Материал из РУВИКИ — свободной энциклопедии

XML

XML (англ. eXtensible Markup Language) расширяемый язык разметки
Изображение логотипа
Example of SVG code.png
XML.svg
Расширение .xml
MIME-тип application/xml[1], text/xml[2] (deprecated in an expired draft)[3]
Разработчик Консорциум Всемирной паутины
Опубликован 1998
Тип формата язык разметки
Расширен из SGML
Развит в XHTML, RSS, Atom, KML, SVG и множество других форматов
Стандарт(ы) 1.0 (Fifth Edition), 26 ноября 2008 года[4]
1.1 (Second Edition), 16 августа 2006 года[5]
Открытый формат? да
Сайт w3.org/XML (англ.)
Логотип РУВИКИ.Медиа Медиафайлы на РУВИКИ.Медиа

XML (МФА: [ˌeks.emˈel], 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.

Файлы в формате XML используется при проектировании структуры программ, в частности, концептуальных карт и диаграмм связей,

Язык XML

[править | править код]

Спецификация XML описывает язык и ряд вопросов, касающихся кодировки и обработки документов. Материал этой 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[править | править код]

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).

Физическая структура[править | править код]

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. а также последовательности символов, обрамляющие секции «CDATA»

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

Логическая структура[править | править код]

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[править | править код]

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[править | править код]

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[править | править код]

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. cинтаксис «&#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[править | править код]

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[править | править код]

Объявление XML[править | править код]

Объявление XML указывает версию языка, на которой написан документ. Поскольку интерпретация содержимого документа зависит от версии языка, то Спецификация предписывает начинать документ с объявления XML. В первой (1.0) версии языка использование объявления не было обязательным, в последующих версиях оно обязательно. Таким образом, версия языка определяется из объявления, и если объявление отсутствует, то принимается версия 1.0.

Кроме версии XML объявление может также содержать информацию о кодировке документа и «оставаться ли документу со своим собственным DTD, или с подключённым».

Пример: 

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

или: 

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

Во всех этих примерах отсутствовал атрибут «standalone», который как раз и определяет, подключить ли документу описания разметки извне. По умолчанию он равен «no»: 

<?xml version="1.0" encoding="windows-1251" standalone="no"?>

если XML-документ ссылается на другие DTD-файлы, которые описывают, что документ может содержать, вы должны указать standalone="no" 

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

если XML-документ не ссылается на другие файлы и будет пользоваться своим DTD, вы должны указать standalone="yes"

Объявление типа документа[править | править код]

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)[8].

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[9]: 

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[10], 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[11].

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.

Инструкция обработки[править | править код]

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"?>

Комментарий[править | править код]

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

Пример: 

<!-- это комментарий -->

Корневой элемент[править | править код]

Элемент и его разметка[править | править код]

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[править | править код]

Секция CDATA не является логической единицей текста. Секция может встречаться в любом месте документа, где синтаксис позволяет размещать символьные данные. Секция начинается <![CDATA[ и завершается ]]>. Между этой разметкой находятся символьные данные; символьные данные при этом включают символы < > & в их непосредственной форме.

Корректный документ[править | править код]

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[править | править код]

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 Giriş@@
      </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,@@Yanlış kullanıcı ismi@@,@@Lütfen kullanıcı ismini doğru 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,@@Hatalı parola@@,@@Lütfen parolanızı doğru 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, @@İşlem sırasında bir hata meydana geldi.@@
         </action>
         <action cmd="waittrigger">
            btnmainmenu
         </action>
      </sequence>
   </trigger>
</edsscript>

Регламентация работы с документами: правила, языки, программные интерфейсы

[править | править код]

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[править | править код]

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

XML-процессор и приложение[править | править код]

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[править | править код]

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[править | править код]

Для описания типов документов используются языки схем (англ. schema language). Поскольку XML является подмножеством языка SGML, то он унаследовал разработанный для SGML язык Document Type Definition (DTD). Позднее были разработаны и другие языки схем, наиболее известны из которых XML Schema, RELAX NG.

