原文：dblpxml.pdf。

DBLP数据集可从https://dblp.uni-trier.de/xml/位置获得。
文件dblp.xml包含所有的索引记录，它的格式通过dblp.dtd文件定义。dblp.xml的大致结构如下：

<?xml version="1.0" encoding="ISO-8859-1"?>
<!DOCTYPE dblp SYSTEM "dblp.dtd">
<dblp>
    record 1
    ...
    record n
</dblp>

第一行指定了文件编码为ISO-8859-1（“Latin-1”），但实际上文件中只包含纯粹的ASCII字符。所有非ASCII字符都是用实体名称或实体数字表示。例如é（定义在dblp.dtd文件中）或者é用来表示字符é。

XML的根元素<dblp>包含了一长串的索引记录，在DTD文件中列出了可能的记录名：

<!ELEMENT dblp (article|inproceedings|proceedings|book|incollection|
                phdthesis|mastersthesis|www|person|data)*>

这些标签实际上对应了bibtex的文章类型。

例如：

<article key="journals/cacm/Szalay08" 
         mdate="2008-11-03">
    <author>Alexander S. Szalay</author>
    <title>Jim Gray, astronomer.</title>
    <pages>58-65</pages>
    <year>2008</year>
    <volume>51</volume>
    <journal>Commun. ACM</journal>
    <number>11</number>
    <ee>http://doi.acm.org/10.1145/1400214.1400231</ee>
    <url>db/journals/cacm/cacm51.html#Szalay08</url>
</article>

这条记录描述了一篇来自CACM （Communications of the ACM）的文章，article标签有两个属性：

• key 是一条记录的唯一关键码。关键码看上去就像一个用斜杠分割的Unix文件名。例如conf/*表示会议论文或研讨会论文，journals/*表示发布在期刊（journals）、通讯期刊（transactions）、杂志（magazines）或者简讯（newsletters）上的文章。关键码的第二部分通常是会议名或者期刊名。最后一部分是一串任意的字母和数字组成的序列（通常从作者名和发表年份生成，有时会添加一些字母来保持关键码唯一）。注意：当对记录信息进行修改的时候，关键码是不会变化的！
• mdate是这条记录最后一次修改的日期，符合ISO 8601格式，即YYYY-MM-DD。我们并没有专门记录dblp的变更日志，但是通过mdate属性可以很容易读取到一条记录的变更情况。dblp.xml文件是不断扩展的，即使记录的信息变更了，旧有的信息也不会被删除。

在BibTex中，最多只有一个author区域，包含一个作者列表。但在dblp中，每个作者对应一个author标签，标签的顺序非常重要，和论文上的署名顺序一致。

一条记录在url和ee标签中最多可以包含两条链接。所有的链接可能是绝对链接或者是相对链接。一个绝对链接是一个标准的网址，以指定的协议加上冒号开头（http:, ftp:），否则它是一个指向DBLP网站的相对链接。你可以在相对链接前面加上DBLP服务器的前缀来获取完整的链接。

回想起来，标签名url和ee有一些使用不当，以下是对它们的一个简单的解释。

• url相当于文章在目录中的位置。当我们在1993年末开始建立DBLP的时候，几乎所有的论文都是纸质。一篇论文的引用，例如在作者页面，应该链接到外部的论文正文（即论文发布的会议论文集或者期刊杂志的目录）。对于会议论文集，应该链接到内部的目录。在这两种情况下，url标签都包含了目录的位置。几乎所有的记录都有url标签，通常他是一个相对链接。
• ee表示了文章电子版的位置。在20世纪90年代之后，大多数正式发表的论文都可以在ACM、IEEE或大型商业出版商的服务器上获得其电子版。显然需要将DBLP扩展，使得人们可以很容易在发布服务器上找到该文章。ee标签中包含了这些链接信息。