Tweet

今回の主な内容 XMLを限界まで使いこなす 外部サブセットの条件 外部サブセットのEBNF 外部サブセットと内部サブセットの違い 文書型宣言の2つの例 DTD使いこなしのテクニック Standalone Document Declaration（非依存文書宣言） 非依存文書宣言のEBNF ネットワーク配信には非依存文書を 非依存文書の例

　前々回、前回と続けて、XML 1.0勧告の中の「2 Documents」（2 文書）の中の「2.8 Prolog and Document Type Declaration」（2.8 前書き及び文書型宣言）を解説してきたが、まだ解説していない部分が残っている。今回もその続きである。

　「2 Documents」は、XML文書の基本的な構造について述べている部分である。その中で、「2.8 Prolog and Document Type Declaration」（前書き及び文書型宣言）は、XML宣言や文書型宣言を扱っている部分である。

　今回は2.8 Prolog and Document Type Declarationの中でExternal Subset（外部サブセット）について解説する。第9回「XML宣言と文書型宣言」で述べたとおり、外部サブセットとは文書型宣言の外部の部分集合である。

　今回はそれに続いて、「2.9 Standalone Document Declaration」（2.9 非依存文書宣言）を説明する。これは、XMLを学ぶ者ならだれでも最初に知ることになるXML宣言の中に記述するものだが、実は相当XMLについて勉強してからでないと、正しい意味を理解できない難物である。実際、間違った解説を見掛ける場合もあるし、筆者も過去に間違えた経験がある。XMLを限界まで使いこなすために、しっかりと理解しておこう。

■外部サブセットの条件

　前々回、前回の続きである、2.8 Prolog and Document Type Declaration（前書き及び文書型宣言）についての解説を続けよう。前回は、パラメタ実体についての話で終わったが、ここからは文書型宣言の外部の部分集合である外部サブセットについての話である。

　「内部サブセットのときと同様に、外部サブセットと、DeclSepにおいて参照する任意の外部パラメタ実体とは、非終端記号markupdeclによって許される型の完全なマーク付け宣言をいくつか並べたものでなければならない。マーク付け宣言の間には、空白またはパラメタ実体参照を置いてもよい。」

　この文章のポイントは、DeclSepとmarkupdeclの指し示す意味である。これらは前回解説したが、もう一度詳しく見てみよう。

　DeclSepは、パラメタ実体参照（PEReference）または空白(S)を示す（前回参照）。これはおおむね、（空白を無視すれば）文書型宣言からパラメタ実体参照を行うものだと思えば間違いないだろう。つまり、「DeclSepにおいて参照する任意の外部パラメタ実体」という言葉は、間接的に「文書型宣言から行う外部パラメタ実体参照」という意味に相当する。

　一方のmarkupdeclはマーク付け宣言（前回参照）であり、それは要素型宣言や、属性リスト宣言などの総称である。つまり、「非終端記号markupdeclによって許される型の完全なマーク付け宣言」とは、「要素型宣言や、属性リスト宣言などが完全な形で含まれている宣言」という意味に相当する。

　これらを総合すれば、文章の意味が見えてくるだろう。それは、文書型宣言から行う外部パラメタ実体参照は、要素型宣言や、属性リスト宣言などが完全な形で含まれている宣言をいくつか並べたものでなければならない、というわけである。この規定はおそらく、整形式のXMLプロセッサを開発する際に意味があるのだろう。もし、内部サブセットしか処理しないXMLプロセッサを開発する際、外部サブセットを無視して処理を続けても構文解析が失敗しない保証になる。

■外部サブセットのEBNF

　次は外部サブセットに関するEBNFの定義である（EBNFの詳細については、第2回「XML勧告読解に必須のEBNF」を参照）。

　まず、[30]のextSubsetである。これは、まさにExternal Subsetつまり外部実体の定義を示すものである。例えばファイルに保存する場合は、そのファイルそのものが、このextSubsetという文法に沿って最初から最後まで記述されている必要がある。逆にいえば、外部サブセットはXML文書の本体の一部とはならないわけである。XML文書本体の一部となるサブセットは内部サブセットである。

　extSubsetの内容は簡単である。まず、TextDeclがあり、次にextSubsetDeclがあるというだけのシンプルなものである。そして、TextDeclには後ろに“?”が付いているため、省略可能であることが分かる。