Преобразование документа XML[править | править код]

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

Формат для визуализации документа[править | править код]

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

Языки запросов[править | править код]

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[править | править код]

Для чтения XML есть три варианта API[12].

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[12].
  • + При обработке огромного XML есть стандартная точка, позволяющая мгновенно остановить обработчик[12].
  • − 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[13], это затрудняет разбор перекрёстных ссылок и «почти правильных» XML с перепутанным порядком элементов.
  • − API только для чтения, для записи потребуется другой API[14].
  • ± Естественный выбор, когда из огромного XML надо извлечь немного данных[12].
  • ± Естественный выбор, когда XML надо преобразовать в структуру предметной отрасли[12].
  • Примеры библиотек: SAX, Expat
Все пять примеров работают с таким XML
<?xml version="1.0" encoding="UTF-8" ?>
<document>
  <thing name="A">Alpha</thing>
  <thing name="B">Bravo</thing>
</document>
Пример кода (C++, выдуманный API)
enum class Place { ROOT, DOCUMENT, THING, N }

Place parentPlace[static_cast<int>(Place::N)] = { ROOT, ROOT, DOCUMENT };

class MyEvent : public Xml::Event
{
private:
  Place place = Place::ROOT;
  Thing* currThing = nullptr;
public:
  /// @return  true — тег нужен;  false — пропустить его и всё, что внутри
  bool onTagOpen(const std::string& aName) override;
  void onTagClose() override;
  void onAttr(const std::string& aName, const std::string& aValue) override;
  void onText(const std::string& aText) override;
}

bool MyEvent::onTagOpen(const std::string& aName)
{
  switch (place) {
  case Place::ROOT:
    if (aName == "document") {
      place = Place::DOCUMENT;
      return true;
    }
    break;
  case Place::DOCUMENT:
    if (aName == "thing") {
      place = Place::THING;
      currThing = &things.emplace_back();
      return true;
    }
    break;
  }
  return false;
}

void MyEvent::onTagClose()
{
  place = parentPlace[place];
}

void MyEvent::onAttr(const std::string& aName, const std::string& aValue)
{
  if (place == Place::THING && aName == "name")
    currThing->name = aValue;
}

void MyEvent::onText(const std::string& aText)
{
  if (place == Place::THING)
    currThing->value = aText;
}

xml::eventDrivenRead("in.xml", MyEvent());

Потоковый API (также pull-style API) — устроен на манер потоков ввода-вывода. Прикладной код запрашивает у процессора части XML, тот умеет только двигаться по XML вперёд, забывая уже пройденные части.

  • + Расходует мало памяти.
  • + Информация, в каком месте документа мы находимся, неявно задаётся местом в потоке выполнения. Это серьёзно упрощает работу прикладного программиста[15][14]. На продуманных API объём кода приближается к таковому для DOM.
  • − Библиотека сложна в программировании.
  • + Позволяет одновременный доступ к двум XML-документам[15].
  • − Только последовательный доступ к XML[14], это затрудняет разбор перекрёстных ссылок и «почти правильных» XML с перепутанным порядком элементов.
  • − API только для чтения, для записи потребуется другой API. (StAX, хоть относится и к потоковым, содержит отдельный API прямой записи[16].)
  • Примеры библиотек: StAX
Пример кода (C++, выдуманный API)
xml::StreamReader reader("in.xml");
std::string name, value;
reader.enterTag("document");
while (reader.getTag("thing") {
  Thing thing;
  thing.name = reader.requireStringAttr("name");
  reader.enterTag();
  thing.value = reader.getText();
  reader.leaveTag();

  things.emplace_back(std::move(thing)); 
}

Объектный API (Document Object Model, DOM, «объектная модель документа») — считывает XML и воссоздаёт его в памяти в виде объектной структуры.

