XML extensible Markup Language część 1
Historia
Czym jest język XML? Język XML to uniwersalny język formalny przeznaczony do reprezentowania różnych danych w ustrukturalizowany sposób. XML jest metajęzykiem tzn. przy jego pomocy możemy definiować słownictwo (znaczniki) dla dowolnej dziedziny ( extensible). Zbiór takich znaczników nazywamy aplikacją XML. XML jest niezależny od platformy, co umożliwia łatwą wymianę dokumentów pomiędzy różnymi systemami. Specyfikacja języka XML jest określona przez organizację W3C.
Czym nie jest język XML? Język XML nie jest niczym więcej niż językiem znaczników. XML nie jest językiem programowania. Nie istnieją kompilatory języka XML. Dokument XML tylko jest i nic nie robi. XML nie jest bazą danych. Baza danych może zawierać dane w postaci dokumentów XML, ale sama nie jest nigdy takim dokumentem. XML nie protokołem przesyłania danych w Internecie.
Czym różni się język XML od języka HTML? W języku HTML możemy używać tylko z góry określonych znaczników. W języku XML możemy definiować własne znaczniki. Znaczniki w języku HTML związane są prezentacją swojej zawartości (np. tekstu) na stronie WWW (określają jego rozmiar, krój itd.) Znaczniki XML charakteryzują raczej typ zawartości (danych). Przykład 1 HTML: <b> Alan Turing </b> XML: <person> Alan Turing </person>
Dokument XML W porównaniu z językiem HTML w języku XML mamy swobodę w definiowaniu znaczników. Musimy jednak ściśle przestrzegać zasad związanych z położeniem znaczników w dokumencie oraz ich postacią. Mówimy, że każdy dokument XML musi być poprawny składniowo (ang. well formed) czyli zgodny z regułami tworzenia dokumentów XML. Dokument XML zawiera tekst i może być edytowany przy pomocy dowolnego programu pozwalającego edytować pliki tekstowe.
Dokument XML Przykład 3 Rozważmy następujący dokument XML: <person> <name> <first_name>alan</first_name> <last_name>turing</last_name> </name> <profession>computer scientist</profession> <profession>mathematician</profession> <profession>cryptographer</profession> </person>
Dokument XML Dokument ten może być zapisany w pliku o dowolnej nazwie z rozszerzeniem xml. Dokument ten może być zapisany w kilku plikach (chociaż oczywiście nie ma to sensu bo dokument ten jest bardzo krótki). Dokument ten może w ogóle nie być zapisany w pliku. Może to być np. rekord w bazie danych lub wynik działania skryptu CGI. W języku XML podstawową jednostką danych jest tzw. element. Element to znacznik oraz dane. Spacja stanowi część zawartości, ale na ogół jest ignorowana przez aplikacje.
Dokument XML Znaczniki składają się z następujących elementów: Znacznik początkowy: <nazwa_elementu> Znacznik końcowy: </nazwa_elementu> Nazwa elementu może być dowolna, ale musi spełniać pewne warunki (o których dowiemy się później). Nie każdy element musi zawierać dane. Elementem pustym nazywamy element nie zawierający żadnych danych. Element taki oznaczany jest przez <nazwa_elementu/> lub <nazwa_elementu></nazwa_elementu>
Dokument XML Język HTML dopuszczał stosowanie znaczników: <hr> <br> Z punktu widzenia języka XML znaczniki takie nie są poprawne. W języku XML (w przeciwieństwie do języka HTML) wielkość liter jest ważna. Przykład 2 Jeżeli znacznikiem początkowym jest <person> to znacznikiem końcowym nie może być </Person>
Rozważmy następujący przykład: Przykład 3 <person> <name> <first_name>alan</first_name> <last_name>turing</last_name> </name> <profession>computer scientist</profession> <profession>mathematician</profession> <profession>cryptographer</profession> </person> Element person zawiera 4 elementy tzw. dzieci: 1 element name 3 elementy profession Element person jest ich rodzicem.
Element name zawiera 2 elementy będące jego dziećmi: first_name last_name Elementy first_name i last_name nazywane są rodzeństwem. Rodzic może mieć wiele dzieci. Każde dziecko ma dokładnie jednego rodzica. W każdym dokumencie XML istnieje jeden element, który nie posiada rodziców. Nazywamy go korzeniem (ang. root element) dokumentu XML. Każdy poprawny składniowo dokument XML musi zawierać dokładnie jeden korzeń. W powyższym przykładzie rodzicem jest element person.
Z omówionej struktury dokumentu XML wynika, że dokument taki ma reprezentację w postaci drzewa. Drzewo dokumentu XML z przykładu 3 wygląda następująco: W przykładzie 3 zawartością elementów first_name, last_name i profession był tekst (+spacje) niezawierający znaczników. Dokument XML może mieć też mieszaną zawartość tzn. znaczniki + tekst.