　では、TextDeclとextSubsetDeclとはいったい何だろうか？ TextDeclの方は、Text Declaration(テキスト宣言)と呼ばれるもので、「4.3.1 The Text Declaration」（4.3.1 テキスト宣言）にて定義されているものである。これは、XML宣言と似た構文のもので、それが外部解析対象実体であることを示す印である。付けることがお約束であるもの、と思っても問題ないので、そういうものが付くのだということで話を先に進めよう。

　もう1つのextSubsetDeclは、その次に書かれた[31]の定義そのものである。

　[31]のextSubsetDeclは、外部サブセットの本体の内容そのものを定義している。その内容はというと、markupdeclまたはconditionalSectまたはDeclSepを0回以上繰り返したもの、となっている。いずれもすでに出てきたものである。markupdeclはマーク付け宣言である。conditionalSectは条件付きセクション、DeclSepはパラメタ実体参照（PEReference）または空白（S）を意味する。余談だが、markupdeclを要素型宣言や属性リスト宣言のようなものと思っていると、「外部サブセットにコメントは書けないのか？」と思ってしまうかもしれないが、コメントはmarkupdeclに含まれているので、このEBNF定義に沿って記述する場合には、コメントも書けることになる。

■外部サブセットと内部サブセットの違い

　次は、EBNFに続く解説文である。

　ここでは「外部サブセットおよび外部パラメタ実体の中では、パラメタ実体参照がマーク付け宣言の間だけでなくマーク付け宣言の中でも認められる（編注：斜体は英文に対応）」としている。さらにこの点でも、「外部サブセットおよび外部パラメタ実体は内部サブセットと異なる」としている。これはどういうことだろうか。内部サブセットと外部サブセットでは、マーク付け宣言の中でパラメタ実体参照が認められる、認められない、という違いがあると説明しているが、それはどういうインパクトがあるのだろうか？

　例えば、以下はMathML2.0のDTDから、適当に引用してきたものである。

<!ATTLIST %mrow.qname;
      %MATHML.Common.attrib;
>

　これは1つの属性リスト宣言だが、2つのパラメタ実体参照を含んでいる。%mrow.qname;は、属性が付く要素名をパラメタ実体参照で定義していることを示している。なぜ、要素名を直接書かないのかというと、要素名が変更の対象になる可能性があるためだ。要素名をパラメタ実体参照で記述しておけば、パラメタ実体の宣言を1個所修正するだけで、要素型宣言とパラメタ実体宣言の両方が正しく同時に変更されることになる。また、DTDをカスタマイズして使う、という高等技を使う場合にも、パラメタ実体経由で定義してあると便利である。

　次に、%MATHML.Common.attrib;と記述されたパラメタ実体参照は、属性リストそのものをパラメタ実体経由で参照していることを意味する。この定義は名前から推測できるように、MathMLの多くの要素で共通（Common）に使われる属性の定義をパラメタ実体で参照しているものである。このような共通の定義は、何回も繰り返し書くことに意味はなく、逆に変更があったときにすべて適切に書き直すのは骨が折れ、間違いも入り込みやすくなる。これを回避するには、この例のように、パラメタ実体を使うと便利なのである。

　このようなテクニックが使えるのは外部サブセット内での話である。内部サブセットでは、マーク付け宣言の中でパラメタ実体参照を認めない。つまり、外部サブセットに記述された宣言をXML文書の内部にコピーして使えない可能性がある。

■文書型宣言の2つの例

　さて、次は文書型宣言の例である。

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

　水色の地の部分が例で、その説明として「システム識別子“hello.dtd”が文書のDTDのアドレス（統一資源識別子（URI）参照）である」とある。要するに、この文書の文書型宣言が示すDTDは、hello.dtdというURIで示される、ということをいっているわけである。

　次に、もう1つ例が掲載されている。

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

　「次の例のとおり、宣言を局所的に与えることもできる」と説明されている。局所的（locally）とは、文書の内部という意味である。

■DTD使いこなしのテクニック

　次の段落はちょっと違う話題になる。さりげなく書かれているが、DTDの使いこなしのうえで重要な意味を持つ。

　まず、「外部サブセットおよび内部サブセットの両方を使用するときは、内部サブセットが外部サブセットより先に出現したと見なす」とある。続いて、「これは内部サブセットの実体および属性リスト宣言が、外部サブセットの実体および属性リスト宣言に優先するという効果をもたらす」という。これはどういうことだろうか。