  • − Расходует много памяти — намного больше, чем сам XML занимает на диске. На pugixml расход памяти втрое и более превышает длину XML.
  • + Прост для прикладного программиста.
  • + Библиотека проста в программировании.
  • + Позволяет произвольный доступ к XML[12]. Это, например, упрощает работу с перекрёстными ссылками. Зачастую удаётся распознать «почти верные» XML с перепутанным порядком тегов.
  • + Общий API для чтения и записи[14].
  • ± Естественный выбор, когда объектом предметной области является сам XML: в веб-браузере[12], XML-редакторе, в импортёре к программе-локализатору, который извлекает строки из XML произвольной структуры.
  • ± Естественный выбор, когда нужно загрузить XML, слегка переработать и сохранить[12][14]. Те части, которые трогать не нужно, не требуют никакого кода.
  • Примеры библиотек: JDOM, TinyXML, pugixml
Пример кода (C++, pugixml)
#include <iostream>
#include <vector>
#include "pugixml.hpp"

struct Thing {
    std::string name, value;
};

// Если какая-то сущность pugixml конвертируется в bool как false — выкинуть ошибку!
template <class T>
inline T need(T&& val, const char* errmsg)
{
    if (!val) throw std::logic_error(errmsg);
    return std::forward<T>(val);
}

int main()
{
    std::vector<Thing> things;

    pugi::xml_document doc;
    need(doc.load_file("in.xml"), "Cannot load XML!");

    auto elDocument = need(doc.root().child("document"), "Need <document>");
    for (pugi::xml_node elThing : elDocument.children("thing")) {
        auto attrName = need(elThing.attribute("name"), "Need <thing>.name!");
        things.emplace_back( Thing { attrName.as_string(), elThing.text().as_string() } );
    }

    for (auto &v : things) {
        std::cout << v.name << "=" << v.value << std::endl;
    }

    return 0;
}

Бывают и гибридные API: внешние и маловажные части читаются потоковым методом, а внутренние и важные — объектным.

Пример кода (C++, выдуманный API)
xml::StreamReader reader("in.xml");
std::string name, value;
reader.enterTag("document");
while (reader.getTag("thing") {
  xml::Element* elThing = reader.readEntireSubtree();
  things.emplace_back();
  Thing& thing = things.back();
  thing.name = elThing.requireStringAttr("name");
  thing.value = elThing.text();
}

Запись XML: два варианта API[править | править код]

API прямой записи записывает XML тег за тегом, атрибут за атрибутом.

  • + Быстр, нет промежуточных объектов.
  • − Примитивная библиотека может делать неоптимальный XML (например, <tag></tag> вместо <tag />). Работающая оптимально намного сложнее в программировании.
  • − Непригоден для отдельных специфических задач.
  • − Если структуры предметной области работают ненадёжно, без специальных мер (записать в память или в другой файл, потом переименовать) можно остаться с «упавшей» программой и потерянным файлом.
  • − При ошибке программиста может получиться синтаксически некорректный XML.
  • − API только для записи, для чтения потребуется другой API.
  • Примеры библиотек: StAX.
Пример кода (C++, выдуманный API)
xml::Writer wri("out.xml");
wri.openTag("document");
for (auto &v : things) {
  wri.openTag("thing");
  wri.writeAttr("name", v.name);
  wri.writeText(v.value);
  wri.closeTag("thing");
}
wri.closeTag("document");

Объектный API, он же Document Object Model.

  • − Создаёт объектную структуру для XML, что может отнять памяти больше, чем структура предметной отрасли.
  • ± Универсален (впрочем, в большинстве задач преимущества над хорошо проработанным API прямой записи нет — в отличие от чтения).
  • + Даже если структуры предметной области работают ненадёжно, а программист не предусмотрел никакой «защиты», единственный сценарий, когда файл перезаписывается на неполный — ошибка ввода-вывода (в частности, нехватка места на диске).
  • + При правильно написанном API невозможно создать синтаксически некорректный XML.
  • + Общий API для записи и чтения.
  • Примеры библиотек: те же, что и для чтения XML методом DOM.
Пример кода (C++, pugixml)
#include "pugixml.hpp"

struct Thing {  std::string name, value; };

Thing things[] { { "A", "Alpha", }, { "B", "Bravo", }, { "C", "Charlie" } };

int main()
{
    pugi::xml_document doc;
    auto root = doc.append_child("document");
    for (auto& thing : things) {
        auto node = root.append_child("thing");
        node.append_attribute("name") = thing.name.c_str();
        node.append_child(pugi::node_pcdata).set_value(thing.value.c_str());
    }
    doc.save_file("test.xml");
    return 0;
}

Инструменты работы с документами: парсеры, средства создания и визуализации, системы баз данных

[править | править код]

Реализации парсеров[править | править код]

XML имеет реализации парсеров для всех современных языков программирования[17].

