Меню

Главная
Случайная статья
Настройки
XML
Материал из https://ru.wikipedia.org

XML (МФА: [eks.emel], аббр. от англ. eXtensible Markup Language) — «расширяемый язык разметки». Рекомендован Консорциумом Всемирной паутины (W3C). Спецификация XML описывает XML-документы и частично описывает поведение XML-процессоров (программ, читающих XML-документы и обеспечивающих доступ к их содержимому). XML разрабатывался как язык с простым формальным синтаксисом, удобный для создания и обработки документов как программами, так и человеком, с акцентом на использование в Интернете.

Язык называется расширяемым, поскольку он не фиксирует разметку, используемую в документах: разработчик волен создать разметку в соответствии с потребностями к конкретной области, будучи ограниченным лишь синтаксическими правилами языка. Расширение XML — это конкретная грамматика, созданная на базе XML и представленная словарём тегов и их атрибутов, а также набором правил, определяющих, какие атрибуты и элементы могут входить в состав других элементов. Сочетание простого формального синтаксиса, удобства для человека, расширяемости, а также базирование на кодировках Юникод для представления содержания документов привело к широкому использованию как, собственно, XML, так и множества производных специализированных языков на базе XML в самых разнообразных программных средствах.

XML является подмножеством SGML.[источник не указан 24 дня]

На основе XML создаются специализированные форматы для хранения диаграмм, концептуальных карт и других моделей данных.

Содержание

Язык XML

Спецификация XML описывает язык и ряд вопросов, касающихся кодировки и обработки документов. Материал секции представляет собой сокращённое изложение описания языка в Спецификации XML, адаптированное для настоящей статьи.

Нормативным считается английский вариант документа, поэтому основные термины приводятся с их английскими оригиналами.

Перевод основных терминов в основном следует доступному в интернете переводу Спецификации на русский язык, исключение составляют термины tag и declaration. Для термина tag здесь используется перевод тег. Для термина declaration отдано предпочтение распространённому переводу объявление (против также распространённой кальки декларация).

В литературе и интернете могут встречаться и иные переводы основных терминов.

Физическая и логическая структуры документа

С физической точки зрения документ состоит из сущностей (англ. entities), из которых каждая может ссылаться на другую сущность. Единственный корневой элемент — документная сущность. Содержание сущностей — символы.

С логической точки зрения документ состоит из комментариев (англ. comments), объявлений (англ. declarations), элементов (англ. elements), ссылок на сущности (англ. character references) и инструкций обработки (англ. processing instructions). Всё это в документе структуризуется разметкой (англ. markup).

Сущность — мельчайшая часть в документе. Все сущности что-нибудь содержат, и у всех них есть имя (существуют исключения, напр. документная сущность). Проще говоря, термин «сущность» описывает «сущую вещь», «что-то»[6].

Документ состоит из сущностей, содержание которых — символы. Все символы разделены на два типа: символы данных (англ. character data) и символы разметки. К разметке относятся:
  1. теги (англ. tags) - обозначают границы элементов;
  2. объявления и инструкции обработки, включая их атрибуты (англ. attributes);
  3. ссылки на сущности;
  4. комментарии;
  5. последовательности символов, обрамляющие секции «CDATA».


Часть документа, не принадлежащая разметке, составляет символьные данные документа.

Все составляющие части документа обобщаются в пролог и корневой элемент. Корневой элемент — обязательная часть документа, составляющая всю его суть (пролог, вообще говоря, может отсутствовать). Корневой элемент может включать (а может не включать) вложенные в него элементы, символьные данные и комментарии. Вложенные в корневой элемент элементы, в свою очередь, могут включать вложенные в них элементы, символьные данные и комментарии, и так далее. Пролог может включать объявления, инструкции обработки, комментарии. Его следует начинать с объявления XML, хотя в определённой ситуации допускается отсутствие этого объявления.

Элементы документа должны быть правильно вложены: любой элемент, начинающийся внутри другого элемента (то есть любой элемент документа, кроме корневого), должен заканчиваться внутри элемента, в котором он начался. Символьные данные могут встречаться внутри элементов как непосредственно так и в специальных секциях «CDATA». Объявления, инструкции обработки и элементы могут иметь связанные с ними атрибуты. Атрибуты используются для связывания с логической единицей текста пар «имя-значение».

