2. Well-Formed XML の仕組み

2.1.1. 妥当

妥当な XML 文書とは、整形式 XML 文書のうち特に型妥当であり完全宣言済みであるものを言います。

型妥当であるとは、文書インスタンスが文書型宣言の定義 ― 例えば要素の内容モデルや属性の宣言値 ― に完全に適合しているということです。詳しくは後述しますが、この文書型宣言の定義というのは暗黙のデフォルト宣言を含みます。

また完全宣言済みであるとは、文書インスタンスに現れる全ての要素や属性が DTD で明示的に宣言されていることを言います。これは、記述された要素や属性が宣言されてさえいればよく、内容モデルや宣言値に則った記述が行われているかどうかは関係しません。

2.1.2. 整形式

そして整形式 XML 文書とは、文書インスタンスが完全タグ付きであり、かつ完結記憶である適合 SGML 文書を言います。

完全タグ付きとは、全ての要素に終了タグと空でない開始タグが記述されており、全ての属性指定に属性名が記述されていることを言います。これは DATATAG NO 、RANK NO 、OMITTAG NO 、SHORTTAG STARTTAG EMPTY NO 、SHORTTAG ATTRIB OMITNAME NO 、EMPTYNRM YES を満たすということと等価です。

また完結記憶であるとは、全ての要素(及びマーク区間)がそれの開始したのと同じ実体の中で終了することを言います。例えば、次の文書は完結記憶ではありません。

例1

<!DOCTYPE doc [
<!ELEMENT doc (para)+ >
<!ELEMENT para (#PCDATA) >
<!ENTITY STAG-para "&#60;para&#62;" >
<!ENTITY ETAG-para "&#60;/para&#62;" >
]>
<doc>
  &STAG-para;…文章…&ETAG-para;
</doc>

この例では、para 要素は実体 "STAG-para" で始まり、実体 "ETAG-para" で終了してしまっているわけです。旧来の SGML ではこのような構文が許されていますが、XML には整形式でなければならない(完結記憶でなければならない)という制約がありますから、上のような記述は不可ということになります。

整形式という概念を学ぶ上で最も注意が必要なのは、整形式 XML は型妥当でなくとも良いという点です。これは言い方を換えれば「型妥当でない文書も正しい XML 文書と見なされる」ということを意味します。

ここで、改めて整形式 XML というものを三種類に大別してみます。

1. 型妥当であり、かつ完全宣言済みであるもの
2. 型妥当であるが完全宣言済みではないもの
3. 型妥当でないもの

型妥当かつ完全宣言済みである XML 文書とは取りも直さず妥当な XML 文書のことですが、妥当でない整形式 XML についても型妥当であるか否かの区別があることは覚えておいて下さい。

2.2.1. OTHER VALIDITY 項目

OTHER VALIDITY 項目は、文書インスタンスの妥当性についての表明を行うか否かを NOASSERT/TYPE で設定します。

表明とは、換言すれば「この文書のインスタンスは型妥当である」といった「宣言」のことです。妥当性の検証というのは、このあらかじめなされる「表明」に応じて行われます。SGML 宣言において「文書インスタンスは型妥当になっている」という表明がなされていれば、パーザは型妥当でない部分があった場合に「SGML 宣言での表明に反する箇所がある」というエラーを報告することができるわけです。

逆に言うと「この文章の型妥当性は保証しない」という表明がなされている場合、パーザは型妥当になっていない箇所を発見しても「表明通り」と見なしますから、エラーにはなりません。VALIDITY TYPE は「文書インスタンスは型妥当である」ということを表明します。一方、VALIDITY NOASSERT は「特に表明は行わない (= 型妥当性について保証しない)」ということを意味します。

XML パーザは 妥当性についての検証を行わなくともよい ことになっていますから、単なる整形式 XML として解析を行う場合は VALIDITY NOASSERT が宣言されます。ただし、妥当性検証を行う場合には VALIDITY TYPE が宣言されることになるわけです。