Веб-браузеры как инструмент визуализации документа[править | править код]

Визуализация без использования стилей CSS[править | править код]

Без использования CSS или XSL XML-документ отображается как простой текст в большинстве веб-браузеров. Некоторые браузеры, такие как Internet Explorer, Mozilla Firefox и Opera (встроенный инструмент Opera Dragonfly) отображают структуру документа в виде дерева, позволяя сворачивать и разворачивать узлы с помощью нажатий клавиши мыши.

Применение стилей CSS[править | править код]

Процесс аналогичен применению CSS к HTML-документу для отображения. Для применения CSS при отображении в браузере, XML-документ должен содержать специальную ссылку на таблицу стилей. Например: 

<?xml-stylesheet type="text/css" href="myStyleSheet.css"?>

Это отличается от подхода HTML, где используется элемент <link>.

Применение преобразований к формату XSL-FO[править | править код]

Современные браузеры принадлежат к числу программных средств, способных выполнять преобразования XSLT. В браузере такое преобразование выполняется, как правило, для форматирования документа (преобразования документа в формат XSL-FO). Следующая инструкция в прологе документа XML предписывает браузеру выполнить XSLT-преобразование, описанное в файле transform.xsl: 

<?xml-stylesheet type="text/xsl" href="transform.xsl"?>

Редакторы XML[править | править код]

С документом XML можно работать в обычном текстовом редакторе, однако обычные редакторы не поддерживают структуру документа. Существуют специальные редакторы XML, которые делают работу с документом более удобной и эффективной.

Системы управления базами данных, работающие с данными в формате XML[править | править код]

Система управления базами данных DB2 позволяет хранить данные в формате XML и предоставляет доступ к таким данным с помощью языка XQuery.

Поддержка на аппаратном уровне[править | править код]

XML поддерживается на низком аппаратном, микропрограммном и программном уровнях в современных аппаратных решениях[18].

Область применения, ограничения, перспективы развития

[править | править код]

Эффективность использования XML[править | править код]

XML — язык разметки, другими словами, средство описания документа. Именно в нише документов, текстов, где доля разнотипных символьных данных велика, а доля разметки мала — XML успешен. С другой стороны, обмен данными в открытых системах не сводится к обмену документами. Избыточность разметки XML (а в целях разработки языка прямо указано, что лаконичность не является приоритетом проекта) сказывается в ситуациях, когда данные не вписываются в традиционную модель документа. Лента новостей, например, оформляемая с использованием синтаксиса XML (форматы RSS, Atom), представляет собой не документ в традиционном понимании, а поток однотипных мини-документов — многословная и избыточная разметка в этом случае составляет существенную часть передаваемых данных.

W3C озабочен эффективностью применения XML, и соответствующие рабочие группы занимаются этой проблемой (к началу 2013 года нормативные документы не разработаны).

Другая ситуация, когда форматы XML могут оказаться не лучшим решением — работа с данными с простой структурой и небольшим объёмом символьных данных (поля данных). В этом случае доля разметки в общем объёме велика, а программная обработка XML может оказаться неоправданно затратной по сравнению с работой с данными более простой структуры. В этой области разработчики рассматривают средства, изначально ориентированные на данные, такие как INI, YAML, JSON.

Скриптовый язык для работы с XML[править | править код]

W3C работает над созданием скриптового языка для работы с XML (к началу 2013 года нормативные документы не разработаны).