Символы разметки

Разметка всегда начинается символом < и заканчивается символом >.

Наряду с символами < и >, специальную роль для разметки играет также символ &. Угловые скобки обозначают границы элементов, инструкций обработки и некоторых других последовательностей. Амперсанд позволяет выполнить замену текста при помощи сущностей (англ. entities)[6].

Решение проблемы неоднозначности разметки

Употребление разметочных символов в символьных данных затрудняет распознавание конструкций разметки и может создать проблему неоднозначности структуры. В XML эта проблема решается следующим образом: <, > и & не могут присутствовать в символьных данных и в значениях атрибутов в их непосредственном виде, для их представления в этих случаях зарезервированы специальные сущности:
Символ Замена
< &lt;
> &gt;
& &amp;


Кроме того, для употребления апострофов и кавычек внутри значений атрибутов используются следующие сущности:
' &apos;
" &quot;


Правило замены разметочных символов на их обозначающие сущности не распространяется на символьные данные в секциях «CDATA», зато выполняется во всех остальных местах документа.

Числовые ссылки на символы

Числовые ссылки на символы указывают кодовую позицию символа в наборе символов документа. Числовые ссылки на символы могут принимать две формы[7]:
  1. синтаксис «&#D;», где D — десятичное число;
  2. синтаксис «&#xH;» или «&#XH;», где H — шестнадцатеричное число (шестнадцатеричные числа в числовых символьных ссылках не чувствительны к регистру).


Примеры числовых ссылок на символы:
  • &#229; — (в десятичной форме) представляет букву «а» с маленьким кружком над ней (используется, например, в норвежском языке);
  • &#xE5; — (в шестнадцатеричном) представляет собой тот же символ;
  • &#Xe5; — (в шестнадцатеричном) также представляет тот же символ;
  • &#1048; — (в десятичной форме) представляет заглавную букву кириллицы «I»;
  • &#x6C34; — (в шестнадцатеричном) представляет китайский иероглиф «вода»;


Имена

В языке XML все имена должны начинаться с буквы, символа подчёркивания (_) и продолжаться только допустимыми для имён символами, а именно: они могут содержать только буквы, входящие в секцию букв кодировки Unicode, арабские цифры, дефисы, знаки подчёркивания, точки. Так как буквы не ограничены исключительно символами ASCII, то в именах можно использовать буквы из любого языка.

Пролог

Объявление XML указывает версию языка, на которой написан документ. Поскольку интерпретация содержимого документа зависит от версии языка, спецификация предписывает начинать документ с объявления XML. В первой (1.0) версии языка использование объявления не было обязательным, в последующих версиях оно обязательно. Если объявление отсутствует, версия языка считается равной 1.0.

Кроме версии XML, объявление может содержать информацию о кодировке документа и атрибут standalone.

Примеры: 
<?xml version="1.1" encoding="UTF-8"?>

<?xml version="1.0" encoding="windows-1251"?>


Атрибут standalone указывает, требуется ли для корректной обработки документа использование внешних деклараций.
  • standalone="yes" — документ должен интерпретироваться корректно без обращения к внешней DTD.
  • standalone="no" — документ может использовать внешние декларации.


Если атрибут отсутствует, его значение по умолчанию считается равным no[8].

Примеры с использованием атрибута: 
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<?xml version="1.0" encoding="UTF-8" standalone="no"?>


Для объявления типа документа существует специальная инструкция !DOCTYPE. Она позволяет задать при помощи языка DTD, какие в документ входят элементы, каковы их атрибуты, какие сущности могут использоваться и кое-что ещё.

Например, вот корректный документ: 
<?xml version="1.0"?>
<greeting>Hello, world!</greeting>


В нём есть корневой элемент <greeting>Hello, world!</greeting>, и с логической точки зрения документ существует. Однако он недействителен (англ.  not valid)[9].