なお、1997年12月04日付けの Approved text (ISO/IEC JTC1/WG4 N1955) の段階では OTHER VALIDITY TAG (文書インスタンスは完全タグ付き) / OTHER VALIDITY TYPE-TAG (文書インスタンスは完全タグ付きかつ型妥当)といった宣言値も考えられていましたが、1998年05月15日付けの Approved Text (同N1981) 以降は NOASSERT/TYPE のみということになりました。

1997年12月15日に W3C が NOTE として公開した Comparison of SGML and XML は、N1955 に則ったものです。このため、整形式 XML の SGML 宣言として OTHER VALIDITY TAG を宣言していますが、この宣言は最終的な規格には適合しません。またこの段階では XML 1.0 (1998年2月10日) も勧告されておらず、勧告候補(1997年12月08日)の段階でした (N1955 の執筆時点では1997年11月17日の草案段階?)。このため、Comparison of SGML and XML の記述には若干 XML 勧告との食い違いもあることに注意して下さい。

2.2.2. OTHER ENTITIES 項目

OTHER ENTITIES 項目は、一般実体参照に関する妥当性について表明します。表明を行わない場合は ENTITIES NOASSERT を宣言し、何らかの表明を行う場合には次のような宣言を記述します。以下に XML の SGML 宣言の例を挙げておきます。

ENTITIES
    REF ANY
    INTEGRAL YES

REF ANY は文書が制約のない実体参照を持つという表明です。外部参照を持たないことを表明するには REF INTERNAL を、参照を持たないことを表明するには REF NONE を、それぞれ宣言します。

INTEGRAL YES は文書インスタンスが完結記憶であるという表明です。XML は整形式(=完結記憶)ですから INTEGRAL YES であり、前述の通り例1のような記述は行えません。完結記憶でないことを表明するには INTEGRAL NO を宣言します。

2.4.1. ELEMENT パラメタ

ELEMENT パラメタは、要素型を暗黙に宣言することの可否について YES/NO/ANYOTHER で宣言します。ここで ELEMENT YES は、DTD 中で明示的に宣言されなかった要素型が - O ANY と暗黙に宣言されることを意味します。

妥当性を検証しない場合、XML の SGML 宣言は ELEMENT YES であり、宣言されていない要素型は暗黙に宣言されたものと見なして処理を行います。

<?xml version="1.0" ?>
<!DOCTYPE doc []>
<doc>
 <title>題名</title>
 <para>…段落…</para>
</doc>

例えば上の整形式 XML 文書は、次の文書型宣言がなされたものと見なされます(SGML では OMITTAG NO であってもタグ省略最小化を記述できます)。

<!DOCTYPE doc [
<!ELEMENT doc    - O  ANY >
<!ELEMENT title  - O  ANY >
<!ELEMENT para   - O  ANY >
]>

ELEMENT ANYOTHER も同様に、宣言されなかった要素型が - O ANY と宣言されることを意味します。ただし、この場合には当該要素型が直接再帰要素(*1)となることは禁止されます。

ELEMENT NO の場合には、旧来通り明示的に宣言されていない要素の出現はエラーとなります。これは、文書インスタンスが完全宣言済みであるということの必要条件です。妥当であるとは型妥当かつ完全宣言済みであるということですから、妥当性を検証する場合には ELEMENT NO を宣言するということになります。

ちなみに、型妥当であるとは文書インスタンスが文書型宣言の記述に完全に適合しているということです と述べましたが、実はこれは「文書型宣言の記述に全く反していない」と表現する方が正確です。

型妥当性の制約では、宣言が暗黙のものであるか否かは問われません。暗黙の宣言に対して型妥当でないような記述は有り得ませんから、型妥当か否かが分かれるのは明示的に宣言された箇所に限られることになります。上に例示した整形式 XML 文書も、これで型妥当になっているのです。

なお、IMPLYDEF 項目が省略された場合には全てのパラメタに NO が指定されたものと見なされ、旧来通り暗黙の宣言は行われません。

2.4.2. ATTLIST パラメタ

ATTLIST パラメタは、ELEMENT パラメタと同様に、宣言されなかった属性を暗黙的に宣言することについて YES/NO で設定します。

ATTLIST YES の場合、明示的に宣言されなかった属性は CDATA #IMPLIED と宣言されます。ATTLIST NO の場合は、このような宣言は行われません。ELEMENT パラメタと同様、妥当性を検証しないパーザは ATTLIST YES 、妥当性を検証する場合は(完全宣言済みであるという表明として) ATTLIST NO です。