Rozważmy następujący przykład: Przykład 4 <biography> <name><first_name>alan</first_name><last_name> Turing </last_name></name> was one of the first people to truly deserve the name <emphasize>computer scientist</emphasize>. Although his contributions to the field are too numerous to list, his best-known are the eponymous <emphasize>turing Test</emphasize> and <emphasize>turing Machine</emphasize>. <definition>the <term>turing Test</term> is to this day the standard test for determining whether a computer is truly intelligent. This test has yet to be passed.</definition> </biography>
Atrybuty Elementy dokumentu XML mogą posiadać atrybuty. Atrybut to para nazwa-wartość znajdująca się w znaczniku początkowym danego elementu. Przykład 5 <person born="1912-06-23" died="1954-06-07"> Alan Turing </person> Element person posiada dwa atrybuty. atrybut born="1912-06-23" nazwa wartość
Uwagi: Zamiast " możemy użyć ', ale ten sam znak musi być na początku i na końcu. Obok symbolu = możemy wstawiać spacje. Kolejność atrybutów nie ma znaczenia. Przykład 6 Inna forma zapisu dokumentu z przykładu 5. <person died = '1954-06-07' born = '1912-06-23'> Alan Turing </person> Informacja zapisana w pliku z przykładu 3 może być zapisana przy użyciu atrybutów:
Przykład 7 <person> <name> <first_name>alan</first_name> <last_name>turing</last_name> </name> <profession>computer scientist</profession> <profession>mathematician</profession> <profession>cryptographer</profession> </person> <person> <name first="alan" last="turing"/> <profession value="computer scientist"/> <profession value="mathematician"/> <profession value="cryptographer"/> </person>
Nazwy XML Nazwy atrybutów i elementów w języku XML muszą spełniać te same reguły (te same reguły musza spełniać też inne, rzadziej stosowane konstrukcje). W ogólności będziemy mówić o nazwach XML. Nazwa XML może zawierać: 1) Standardowe litery (duże i małe) i cyfry np. A, b, 6 2) litery nieangielskie i ideogramy np. õ, Ж, IV 3) symbole: _ (podkreślnik), - (myślnik),. (kropka) Nazwa XML nie może zawierać: " (cudzysłów), ' (apostrof), $, %, ; (średnik) Symbol : jest zarezerwowany dla tzw. przestrzeni nazw.
Nazwy XML Nazwa XML nie może zawierać pustych znaków. Nazwa XML nie może zaczynać się od ciągu znaków XML (zarezerwowane dla specyfikacji XML). Nazwa XML może zaczynać się od: 1) litery 2) ideogramu 3) podkreślnika Nazwa XML nie może zaczynać się od: 1) liczby 2) myślnika 3) kropki
Nazwy XML Przykład 8 Poniższe elementy są poprawne składniowo czyli są zgodne z regułami tworzenia dokumentów XML. <Drivers_LicenseNumber>98 NY 32</Drivers_License_Nmber> <month-day-year>7/23/2001</month-day-year> <first_name>alan</first_name> <_4-lane>I-610</_4-lane> <téléphone>011 33 91 55 27 55 27</téléphone>
Nazwy XML Przykład 9 Poniższe elementy nie są poprawne składniowo czyli nie są zgodne z regułami tworzenia dokumentów XML. <month/day/year>7/23/2001</month/day/year> <first name>alan</first name> <Driver's_License_Number>98 NY 32</Driver's_License_Number> <4-lane>I-610</4-lane>
Encje Może się zdarzyć, że w dokumencie XML będzie będziemy chcieli użyć np. <. Bezpośrednie użycie < spowoduje, że znak ten będzie interpretowany jako początek znacznika. Jeżeli chcemy użyć znaku < w innym znaczeniu używamy encji <. Przykład 10 <SCRIPT LANGUAGE="JavaScript"> if (location.host.tolowercase().indexof("cafeconleche")<0) { location.href="http://www.cafeconleche.org/"; } </SCRIPT>
Encje Znak & jest zawsze rozpoznawany jako początek encji. Jeżeli chcemy wstawić w dokumencie ten znak to możemy użyć encji & Przykład 11 <publisher>a & B</publisher> W języku XML zdefiniowane są następujące encje: 1) < znak < 2) & znak & 3) > znak > 4) " znak '' 5) ' znak '
Encje Aplikacja parsująca dokument XML w przypadku napotkania encji automatycznie wstawia w to miejsce odpowiedni symbol do którego odnosi się dana encja. Oprócz powyższych 5 encji zdefiniowanych w specyfikacji XML istnieją encje które możemy sami definiować. Zajmiemy się nimi po omówieniu Definicji Typu Dokumentu (DTD).
