未指定时的默认 XML 架构/XSD？

Question

我从数据分析师的角度总结了有关数据 I/O 的经验教训，而没有受益于数据工程专业知识（并且非常明确地指出了该缺点）。为了给各种备选方案提供上下文，考虑到我店内的限制，我对 XML 导入/导出进行了简单的试验，并完成了有关模式的在线阅读。关于第四代语言环境的开源实用程序，我注意到的一件事是它似乎使用默认值（我没有指定）：

<?xml version="1.0" encoding="utf-8"?>
<y>
   <DataFrame1>
      <DataFrame1_Field1>[75;75;75;75;75;75;75;75;75;...;75;75]</DataFrame1_Field1>
      <DataFrame1_Field2>[2014;2014;2015;2015;2016;2016;...;2083;2084;2084;2085;2085;2086;2086]</DataFrame1_Field2>
      <DataFrame1_Field3>
         <item>ABC</item>
         <item>DEF</item>
      <...snip...>
         <item>00-00</item>
         <item>00-00</item>
         <item>00-00</item>
      </DataFrameP_FieldM>
      <DataFrameP_FieldN>[2;2;4;2;5;3;5;3;3;1;5;5;...;4;5;3;3;2;4;2;1;2;4]</DataFrameP_FieldN>
   </DataFrameQ>
   <DataFrameR>
      <DataFrameR_Field1>[75;75;75;75;75;75;...;75;75;75;75;75]</DataFrameR_Field1>
      <DataFrameR_Field2>[1;2;3;4;5;6;7;...;1638;1639;1640;1641;1642]</DataFrameR_Field2>
      <DataFrameR_Field3>[0;0;0;0;0;0.014925;0.223881;0.014925;...;0;0.059701;0;0;0;0;0;0;0.626866]</DataFrameR_Field3>
   </DataFrameR>
   <DataFrameS>
      <DataFrameS_Field1>[75;75;75;75;75;75;...;75;75;75;75;75;75;75]</DataFrameS_Field1>
      <DataFrameS_Field2>[1;1;1;1;1;1;1;...;1642;1642;1642;1642;1642]</DataFrameS_Field2>
      <DataFrameS_Field3>[0;0;0;0;0;0;0;0;...;7;0.7;0.7;0.8;0.8;0.8;0.9;0.9;1]</DataFrameS_Field3>
      <DataFrameS_Field4>[0;0.1;0.2;...;0;0.1;0.2;0;0.1;0]</DataFrameS_Field4>
      <DataFrameS_Field5>[1;0.9;0.8;...;0.3;0.2;0.1;0;0.2;0.1;0;0.1;0;0]</DataFrameS_Field5>
      <DataFrameS_Field6>[0;0;0;0;0;0;...1;1;1;1;1;1;1;1;1;1]</DataFrameS_Field6>
   </DataFrameS>
</y>

解释标签：所有以字符串“DataFrame...”开头的标签都是我在代码中进行的匿名化处理。在匿名化之前，DataFrameX（其中 X 是任何字母数字字符）是我的 4GL 环境 [1] 中数据框对象的名称。所有包含字符串“DataFrame”和“Field”的标签也是匿名的。在匿名化之前，它们是数据框中的字段名称。标签<y>就是4GL环境下数据帧集合的对象名。

数据的排列对我来说都很有意义，因为我知道我对数据来自的数据帧做了什么。所有的标签都是有意义的。我假设它们来自通用默认模式。但是，我的网络搜索没有发现任何迹象表明存在这种默认模式，更不用说达成一致/标准化了。是否有这样的通用默认值，或者这些标签是导出实用程序作者的结果？

[1] 4GL 环境是 Matlab，但我的问题是关于 XML 实践和约定而不是 Matlab。

Answer 1

任意 XML 文件没有默认 XML 架构。 W3C XML Recommendation 给出了格式良好的规则，但这些规则定义了 XML 本身，而不是任何给定 XML 模式的词汇和语法。

在未指定 XSD 时识别 XSD

1. 在 XML 中指定 schemaLocation 时，请参阅此处指定的 XSD。为了 有关schemaLocation 的更多信息，请参阅 How to link XML to XSD using schemaLocation or noNamespaceSchemaLocation?
2. 仅使用命名空间时，请参阅 How to locate an XML Schema (XSD) by namespace?
3. 当 XML 的提供者可用时，询问或检查源/文档。
4. 当使用相对唯一/信息丰富的元素名称时，或者如果您知道 部门/行业谷歌元素名称或部门/行业和“xml架构”。

如果上述方法都不起作用，请使用无模式，或者自己编写以适应数据。

---

有关 XML 设计的更多信息

在 cmets 中，@user2153235 询问：

是否存在一种普遍的做法（或者甚至是在没有显式模式的情况下默认采用的通用的、最小的“基本”方案），其中原子元素是“项目”，而任何其他标记表示的元素是是字符串还是由下级元素组成的结构？

是的，有一种流行的做法。

对问题的回答：不，没有通用的、最小的“基本”模式——只有 XML 本身的格式良好的规则。

您帖子中的 XML 设计不佳：

• 命名很糟糕：
  • 根元素名为y，但其内容显然不是简单的y坐标或任何其他可以合理描述为y的东西。
  • 基于DataFrame 的名称具有C 字符后缀，后跟_FieldN 数字后缀。除非C 字符在某些域中有意义，否则应该扩展缩写。列表成员上的硬连线数字后缀最好由位置隐含，以便名称可以在词法上表示类型，而不必分解。
• 未标记子结构：通常，结构不应隐藏在字符串中的微格式中；应该施加标记，以便可以利用 XML 解析器，而不必在应用程序中实现微解析器。