 Nd 中的一类。
• 兼容区（即代码大于 #xF900，小于 #xFFFE 的字符）中的字符不允许在 XML 名字中出现。
• 不允许出现具有字集或兼容分解（即，库中第 5 区有"compatibility formatting tag"的字符 -- "<"标志着 5 区的开始）的字符。
• 下列字符被当成名字起始字符，因为特性文件中将它们归于字母类： [#x02BB-#x02C1]，#x0559，#x06E5，#x06E6。
• 不允许出现字符 #x20DD-#x20E0（与 Unicode 2.0 的 5.14 节保持一致）。
• 字符 #x00B7 被分为扩展符，因为特性文件中对它是这么标识的。
• 字符 #x0387 被当成一个命名字符，因为 #x00B7 是它的等价规范形式。
• 字符':'和'_'可以作为名字起始字符。
• 字符'-'和'.'可以作为命名字符。

C. XML 和 SGML（非正式）

XML 被设计为 SGML 的一个子集，表现在每一个有效的 XML 文件也应该是一个合乎规范的 SGML 文件。对 XML 在 SGML 之外对文件所加的限制的详细讨论参见[Clark]。

D. 实体和字符引用的展开（非正式）

本附录中举例说明了在 "4.4  XML 处理器对实体和引用的处理"一节中规定的实体和字符引用的识别和展开的次序。

如果声明包含在 DTD 中

那么 XML 处理器将在对实体声明进行语法分析时识别出字符引用，并在将下面的字符串存为实体"example"的值前解析这些字符引用:

文件中对 "&example;" 的引用会导致对文本的重新分析，此时元素 "" 的起始和结束标签被识别，三个引用被识别和展开，其结果是一个包含下面内容（所有数据，无定界符或标记）"p" 元素：

一个更复杂的例子可以完整地说明这些规则和它们的作用。在下面的例子中，行号仅仅是为了方便说明。

这个例子会导致下列动作：

• 在第 4 行，对字符 37 的引用会被立即展开，参数实体 "xx" 以值 "%zz;" 存于符号表中。因为置换文本不被再次扫描，对参数实体 "zz" 的引用不会被识别。（而且如果它被识别的话则是一个错误，因为 "zz" 还没有被声明。）
• 在第 5 行，字符引用 "<" 被立即展开，而参数实体 "zz" 以置换文本 "<!ENTITY tricky "error-prone" >" 被存储，此置换文本是一个格式正确的实体声明。
• 在第 6 行，对 "xx" 的引用被识别，"xx" 的置换文本（即 "%zz;"）被分析。对 "zz" 的引用随后被识别，它的置换文本（"<!ENTITY tricky "error-prone" >"）被分析。此时普通实体 "tricky" 被声明，它的置换文本是 "error-prone"。
• 在第 8 行，对普通实体 "tricky" 的引用被识别，并被展开，因此 "test" 元素的全部内容为一个自说明的（也不合语法）字符串This sample shows a error-prone method.。

E. 确定型内容模型(非正式)

如 3.2.1 元素型内容中所述，元素类型声明中的内容模型要求是确定型的。这个要求是出于和 SGML 的兼容性考虑（SGML 称为"无歧义的"）；用 SGML 系统生成的 XML 处理器可能会把非确定型内容模型标为错误。

例如，内容模型((b, c) | (b, d))是非确定型的，因为给定一个初始 b，XML 处理器没有在向前看以知道 b 后是什么元素之前，无法知道匹配模型中的哪个 b。在这种情况下，两个对 b 的引用可以简化成单个的引用，使得模型成为(b,(c | d))。此时初始的 b 只和内容模型中的一个名字明确匹配。处理器不需要向前看其后的内容。c 或 d 都能被接受。

更形式化的说法：使用 Aho，Sethi 和 Ullman 所著 [Aho/Ullman] 3.9 节中的标准算法 3.5，可以从内容模型构造出一个有限状态自动机。在很多这样的算法中，对应正则表达式中的每一个位置(即正则表达式的语法树中的每个叶子节点)，都构造一个随集（follow set）；如果任一位置的随集中不止一个后继位置被标为同一元素类型时，那么此内容模型出错，并且可以被报为错误。

存在将许多但不是所有非确定型内容模型自动规约为等价的确定型模型的算法；参见 Br黦gemann-Klein 1991 [Br黦gemann-Klein].

