[冷枫]XML规范化

  文章的主要目的是说明如何规范化XML文档，为了更好地了解规范化的规则，我在翻译时省略了一些内容（XML数字签名；非对称密钥体系和信息摘要）。
让我们先来看看下面两份文件（文件1和文件2）
文件1
<?xml version="1.0"?>
<rooms>
<room type="single" charge="50" currency="USD"/>
<room type="double" charge="70" currency="USD"/>
<room type="suite" charge="100" currency="USD"/>
</rooms>
文件2
<?xml version="1.0"?>
<rooms>
<room type="single" currency="USD" charge="50"/>
<room type="double" currency="USD" charge="70"/>
<room type="suite" currency="USD" charge="100"/>
</rooms>
你肯定会说：这两份文件是一样的。对的，这两份文件表达的是相同的信息，采用了同样的文档结构，它们在逻辑上是一样的。你也许也已经注意到了它们之间的一些小差别：某些内容的顺序不一样（蓝色字体的内容）。
在这个例子里，两份文件的元素room的属性的顺序是不一样的，所以，它们相应的字节流也是不同的。当然，还有其他很多原因导致在逻辑上相同的XML文档的字符流不同。建立XML文档规范形式的目的是用来判定不同的XML文档在逻辑上是否相同。W3C制定了规范化规则，使用这些规则对两份逻辑上相同的文档进行规范化后，可以得到相同的文档。 当我们需要判断两份XML文档在逻辑上是否相同时，我们可以先将文档规范化，然后转化成字节流进行比较，如果字节流相同，那么我们可以断定这两份文档在逻辑上是相同的。
XML规范化规则定义了一套规则用来形成规范的XML文档。下面将以一份文件（文件3）为例，逐步说明如何规范化XML文档。

文件3

<?xml version="1.0"?>
<!DOCTYPE product [
<!ATTLIST part approved CDATA "yes">
<!ENTITY testhistory "Part has been tested according to the specified standards.">
]>

<product xmlns="http://www.myFictitiousCompany.com/product"
xmlns:sup="http://www.myFictitiousCompany.com/supplier"
name='rotating disc "Energymeter"'
id="P 184.435"
classification = "MeasuringInstruments/Electrical/Energy/">
<parts>
<part id="P 184.675"
name="bearing">
<sup:supplier id="S 1753"/>
<sup:supplier id="S 2341"/>
<sup:supplier id="S 3276"/>
<comments>&testhistory;</comments>
</part>
<part id="P 184.871"
name="magnet"
xmlns="http://www.myFictitiousCompany.com/product">
<sup:supplier id="S 3908"/>
<sup:supplier id="S 4589"/>
<sup:supplier id="S 1098"/>
<comments>&testhistory;</comments>
</part>
</parts>
</product>

1 编码方式
编码是指按照一定的方式用字节代替字符。很显然，使用了不同的编码方式的同样内容的文档，得到的字节流是不同的。
XML规范条款规定XML的规范形式使用UTF-8进行编码，如果需要规范化的XML文档使用其他的方式编码，首先要将它转化为UTF-8编码。

2 断行符
文本文件中断行符一般使用A或D(十六进制)或者两者的组合来表示。XML文档是普通的文档文件，所以它也使用#xA和#xD作为断行符。XML的规范形式要求所有的断行符都用#xA表示。

3 空白符

XML规范化要求将所有的空白符（比如tab和space）转化成space（#x20），文件4是转化后的文件。注：在文件3中（<sup:supplier id="S 1753"/>），S与1753之间存在一个制表符

文件4

<?xml version="1.0"?>
<!DOCTYPE product [
<!ATTLIST part approved CDATA "yes">
<!ENTITY testhistory "Part has been tested according to the specified standards.">
]>