<?xml version="1.0" ?>
<!DOCTYPE html []>
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="ja">
 <head>
  <title>題名</title>
 </head>
 <body>
  <p>…段落…<p>
 </body>
</html>

ELEMENT パラメタと併せ、上の整形式 XML 文書では次の文書型宣言がなされたものと見なされます。

<!DOCTYPE html [
<!ELEMENT html   - O  ANY >
<!ATTLIST html
      xmlns     CDATA  #IMPLIED
      xml:lang  CDATA  #IMPLIED
 >
<!ELEMENT head   - O  ANY >
<!ELEMENT title  - O  ANY >
<!ELEMENT body   - O  ANY >
<!ELEMENT p      - O  ANY >
]>

2.4.3.DOCTYPE パラメタ

DOCTYPE パラメタは、暗黙の文書型宣言が外部サブセットに宣言を持つことの可否について、YES/NO で設定します。詳しくは後述の省略された前書きを参照して下さい。

2.4.4.ENTITY パラメタ

ENTITY パラメタは、宣言されなかった一般実体を暗黙に宣言することの可否について YES/NO で設定します。ENTITY YES の場合、宣言されなかった一般実体は SYSTEM と宣言されます。

XML では、Validity constraint: Entity Declared とある通り、妥当な XML 文書では ENTITY NO が宣言されていることになります。一方、Well-formedness constraint: Entity Declared には、次のような注記があります。

Note that if entities are declared in the external subset or in external parameter entities, a non-validating processor is not obligated to read and process their declarations; for such documents, the rule that an entity must be declared is a well-formedness constraint only if standalone='yes'.

これは、「外部宣言集合を持つ文書(あるいは任意の文書?)では、standalone="yes" が宣言されていない限り、あらゆる一般実体参照が前述の整形式制約を満たす」ということを意味するものと思われます(そう解釈せざるを得ない)。すなわち、次のような文書は整形式になります。

<?xml version="1.0" encoding="UTF-8" standalone="no" ?>
<!DOCTYPE html
     PUBLIC "-//W3C//DTD XHTML 1.1//EN"
            "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd" >
<html> ... &hoge; ... </html>

勿論 XHTML 1.1 では hoge という実体は宣言されていないわけですが、non-validating processor からすれば「もしかすると自分の読んでいない外部 DTD で宣言されているのかも知れない」ということになりますから、整形式と見なさざるを得ないわけです。

SGML 的には、実体は必ず宣言されていなければなりませんから、この場合、non-validating processor が hoge という実体を暗黙に宣言したものと解釈することになります。結局、XML では、ENTITY パラメタは次のように宣言されているものと考えられます。

	standalone="yes"	standalone="no" (外部宣言集合なし)	standalone="no" (外部宣言集合あり)
validating processor	ENTITY NO	ENTITY NO	ENTITY NO
non-validating processor	ENTITY NO	ENTITY NO (ENTITY YES?)	ENTITY YES

ただし、SGML Annex L.2 SGML Declaration for XML では、non-validating processor に対する SGML 宣言として ENTITY NO を宣言しています。単に、外部宣言集合を持つような文書を non-validating processor で扱うことを考慮していなかっただけかも知れませんが、詳細は不明です。ちなみに Comparison of SGML and XML や N1955 では ENTITY YES が宣言されています。

2.4.5. NOTATION パラメタ

同様に、NOTATION パラメタは宣言されなかった記法を暗黙的に宣言することについて YES/NO で設定します。NOTATION YES の場合、宣言されなかった記法は SYSTEM と宣言されます。

XML では、Notation Declared は妥当性制約として記述されているのみで、整形式制約にはなっていません。従って、validating processor では NOTATION NO ですが、non-validating processor では NOTATION YES です。

2.5.1. 暗黙の文書型名

XML には直接関係ありませんが、Web SGML では文書型宣言に記述する文書型名 ― すなわち文書要素名 ― を暗黙に示すことができるようになりました。例えば、次のような記述を行えます。