При помощи Объявления типа документа (DTD) возможно описывать его содержание и логическую структуру, а также связывать с определённым элементом пару «имя — значение». Вот как выглядит пролог в записи Бэкуса — Наура[10]: 
prolog        ::= XMLDecl? Misc* (doctypedecl Misc*)?
XMLDecl       ::= '<?xml' VersionInfo EncodingDecl? SDDecl? S? '?>'
VersionInfo   ::= S 'version' Eq ("'" VersionNum "'" | '"' VersionNum '"')
Eq            ::= S? '=' S?
VersionNum    ::= '1.' [0-9]+
Misc          ::= Comment | PI | S
doctypedecl   ::= '<!DOCTYPE' S Name (S ExternalID)? S? ('[' intSubset ']' S?)? '>'
DeclSep       ::= PEReference | S
intSubset     ::= (markupdecl | DeclSep)*
markupdecl    ::= elementdecl | AttlistDecl | EntityDecl | NotationDecl | PI | Comment
extSubset     ::= TextDecl? extSubsetDecl
extSubsetDecl ::= ( markupdecl | conditionalSect | DeclSep)*


После XML-объявления могут следовать комментарии, инструкции обработки или же пустые пространства[11], но затем идёт Объявления типа документа, где «Name» — имя корневого тега, «ExternalID» — внешний идентификатор, а «intSubset» — объявление разметки или же ссылка на сущность. Как гласит спецификация, если внешний идентификатор объявляется вместе с внутренним объявлением, то последнее идёт перед первым[12].

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


Здесь «SYSTEM "hello.dtd"» — внешний идентификатор: адрес «hello.dtd» позволяет задействовать данные в документе «hello.dtd» как объявления разметки. 
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE greeting [
  <!ELEMENT greeting (#PCDATA)>
]>
<greeting>Hello, world!</greeting>


Здесь же разметка была объявлена локально в инструкции !DOCTYPE.

Инструкции обработки (англ. processing instruction, PI), позволяют размещать в документе инструкции для приложений. В следующем примере показана инструкция обработки xml-stylesheet, передающая xml-stylesheet-приложению (например, браузеру) инструкции в файле my-style.css посредством атрибута href: 
<?xml-stylesheet type="text/css" href="my-style.css"?>


Комментарии (англ. comment) не относятся к символьным данным документа. Комментарий начинается последовательностью «», внутри не может встречаться комбинация символов «--». Символ & не используется внутри комментария в качестве разметки.

Пример: 
<!-- это комментарий -->


Корневой элемент

Элемент (англ. element) является понятием логической структуры документа. Каждый документ содержит один или несколько элементов. Границы элементов представлены начальным и конечным тегами. Имя элемента в начальном и конечном тегах элемента должно совпадать. Элемент может быть также представлен тегом пустого элемента, то есть не включающего в себя другие элементы и символьные данные.

Тег (англ. tag) — конструкция разметки, которая содержит имя элемента.

Начальный тег: <element1>

Конечный тег: </element1>

Тег пустого элемента: <empty_element1 />

В элементе атрибуты могут использоваться только в начальном теге и теге пустого элемента.

Пример кулинарного рецепта, размеченного с помощью XML: 
<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE recipe>
<recipe name="хлеб" preptime="5min" cooktime="180min">
   <title>
      Простой хлеб
   </title>
   <composition>
      <ingredient amount="3" unit="стакан">Мука</ingredient>
      <ingredient amount="0.25" unit="грамм">Дрожжи</ingredient>
      <ingredient amount="1.5" unit="стакан">Тёплая вода</ingredient>
   </composition>
   <instructions>
     <step>
        Смешать все ингредиенты и тщательно замесить. 
     </step>
     <step>
        Закрыть тканью и оставить на один час в тёплом помещении. 
     </step>
     <!-- 
        <step>
           Почитать вчерашнюю газету. 
        </step>
         - это сомнительный шаг...
      -->
     <step>
        Замесить ещё раз, положить на противень и поставить в духовку.
     </step>
   </instructions>
</recipe>


Секция CDATA используется для включения фрагментов текста, в которых символы <, > и & должны интерпретироваться как обычные символы, а не как разметка. Секция может встречаться в любом месте документа, где допускаются символьные данные. Она начинается последовательностью <![CDATA[ и завершается последовательностью ]]>. Между этими ограничителями может находиться любой текст, который будет обработан как символьные данные, без интерпретации встроенных разметочных символов[13].