　外部サブセットと内部サブセットは同時に使える。このとき、外部サブセットと内部サブセットの両方に同じ対象に対する宣言が含まれていてもよく、しかもそれは異なる内容でも構わない。そして、重複した場合は、内部サブセットの宣言が優先するというのである。

　もしかしたら今回の記事で、最も重要なトピックがこれかもしれない。これは、DTDを使いこなすうえで重要な意味を持っている。標準的なDTDが配布されているときに、それを少しだけカスタマイズして使いたい場合がある。そのような場合には、そのDTDを外部サブセットとして参照し、変更したい定義を内部サブセットとして書いておけば実現できることになる。

　このような使い方を前提にして、多くの定義をパラメタ実体参照にしているDTDも珍しくない。そういう事例を体験するために、パラメタ実体参照を大量に使っているベテランの作成したDTDをじっくり読んでみるのもよい経験になると思う。もっとも、パラメタ実体こそ問題を引き起こす諸悪の根元であるという批判も存在する。強力だが危険、という一面があるのも事実だろう。

■Standalone Document Declaration（非依存文書宣言）

　それでは、非依存文書宣言についての文章を読み始めよう。

　最初は一般的な話題から入っている。「XMLプロセサは、応用プログラムに文書の内容を渡すが、マーク付け宣言はこの内容に影響を与えることがある」とある。その一例が「属性のデフォルト値および実体宣言は影響を与える」だ。例えばDTDで、要素eに付く属性aのデフォルト値がdであると記述されているとする。そこで、このDTDを用いて<e />と記述したXML文書を処理すると、応用プログラムは属性aの値はdであるという情報を受け取る。XML文書には属性aに関する情報は何も記述されていないが、応用プログラムは書かれていない属性に関する情報を受け取るわけである。

　これは、貴族とボヘミアンの対立におけるPSVI（post-schema-validation infosets）とも関係する話題である。XML文書に書かれていない内容が応用プログラムに渡ることは好ましくないという意見もあるが、ここでは本筋から外れるので説明を割愛する。ここに現在のDTDやスキーマに対する論点の1つがあると頭の片隅に置いてもらえればいい（貴族とボヘミアンの対立については、「XMLにおける「ボヘミアンと貴族の階級闘争」を参照）。

　続いて、「非依存文書宣言はXML宣言の一部分として出現することができ、影響を与えるマーク付け宣言が文書実体の外部またはパラメタ実体の中に出現するかどうかを示す」としている。この文章は、非依存文書宣言の出現場所と役割について記述している。

　非依存文書宣言がXML宣言の一部分として出現することができる（may）ということは、詳しく説明する必要もないだろう。問題になるのは役割の方である。これは、「影響を与えるマーク付け宣言」が、「外部またはパラメタ実体の中に出現するかどうか」を示すとしている。「影響を与えるマーク付け宣言」というのは、XML文書に書かれていない内容が応用プログラムに渡ることに関係するマーク付け宣言という意味である。例えば、前述した属性のデフォルト値を記述した属性リスト宣言などがこれに当たる。そして、「外部またはパラメタ実体の中に出現するかどうか」というのは、XMLプロセッサが解析しないで読み飛ばす可能性のある部分を示している。

　つまり、非依存文書宣言は、すべてを処理するXMLプロセッサと、一部を読み飛ばすXMLプロセッサを使用した場合に、応用プログラムが同じ結果を受け取るかどうかを示す宣言であるといえる。もし、非依存文書宣言によって、外部サブセットやパラメタ実体によって応用プログラムが受け取る情報に変化がない、と示すことができれば、それらの処理を省略して高速化することができる。

　次は、external markup declaration（外部マーク付け宣言）という言葉の定義である。「外部マーク付け宣言は外部サブセットまたはパラメタ実体の中に出現するマーク付け宣言として定義される」としている。これは、説明のために定義された言葉であって、何か新しい宣言が増えたわけではない。要は、マーク付け宣言のことであるが、出現場所がこの文章で書かれた範囲内のものを、外部マーク付け宣言と呼ぶ、ということである。