См. также

[править | править код]
  • XML-RPC
  • XML Schema
  • SOAP (англ. Simple Object Access Protocol) — протокол передачи данных, в котором для сообщений используется формат XML.
  • REST
  • XHTML — версия HTML, отвечающая синтаксическим требованиям XML.
  • XSD — язык описания структуры XML-документов.
  • FB2 — формат описания книг, основанный на XML
  • W3C DOM
  • DITA
  • WDDX
  • APML

Примечания

[править | править код]
  1. ↑ XML Media Types, RFC 3023 9–11. IETF (январь 2001). Дата обращения: 4 января 2010. Архивировано 22 августа 2011 года.
  2. ↑ XML Media Types, RFC 3023 7–9. IETF (январь 2001). Дата обращения: 4 января 2010. Архивировано 22 августа 2011 года.
  3. ↑ M. Murata, D. Kohn, and C. Lilley. Internet Drafts: XML Media Types. IETF (24 сентября 2009). Дата обращения: 10 июня 2010. Архивировано 22 августа 2011 года.
  4. ↑ Extensible Markup Language (XML) 1.0 (Fifth Edition). Дата обращения: 6 июля 2011. Архивировано 1 апреля 2009 года.
  5. ↑ Extensible Markup Language (XML) 1.1 (Second Edition). Дата обращения: 6 июля 2011. Архивировано 3 июля 2011 года.
  6. ↑ 1 2 Объяснение слова «entity» во спецификации языка XML. Дата обращения: 12 апреля 2014. Архивировано 10 января 2020 года.
  7. ↑ HTML Document Representation. www.w3.org. Дата обращения: 27 ноября 2019. Архивировано 23 декабря 2019 года.
  8. ↑ Объяснение слова «valid» в спецификации. Дата обращения: 12 апреля 2014. Архивировано 10 января 2020 года.
  9. ↑ Использование формы Бэкуса — Наура во спецификации. Дата обращения: 12 апреля 2014. Архивировано 10 января 2020 года.
  10. ↑ Запись пустого пространства в форме Бэкуса — Наура. Дата обращения: 12 апреля 2014. Архивировано 10 января 2020 года.
  11. ↑ If both the external and internal subsets are used, the internal subset MUST be considered to occur before the external subset.
  12. ↑ 1 2 3 4 5 6 7 8 Xml parsing. Дата обращения: 30 августа 2019. Архивировано 16 марта 2022 года.
  13. ↑ Streaming versus DOM (The Java EE 5 Tutorial). Дата обращения: 9 апреля 2022. Архивировано 9 апреля 2022 года.
  14. ↑ 1 2 3 4 5 Comparing StAX to Other JAXP APIs (The Java EE 5 Tutorial). Дата обращения: 9 апреля 2022. Архивировано 9 апреля 2022 года.
  15. ↑ 1 2 Pull Parsing versus Push Parsing (The Java EE 5 Tutorial). Дата обращения: 9 апреля 2022. Архивировано 9 апреля 2022 года.
  16. ↑ StAX API (The Java™ Tutorials > Java API for XML Processing (JAXP) > Streaming API for XML). Дата обращения: 9 апреля 2022. Архивировано 9 апреля 2022 года.
  17. ↑ XML Parsers. Дата обращения: 11 марта 2009. Архивировано из оригинала 3 марта 2009 года.
  18. ↑ Intel XML Accelerator (недоступная ссылка)

Литература

[править | править код]
  • Дэвид Хантер, Джефф Рафтер, Джо Фаусетт, Эрик ван дер Влист, и др. XML. Работа с XML, 4-е издание = Beginning XML, 4th Edition. — М.: «Диалектика», 2009. — 1344 с. — ISBN 978-5-8459-1533-7.
  • Дэвид Хантер, Джефф Рафтер и др. XML. Базовый курс = Beginning XML. — М.: Вильямс, 2009. — 1344 с. — ISBN 978-5-8459-1533-7.
  • Роберт Тейбор. Реализация XML Web-служб на платформе Microsoft .NET = Microsoft .NET XML Web Services. — М.: Вильямс, 2002. — 464 с. — ISBN 0-672-32088-6.

Ссылки

[править | править код]
Источник — https://ru.ruwiki.ru/w/index.php?title=XML&oldid=129669206