Корректный документ

Корректный (англ. well-formed) документ соответствует всем общим правилам синтаксиса XML, применимым к любому XML-документу: правильная структура документа, совпадение имен в начальном и конечном теге элемента и т. п. Документ, который неправильно построен, не может считаться документом XML.

Пространства имён

Пример документа: 
<?xml version="1.0" encoding="UTF-8"?>
<!-- login screen -->
<edsscript>
   <sequence name="start">
      <action cmd="triggeron">
         btn*
      </action>
      <action cmd="triggeron">
         msg_generic
      </action>
      <action cmd="disablenbb">
         all
      </action>
      <action cmd="setscrtext">
         @@Sisteme Giri@@
      </action>
      <action cmd="enablenbb">
         forward,mainmenu
      </action>
      <action cmd="switchmsgtarget">
         LOGIN_DLG
      </action>
      <action cmd="sendmsg">
         start
      </action>
      <action cmd="jump">
         step2
      </action>
   </sequence>
   <sequence name="step2">
      <action cmd="waittrigger">
         btnforward
      </action>
      <action cmd="triggeron">
         login*
      </action>
      <action cmd="disablenbb">
         all
      </action>
      <action cmd="sendmsg">
         check
      </action>
   </sequence>
   <trigger name="login_succeded">
      <condition type="appmsg">
         login_succeeded
      </condition>
      <sequence>
         <action cmd="endscript" />
      </sequence>
   </trigger>
   <trigger name="login_unknownuser">
      <condition type="appmsg">
         login_unknownuser
      </condition>
      <sequence name="login_unknownuser">
         <action cmd="disablenbb">
            all
         </action>
         <action cmd="setscrtext">
            @@Hata@@
         </action>
         <action cmd="showhtml">
            generic_neg.htm,@@Yanl kullanc ismi@@,@@Ltfen kullanc ismini doru giriniz.@@
         </action>
         <action cmd="enablenbb">
            back
         </action>
         <action cmd="waittrigger">
            btnback
         </action>
         <action cmd="jump">
            start
         </action>
      </sequence>
   </trigger>
   <trigger name="login_incorrectpwd">
      <condition type="appmsg">
         login_incorrectpwd
      </condition>
      <sequence name="login_incorrectpwd">
         <action cmd="disablenbb">
            all
         </action>
         <action cmd="setscrtext">
            @@Hata@@
         </action>
         <action cmd="showhtml">
            generic_neg.htm,@@Hatal parola@@,@@Ltfen parolanz doru giriniz.@@
         </action>
         <action cmd="enablenbb">
            back
         </action>
         <action cmd="waittrigger">
            btnback
         </action>
         <action cmd="jump">
             start
         </action>
      </sequence>
   </trigger>
   <!-- generic triggers -->
   <trigger name="btnback">
      <condition type="buttonclick">
         back
      </condition>
      <sequence name="btnback">
         <action cmd="triggeron">
            btnback
         </action>
      </sequence>
   </trigger>
   <trigger name="btnforward">
      <condition type="buttonclick">
        forward
      </condition>
      <sequence name="btnforward">
         <action cmd="triggeron">
            btnforward
         </action>
      </sequence>
   </trigger>
   <trigger name="btnmainmenu">
      <condition type="buttonclick">
         mainmenu
      </condition>
      <sequence>
         <action cmd="jumpscript">
            <value label="mainmenuscript" scope="local" />
         </action>
      </sequence>
   </trigger>
   <trigger name="btnquitapp">
      <condition type="buttonclick">
         quitapplication
      </condition>
      <sequence name="btnquitapp">
         <action cmd="callscript">
            quitapp.xml
         </action>
         <action cmd="jump">
            start
         </action>
      </sequence>
   </trigger>
   <trigger name="error_generic">
      <condition type="appmsg">
         error*
      </condition>
      <sequence>
         <action cmd="showhtml">
            errdsc_null.htm,@@Hata@@
         </action>
         <action cmd="disablenbb">
            all
         </action>
         <action cmd="enablenbb">
            forward
         </action>
         <action cmd="waittrigger">
            btnforward
         </action>
         <action cmd="endscript" />
      </sequence>
   </trigger>
   <trigger name="msg_generic">
      <condition type="appmsg">
         msg_generic
      </condition>
      <sequence>
         <action cmd="showhtml">
            generic_msg.htm
         </action>
         <action cmd="triggeron">
            msg_generic
         </action>
      </sequence>
   </trigger>
   <!-- An unhandled exception is thrown from the hard code side. -->
   <trigger name="error_hardcodeside">
      <condition type="appmsg">
         error_hardcodeside
      </condition>
      <sequence>
         <action cmd="triggeroff">
            *
         </action>
         <action cmd="triggeron">
            btnmainmenu
         </action>
         <action cmd="triggeron">
            btnquitapp
         </action>
         <action cmd="disablenbb">
            all
         </action>
         <action cmd="enablenbb">
            mainmenu
         </action>
         <action cmd="showhtml">
            errdsc_null.htm,Hata, @@lem srasnda bir hata meydana geldi.@@
         </action>
         <action cmd="waittrigger">
            btnmainmenu
         </action>
      </sequence>
   </trigger>
</edsscript>


