XML Schema 字符串数据类型详解

1. 引言

XML Schema（XSD）是定义 XML 文档结构和数据类型的标准语言。在 XML Schema 中，字符串数据类型是最基础、最常用的类型之一。本文将从内置字符串类型、派生类型、约束限制以及实际应用等方面，详细介绍 XML Schema 中的字符串数据类型，并提供丰富的代码实例。

2. 内置字符串类型

XML Schema 提供了多种内置的字符串相关数据类型，它们都派生自xs:string。下表列出了常用的内置字符串类型：

3. 基础字符串类型详解

下面通过一个完整的 XSD 示例来演示xs:string、xs:normalizedString和xs:token的区别。

首先定义一个 XSD 文件：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <xs:element name="book"> <xs:complexType> <xs:sequence> <xs:element name="title" type="xs:string"/> <xs:element name="publisher" type="xs:normalizedString"/> <xs:element name="isbn" type="xs:token"/> </xs:sequence> </xs:complexType> </xs:element> </xs:schema>

对应的合法 XML 实例：

<?xml version="1.0" encoding="UTF-8"?> <book> <title>XML 入门与实践</title> <publisher> 清华大学出版社 </publisher> <isbn> 978-7-302-12345-6 </isbn> </book>

需要注意：xs:string会保留所有空白字符；xs:normalizedString会将换行符、制表符替换为空格，但保留连续空格；xs:token会进一步压缩连续空格并去除首尾空格。

4. 使用 facet 约束字符串

XML Schema 提供了多种约束（facet）来限制字符串的长度和取值。常用的约束包括length、minLength、maxLength、pattern和enumeration。

4.1 长度约束

下面的示例演示如何使用length、minLength和maxLength约束字符串长度：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <!-- 用户名：长度必须为 6 到 20 个字符 --> <xs:element name="username"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:minLength value="6"/> <xs:maxLength value="20"/> </xs:restriction> </xs:simpleType> </xs:element> <!-- 国家代码：长度必须恰好为 2 个字符 --> <xs:element name="countryCode"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:length value="2"/> </xs:restriction> </xs:simpleType> </xs:element> </xs:schema>

4.2 模式约束（pattern）

pattern使用正则表达式来约束字符串的格式。下面的示例演示如何验证邮箱、手机号和邮政编码：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <!-- 邮箱地址 --> <xs:element name="email"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:pattern value="[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}"/> </xs:restriction> </xs:simpleType> </xs:element> <!-- 中国大陆手机号 --> <xs:element name="phone"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:pattern value="1[3-9][0-9]{9}"/> </xs:restriction> </xs:simpleType> </xs:element> <!-- 邮政编码：6 位数字 --> <xs:element name="zipCode"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:pattern value="[0-9]{6}"/> </xs:restriction> </xs:simpleType> </xs:element> </xs:schema>

4.3 枚举约束（enumeration）

enumeration用于限定字符串只能取指定的几个值。下面的示例定义了一个表示性别的类型：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <xs:element name="gender"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:enumeration value="male"/> <xs:enumeration value="female"/> <xs:enumeration value="other"/> </xs:restriction> </xs:simpleType> </xs:element> </xs:schema>

5. 自定义字符串类型

在实际项目中，通常会将常用的字符串约束定义为全局简单类型，以便在多个元素中复用。下面的示例定义了一个通用的「非空字符串」类型和一个「URL 类型」：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <!-- 非空字符串：去除首尾空白后长度至少为 1 --> <xs:simpleType name="nonEmptyString"> <xs:restriction base="xs:string"> <xs:minLength value="1"/> <xs:whiteSpace value="collapse"/> </xs:restriction> </xs:simpleType> <!-- URL 类型 --> <xs:simpleType name="urlType"> <xs:restriction base="xs:string"> <xs:pattern value="https?://[a-zA-Z0-9.-]+(\.[a-zA-Z]{2,})+(/[a-zA-Z0-9._~:/?#\[\]@!$&'()*+,;=%-]*)*"/> </xs:restriction> </xs:simpleType> <xs:element name="user"> <xs:complexType> <xs:sequence> <xs:element name="name" type="nonEmptyString"/> <xs:element name="blog" type="urlType"/> </xs:sequence> </xs:complexType> </xs:element> </xs:schema>

6. 字符串类型在复杂类型中的应用

字符串类型不仅可以用于简单元素，还可以作为复杂类型中属性的类型。下面的示例演示了如何在复杂类型中使用字符串类型和属性：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <xs:element name="product"> <xs:complexType> <xs:sequence> <xs:element name="name" type="xs:string"/> <xs:element name="description" type="xs:string" minOccurs="0"/> </xs:sequence> <xs:attribute name="id" type="xs:ID" use="required"/> <xs:attribute name="category" type="xs:token"/> </xs:complexType> </xs:element> </xs:schema>

对应的 XML 实例：

<?xml version="1.0" encoding="UTF-8"?> <product id="p-001" category="electronics"> <name>无线鼠标</name> <description>2.4G 无线连接，静音按键</description> </product>

7. 空白处理（whiteSpace）

whiteSpacefacet 用于控制处理器对空白字符的处理方式，取值包括preserve、replace和collapse。下面的示例演示三种模式的区别：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <!-- preserve：原样保留空白 --> <xs:element name="preserveText"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:whiteSpace value="preserve"/> </xs:restriction> </xs:simpleType> </xs:element> <!-- replace：将制表符、换行符替换为空格 --> <xs:element name="replaceText"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:whiteSpace value="replace"/> </xs:restriction> </xs:simpleType> </xs:element> <!-- collapse：压缩连续空格并去除首尾空格 --> <xs:element name="collapseText"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:whiteSpace value="collapse"/> </xs:restriction> </xs:simpleType> </xs:element> </xs:schema>

8. 综合示例：用户注册信息

下面给出一个综合示例，将前面介绍的各种字符串约束组合起来，定义一个用户注册信息的 Schema：

<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <xs:element name="registration"> <xs:complexType> <xs:sequence> <xs:element name="username"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:pattern value="[a-zA-Z][a-zA-Z0-9_]{5,19}"/> </xs:restriction> </xs:simpleType> </xs:element> <xs:element name="password"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:minLength value="8"/> <xs:maxLength value="32"/> <xs:pattern value="(?=.*[A-Z])(?=.*[a-z])(?=.*[0-9]).*"/> </xs:restriction> </xs:simpleType> </xs:element> <xs:element name="email"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:pattern value="[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}"/> </xs:restriction> </xs:simpleType> </xs:element> <xs:element name="country"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:length value="2"/> </xs:restriction> </xs:simpleType> </xs:element> <xs:element name="bio" type="xs:string" minOccurs="0"/> </xs:sequence> </xs:complexType> </xs:element> </xs:schema>

对应的合法 XML 实例：

<?xml version="1.0" encoding="UTF-8"?> <registration> <username>zhang_san</username> <password>Abc12345</password> <email>zhangsan@example.com</email> <country>CN</country> <bio>专注于 XML 和 Web 技术。</bio> </registration>

9. 总结

XML Schema 的字符串数据类型体系非常丰富，从基础的xs:string到各种派生类型，再到通过 facet 实现的自定义约束，能够满足绝大多数文本数据的校验需求。在实际开发中，建议优先使用xs:token处理不需要保留空白的文本，使用pattern校验格式化的字符串（如邮箱、手机号），并使用enumeration限定取值范围。合理运用这些特性，可以显著提升 XML 数据的规范性和可靠性。