<!DOCTYPE #IMPLIED
     PUBLIC "-//W3C//DTD HTML 4.01//EN" >

IMPLIED は暗黙の文書型名を示す予約名です。上のような記述を行った場合、暗黙に宣言された要素型を含め、任意の要素型を文書要素として記述できます。上の例では、html 要素の代わりに body 要素や p 要素を文書要素としても構わないわけです。つまり次の例は妥当になっています。

<!DOCTYPE #IMPLIED
     PUBLIC "-//W3C//DTD HTML 4.01//EN" >
<p>sample</p>

なお IMPLIED キーワードを用いた場合、文書要素の開始タグを省略したり、空の開始タグとして記述したりすることはできません。従って、結果的には一番最初に出現する要素が文書要素とみなされます。

この構文は、SGML 宣言の最小リテラルが "ISO 8879:1986 (WWW)" なら、他の前提を必要とせずに記述できます(上記の例の通り HTML 4.01 でも可能です)。ただし、XML の構文ではこのような記述は行えないことになっています。

2.5.2. 省略された前書き

前書きというのは文書型宣言のことです。Web SGML では、LINK EXPLICIT NO かつ CONCUR NO の文書において、IMPLYDEF DOCTYPE YES または IMPLYDEF ELEMENT YES が宣言されている場合、文書型宣言を省略することができます。

文書型宣言が省略された場合には、次の暗黙の文書型宣言がなされたものと見なされます。

IMPLYDEF DOCTYPE YES の場合

<!DOCTYPE #IMPLIED SYSTEM >

IMPLYDEF DOCTYPE NO の場合

<!DOCTYPE #IMPLIED >

この <!DOCTYPE foo > という記述は奇異なものに思われますが、文書型宣言が外部サブセットを持たず、内部サブセットが空であるような場合には、これで何ら問題ありません。

妥当性を検証する場合は IMPLYDEF DOCTYPE NO ELEMENT NO であり、このような文書型宣言の省略は行えません。一方、妥当性を検証せず、単なる整形式 XML としてパージングを行う場合は IMPLYDEF DOCTYPE NO ELEMENT YES ですから、問題なく文書型宣言を省略することができます。

なお Comparison of SGML and XML の記述では IMPLYDEF DOCTYPE YES ELEMENT YES となっていますが、これも前述同様 N1955 の記述を元にしたものと思われます。パージングを簡潔にする目的でこのような定義になっていたのかも知れませんが、XML 勧告の定義からすると、DOCTYPE YES を宣言するのは不適切であると思われます。

<?xml version="1.0" ?>
<doc xml:lang="ja">
 <title>簡単な整形式 XML 文書の例</title>
 <p>これは整形式 XML 文書の例です。</p>
 <p>"&amp;" などの実体参照も記述できます。</p>
</doc>

定義済みデータ実体や暗黙のデフォルト宣言の概念と併せて考えると、パーザは上の整形式 XML 文書を次のように見なすということになります。

<?xml version="1.0" ?>
<!DOCTYPE doc [

<!ENTITY amp  "&#38;#38;" >
<!ENTITY lt   "&#38;#60;" >
<!ENTITY gt   "&#38;#62;" >
<!ENTITY quot "&#38;#34;" >
<!ENTITY apos "&#38;#39;" >

<!ELEMENT doc  - O  ANY >
<!ATTLIST doc
    xml:lang  CDATA  #IMPLIED
 >

<!ELEMENT title  - O  ANY >
<!ELEMENT p  - O  ANY >
]>
<doc xml:lang="ja">
 <title>簡単な整形式 XML 文書の例</title>
 <p>これは整形式 XML 文書の例です。</p>
 <p>"&amp;" といった具合に、一部の実体参照も記述できます。</p>
</doc>

このように、文書型宣言すらない整形式 XML 文書も、完全宣言済みでこそないものの厳密に型妥当になっているわけです。換言すれば、このような文書は暗黙の宣言を実際に記述するだけで妥当な XML になります。おかしな文書型宣言さえ書かなければ、整形式 XML は勝手に型妥当になっているわけです。