Регламентация работы с документами: правила, языки, программные интерфейсы

Этот раздел содержит изложение некоторых положений рекомендаций W3C, касающихся работы с документами. Соответствующие рекомендации могут относиться как к документам XML, так и к более широкому классу документов. Ссылки, как правило, даются на средства работы с документами, рекомендованные W3C.

Кодировка документов

Спецификация требует, чтобы обрабатывающие программы поддерживали по крайней мере две кодировки Юникод: UTF-8 и UTF-16.

XML-процессор и приложение

Спецификация XML определяет понятия XML-процессор и приложение. XML-процессор (парсер) — программа, анализирующая разметку и передающая информацию о структуре документа другой программе — приложению.

Спецификация XML налагает определённые требования на процессор, не касаясь требований к приложению.

Действительный документ. Проверяющие и непроверяющие процессоры

Документ является действительным, если с ним связано определение типа документа и если этот документ отвечает представленным в определении типа документа ограничениям.

XML-процессоры делятся на два класса: проверяющие и непроверяющие.

Проверяющие процессоры проверяют действительность документа и должны сообщать (по выбору пользователя) о нарушении ограничений, сформулированных в определении типа документа.

Непроверяющие процессоры не проверяют действительность документа, но обязанности по предварительной обработке документа, упомянутые выше, остаются за ними.

Описание типов документов: языки схем

Для описания типов документов используются языки схем (англ. schema language). Поскольку XML является подмножеством языка SGML

Преобразование документа XML

Для решения задачи преобразования документа XML в другую схему или другой формат предназначен язык XSLT.

Формат для визуализации документа

Для форматированного документа (документа, подготовленного к визуализации) предназначен формат XSL-FO.

Языки запросов

XPath — синтаксис для адресации содержимого документа, представленного в форме дерева. Выражения XPath используются в языке XQuery. Выражения XPath, вообще говоря, могут использоваться в любом контексте, где уместно использовать формальные ссылки на элементы дерева, в частности, в качестве параметров методов интерфейсов доступа к документу.

XQuery — язык программирования, ориентированный на работу с документами.

Чтение XML: три варианта API

Для чтения XML есть три варианта API[14].

Событийный API (event-driven API, push-style API) — XML-процессор читает XML; при определённом событии (появлении открывающего или закрывающего тега, текстовой строки, атрибута) вызывается callback-функция.
  • + Расходует мало памяти[14].
  • + При обработке огромного XML есть стандартная точка, позволяющая мгновенно остановить обработчик[14].
  • Крайне сложен для прикладного программиста: приходится держать в памяти информацию, в каком месте документа мы находимся.
  • + Библиотека проста в программировании.
  • Только последовательный доступ к XML[15], это затрудняет разбор перекрёстных ссылок и «почти правильных» XML с перепутанным порядком элементов.
  • API только для чтения, для записи потребуется другой API[16].
  • ± Естественный выбор, когда из огромного XML надо извлечь немного данных[14].
  • ± Естественный выбор, когда XML надо преобразовать в структуру предметной отрасли[14].
  • Примеры библиотек: SAX, Expat.
<?xml version="1.0" encoding="UTF-8" ?>
<document>
  <thing name="A">Alpha</thing>
  <thing name="B">Bravo</thing>
</document>
Downgrade Counter