Sekcje CDATA Jeżeli chcemy umieścić w dokumencie XML tekst, który nie będzie parsowany (np. komentarz) możemy to uczynić wykorzystując sekcje CDATA. Tekst taki umieszczamy między znacznikami: Przykład 12 <![CDATA[ ]]> i <p>you can use a default <code>xmlns</code> attribute to avoid having to add the svg prefix to all your elements:</p> <![CDATA[ <svg xmlns=http://www.w3.org/2000/svg width="12cm height="10cm"> <ellipse rx="110" ry="130" /> <rect x="4cm" y="1cm" width="3cm" height="6cm" /> </svg> ]]>
Sekcje CDATA W sekcji CDATA nie może pojawić się symbol ]]>. Sekcje CDATA są przeznaczone dla ludzi, a nie maszyn. Komentarze W dokumencie XML komentarze wstawiamy podobnie jak w dokumentach HTML. <! - komentarz --> W treści komentarza nie może pojawić się ciąg znaków -- > ponieważ będzie on traktowany jako zakończenie komentarza. Komentarz może pojawić się praktycznie w dowolnym miejscu w dokumencie XML.
Komentarze Komentarz może się pojawić m.in. przed lub za elementem będącym korzeniem. Komentarz nie może się pojawić wewnątrz znacznika i wewnątrz innego komentarza. Przykład 13 <person> <!-- Alan Turing --> <name> <first_name>alan</first_name> <last_name>turing</last_name> </name> <profession>computer scientist</profession> <profession<! prof2-->>mathematician</profession> <profession>cryptographer</profession> </person>
Komentarze Komentarze są przeznaczone dla ludzi i nie należy umieszczać w nich żadnych instrukcji przeznaczonych dla aplikacji. Instrukcje przetwarzania (Processing Instructions) Instrukcje przetwarzania są przeznaczone dla aplikacji, które mogą czytać dokument XML. <?cel instrukcja przetwarzania?> Bezpośrednio po znaczniku <? występuje tzw. cel (target). Cel identyfikuje aplikację mającą dokonać przetwarzania. Przykład 14 <?php mysql_connect("database.unc.edu", "clerk", "password");?>
Instrukcje przetwarzania (Processing Instructions) Przykład 15 HTML <meta name="robots" content="noindex,nofollow"> XML <?robots index="yes" follow="no"?> Przykład 16 <?xml-stylesheet type="application/xml" href="people.xsl"?> Podobnie jak komentarze instrukcje przetwarzania mogą pojawić się przed lub za elementem będącym korzeniem. Instrukcje przetwarzania nie mogą pojawić się wewnątrz znacznika.
Deklaracja dokumentu XML Dokument XML powinien (ale nie musi) zaczynać się od deklaracji XML. Deklaracja XML jest instrukcją przetwarzania (gdzie cel=xml) posiadającą następujące atrybuty: version standardowo ma wartość "1.0" Atrybut ten jest obowiązkowym elementem deklaracji. encoding określa sposób kodowania tekstu w dok. XML. Standardowo dokumenty XML używają kodowania UTF-8. Atrybut ten nie jest obowiązkowy. Jeżeli jest pominięty przyjmowane jest domyślnie kodowanie UTF-8.
Deklaracja dokumentu XML standalone atrybut określa czy dla dokumentu XML określona jest Definicja Typu Dokumentu (DTD). Atrybut ten nie jest obowiązkowym elementem deklaracji. Jeżeli jest pominięty przyjmowana jest domyślnie wartość no. Przykład 17 <?xml version="1.0" encoding="iso-8859-1" standalone="yes"?> <person> Erwin Schrödinger </person> UWAGA: Deklaracja XML nie jest obowiązkowa w dokumencie XML, ale jeżeli jest musi być pierwszym elementem dokumentu.
Dokument poprawny składniowo (well formed) Każdy dokument XML musi być poprawny składniowo tzn. musi spełniać pewne warunki. Najważniejsze z nich to: 1) Każdy znacznik początkowy musi posiadać znacznik końcowy. 2) Elementy mogą być zagnieżdżone, ale nie mogą nachodzić na siebie. Przykład 18 <person> <name> <first_name>alan<last_name> Turing</first_name></last_name> </name> </person>
Dokument poprawny składniowo (well formed) 3) Dokument musi posiadać dokładnie jeden korzeń. Przykład 19 <person> <name> <first_name>alan<first_name> Brak korzenia!!! <last_name>turing</last_name> </name> </person> <profession>computer scientist</profession> 4) Wartości atrybutów muszą znajdować się między symbolami " lub. Przykład 20 <person born="1912-06-23" died="1954-06-07"/>
Dokument poprawny składniowo (well formed) 5) Element nie może posiadać dwóch atrybutów o tej samej nazwie. 6) Komentarze i instrukcje przetwarzania nie mogą znajdować się wewnątrz znaczników. Przykład 21 <person<?php?>>tom</person> 7) Znaki < i & nie mogą pojawić się w żadnym elemencie i atrybucie.