　そのあと、括弧でくくって、以下の補足説明が続く。「パラメタ実体は、外部も内部も含むとしている。妥当性を検証しないプロセサが内部パラメタ実体を読むことを義務付けないために，内部パラメタ実体も含める」としている。ここに書かれているとおり、妥当性を検証しないプロセッサは内部パラメタ実体を読み飛ばす可能性があるので、すべての宣言が内部にある場合でも、非依存文書であると宣言できない場合があり得る、ということである。つまり、外部の情報を参照しているかどうか、ということと、非依存文書であるかどうか、という条件には直接的に関連性がない。外部の情報を参照していても非依存文書である場合があるし、外部の情報を参照していない文書が非依存文書ではない場合もある。このあたりが、非依存文書宣言を分かりにくくしている理由だろうか。

■非依存文書宣言のEBNF

　次は非依存文書宣言のEBNFである。

　すでに多くのEBNFを読んできた読者には難しいことは何もないだろう。standalone='yes'やstandalone="no"といった内容を記述することができる。指定する値はyesかnoだけである。後で例が出てくるが、<?xml version="1.0" standalone='yes'?>というように、XML宣言に含める。

　次はより詳しい説明が続く。

　「非依存文書宣言では,、値“yes”はXMLプロセサから応用プログラムへと渡される情報に影響する外部マーク付け宣言が存在しないことを意味する」としている。“yes”が非依存文書であるということを示す。「値“no”は、影響する外部マーク付け宣言が存在するか、または存在する可能性があることを意味する」としている。

　ここで、「存在するか、または存在する可能性がある」という表現に注意していただきたい。値“no”は「存在する」という断言ではない。非依存文書宣言は、処理を最適化できるかどうか判断するために使われるものであって、最適化できるかどうか分からないあいまいな状態は“yes”と断言できないので、“no”となるのだ。

　次に、注意書きがある。「非依存文書宣言は、外部宣言が存在するかどうかだけを示すことに注意すること。外部実体への参照が文書内に存在していても、その実体が内部で宣言されているときは文書の非依存の値には影響を与えない」としている。つまり、外部実体の参照の有無は、非依存文書宣言には影響を与えないということである。影響を与えるのは、外部宣言である。宣言が外部にあるかどうかは非依存文書宣言に影響を与えるが、宣言が指し示す対象が外部にあっても、それは影響を与えないということである。つまり、非依存文書宣言が“yes”であれば、一切の文書外のリソース抜きで処理可能、というわけではないのである。

■ネットワーク配信には非依存文書を

　さらに非依存文書の説明が続く。

　ここでは、「外部マーク付け宣言が存在しなければ非依存文書宣言は意味をもたない」としている。これは当然のことといえる。続けて、「外部マーク付け宣言は存在するが非依存文書宣言が存在しない場合は、“no”の値が設定されているものとする」とある。すでに述べたとおり、非依存文書であるかどうか分からない場合は“no”であるとすれば、外部にマーク付け宣言が存在する場合のデフォルト値が“no”であることは当然の結果といえる。

　ここでは、「XML文書で standalone="no" が設定されているものは、あるアルゴリズムでstandalone="yes"の文書に変換できる」とある。要するに、外部マーク付け宣言を内部に取り込んでしまえばよいのである。パラメタ実体参照は参照される内容に置き換えてしまえばよい。属性のデフォルト値は、直接要素の属性として書き込むこともできるだろう。そういう操作によって、非依存ではない文書は、非依存文書に変換できる。

　それに続けて「変換後の文書の方がネットワークによる配信には望ましい」としている。ネットワークで送る場合に参照される外部の宣言が必ずアクセス可能とは限らないし、可能であってもムダなトラフィックを増やすだけである。その点で、変換後の文書を送る方が望ましいのは、当然予想されることであろう。

■非依存文書の例

　次は、EBNFの[32]に付けられた「妥当性制約：非依存文書宣言」についての説明である。

　まず、「非依存文書宣言は、何らかの外部マーク付け宣言が次のいずれかを宣言しているときは、値“no”を取らなければならない」とある。これは、値が“no”でなければならない条件を厳密に定めたものだ。いうまでもなく、これらの条件を満たしていない場合でも非依存文書であるか明示されない場合は“no”として処理することになる。

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

連載　やさしく読む「XML 1.0勧告」

＠ITメールマガジン　新着情報やスタッフのコラムがメールで届きます（無料）