<product xmlns="http://www.myFictitiousCompany.com/product"
xmlns:sup="http://www.myFictitiousCompany.com/supplier"
name='rotating disc "Energymeter"'
id="P 184.435"
classification = "MeasuringInstruments/Electrical/Energy/">
<parts>
<part id="P 184.675"
name="bearing">
<sup:supplier id="S 1753"/>
<sup:supplier id="S 2341"/>
<sup:supplier id="S 3276"/>
<comments>&testhistory;</comments>
</part>
<part id="P 184.871"
name="magnet"
xmlns="http://www.myFictitiousCompany.com/product">
<sup:supplier id="S 3908"/>
<sup:supplier id="S 4589"/>
<sup:supplier id="S 1098"/>
<comments>&testhistory;</comments>
</part>
</parts>
</product>

4 属性值中的双引号

XML文档的规范形式中，属性值必须使用双引号括起来。文件4中（红色部分），name的属性值用的是单引号，必须改成双引号。文件5是规范后的文件。

文件5

<?xml version="1.0"?>
<!DOCTYPE product [
<!ATTLIST part approved CDATA "yes">
<!ENTITY testhistory "Part has been tested according to the specified standards.">
]>

<product xmlns="http://www.myFictitiousCompany.com/product"
xmlns:sup="http://www.myFictitiousCompany.com/supplier"
name="rotating disc "Energymeter""
id="P 184.435"
classification = "MeasuringInstruments/Electrical/Energy/">
<parts>
<part id="P 184.675"
name="bearing">
<sup:supplier id="S 1753"/>
<sup:supplier id="S 2341"/>
<sup:supplier id="S 3276"/>
<comments>&testhistory;</comments>
</part>
<part id="P 184.871"
name="magnet"
xmlns="http://www.myFictitiousCompany.com/product">
<sup:supplier id="S 3908"/>
<sup:supplier id="S 4589"/>
<sup:supplier id="S 1098"/>
<comments>&testhistory;</comments>
</part>
</parts>
</product>

5 属性值中的特殊字符

文件5有一个问题（红色部分）：name 的属性值含有双引号。XML规范化规则规定，属性值中的特殊字符（比如双引号）必须使用相应的转义字符（比如用"代替双引号）代替。

文件6
<?xml version="1.0"?>
<!DOCTYPE product [
<!ATTLIST part approved CDATA "yes">
<!ENTITY testhistory "Part has been tested according to the specified standards.">
]>

<product xmlns="http://www.myFictitiousCompany.com/product"
xmlns:sup="http://www.myFictitiousCompany.com/supplier"
name="rotating disc "Energymeter""
id="P 184.435"
classification = "MeasuringInstruments/Electrical/Energy/">
<parts>
<part id="P 184.675"
name="bearing">
<sup:supplier id="S 1753"/>
<sup:supplier id="S 2341"/>
<sup:supplier id="S 3276"/>
<comments>&testhistory;</comments>
</part>
<part id="P 184.871"
name="magnet"
xmlns="http://www.myFictitiousCompany.com/product">
<sup:supplier id="S 3908"/>
<sup:supplier id="S 4589"/>
<sup:supplier id="S 1098"/>
<comments>&testhistory;</comments>
</part>
</parts>
</product>

6 实体引用
文件6包含了DTD声明，它定义了一个实体：testhistory（红色部分），这个实体被元素comments引用。规范化要求文档中不能存在实体引用，需要用其内容代替引用。文件7是规范化后的文档。
文件7
<?xml version="1.0"?>
<!DOCTYPE product [
<!ATTLIST part approved CDATA "yes">
<!ENTITY testhistory "Part has been tested according to the specified standards.">
]>

<product xmlns="http://www.myFictitiousCompany.com/product"
xmlns:sup="http://www.myFictitiousCompany.com/supplier"
name="rotating disc "e;Energymeter"e;"
id="P 184.435"
classification = "MeasuringInstruments/Electrical/Energy/">
<parts>
<part id="P 184.675"
name="bearing">
<sup:supplier id="S 1753"/>
<sup:supplier id="S 2341"/>
<sup:supplier id="S 3276"/>
<comments>Part has been tested according to the specified standards.</comments>
</part>
<part id="P 184.871"
name="magnet"
xmlns="http://www.myFictitiousCompany.com/product">
<sup:supplier id="S 3908"/>
<sup:supplier id="S 4589"/>
<sup:supplier id="S 1098"/>
<comments>Part has been tested according to the specified standards.</comments>
</part>
</parts>
</product>