F. 字符编码的自动检测(非正式)

XML 编码声明在实体中以内部标签的方式工作，用于指出使用了何种字符编码。然而，在 XML 处理器能读取这个内部标签前，显然它必须知道当前使用的是何种字符编码－而这正是此内部标签要试图指出的。通常情况下，这是一种无法解决的情况。但在 XML 中并非如此，因为 XML 在两个方面对这种情形作出了限制：假定每一种实现只支持一个有限的字符编码集，并且，为了使得正常情况下自动检测每个实体中所用字符编码成为可能，限制了 XML 编码声明的位置和内容。同时，很多情况下除了 XML 数据流本身之外，另外还有可用的信息源。根据 XML 实体交给处理器时没有或有任何的附带(外部)信息，可以区分出两种情况。我们先考虑第一种情况。

F.1 无外部编码信息时的检测

因为每一个没有外部编码信息且非 UTF-8 或 UTF-16 编码的 XML 实体必须以 XML 编码声明开头，其开始的几个字符必须为 '<?xml'，任何合乎规范的处理器可以在两到四个八位组的输入后，检测出适用于下列何种情况。在读这张表时，知道这些是有帮助的：在 UCS-4 中，'<' 是 "#x0000003C"，'?' 是 "#x0000003F"，UTF-16 数据流的字节次序标记要求为 "#xFEFF"。记法 ## 用于表示任意的字节值，但两个连续的 ## 不能同时为 00。

有字节次序标记：

无字节次序标记：

这种层次的自动检测足以用于读取 XML 编码声明和分析字符编码标识符。字符编码标识符仍然是必须的，它用于区分编码方案集中的单个成员（例如从 8859 中区分出 UTF-8，8859 各个部分间的相互区分，以及区分所用的特定 EBCDIC 代码页，等等)。

因为编码声明的内容限于 ASCII 字符集中的字符（不管怎样编码），一旦处理器检测到使用的是哪一个编码方案集，它能够可靠地读取整个编码声明。因为在实际中，所有广泛使用的字符编码都可以归于上述种类中，XML 编码声明保证了可靠的内嵌（in-band）字符编码标注，即使是在操作系统或传输协议级的外部信息源并不可靠的情况下。象 UTF-7 那样重用了 ASCII 编码值的字符编码方案有可能无法可靠地被检测。

一旦处理器检测到所用的字符编码，它就可以作出合适的动作，或是针对每种情况调用单独的输入例程，或是对每个输入的字符调用版本合适的转换函数。

和任何自标注（self-labeling）的系统一样，一旦任何软件改变了实体的字符集或其编码而没有相应修改编码声明的话，XML的编码声明将无法工作。字符编码方案的实现者必须小心仔细，以保证用于标注实体的内部和外部信息的正确性。

F.2 外部编码信息的优先级

第二种可能的情况是 XML 实体有附带的信息，如在一些文件系统和网络协议中。当具有多个信息源时，它们间的相对优先级和首选冲突处理方法必须在传输 XML 的高层协议中给出。具体请参考 [IETF RFC 2376] 或其后续标准，其中定义了 text/xml 和 application/xml MIME 类型并且提供了一些有用的指导。然而出于互操作性考虑，建议使用下列规则。

• 如果 XML 实体是在一个文件中，用字节次序标记和编码声明 PI（如果有的话）来确定字符编码。

G. W3C XML 工作组(非正式)

本规范由 W3C XML 工作组（WG）完成并批准发表。工作组批准本规范并不表示所有的工作组成员都一致同意本规范。现有和以前的 XML 工作组成员包括：

• 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 核心工作组（非正式）

本规范的第二版由 W3C XML 核心工作组完成。在此版本发表时此工作组的成员包括：

• 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
• Fran鏾is Yergeau, Alis Technologies (Errata List Editor)
• Kongyi Zhou, Oracle