Язык XML

     XML (англ. eXtensible Markup Language — расширяемый язык разметки) — рекомендованный Консорциумом Всемирной паутины язык разметки, фактически представляющий собой свод общих синтаксических правил. XML — текстовый формат, предназначенный для хранения структурированных данных (взамен существующих файлов баз данных), для обмена информацией между программами, а также для создания на его основе более специализированных языков разметки (например, XHTML), иногда называемых словарями. XML является упрощённым подмножеством языка SGML.

     Целью создания XML было обеспечение совместимости  при передаче структурированных  данных между разными системами  обработки информации, особенно при  передаче таких данных через Интернет. Словари, основанные на XML (например, RDF, RSS, MathML, XHTML, SVG), сами по себе формально описаны, что позволяет программно изменять и проверять документы на основе этих словарей, не зная их семантики, то есть не зная смыслового значения элементов. Важной особенностью XML также является применение так называемых пространств имён.

     XML не содержит никаких тэгов,  предназначенных для разметки, он  просто определяет порядок их  создания.

     Сам процесс создания XML документа очень прост и требует от нас лишь базовых знаний HTML и понимания тех задач, которые мы хотим выполнить, используя XML в качестве языка разметки. Таким образом, у разработчиков появляется уникальная возможность определять собственные команды, позволяющие им наиболее эффективно определять данные, содержащиеся в документе. Автор документа создает его структуру, строит необходимые связи между элементами, используя те команды, которые удовлетворяют его требованиям и добивается такого типа разметки, которое необходимо ему для выполнения операций просмотра, поиска, анализа документа.

     XML позволяет также осуществлять  контроль за корректностью данных, хранящихся в документах, производить проверки иерархических соотношений внутри документа и устанавливать единый стандарт на структуру документов, содержимым которых могут быть самые различные данные. Это означает, что его можно использовать при построении сложных информационных систем, в которых очень важным является вопрос обмена информацией между различными приложениями, работающими в одной системе. Создавая структуру механизма обмена информации в самом начале работы над проектом, менеджер может избавить себя в будущем от многих проблем, связанных с несовместимостью используемых различными компонентами системы форматов данных.

     Также одним из достоинств XML является то, что программы-обработчики XML- документов не сложны и уже сегодня появились  и свободно распространяются всевозможные программные продукты, предназначенные  для работы с XML-документами. XML поддерживается сегодня в Microsoft Internet Explorer 4/0 и в бэта-версиях IE5. Было заявлено о его поддержке в последующих версиях Netscape Communicator, СУБД Oracle, DB-2, в приложениях MS-Office . Все это дает основания предполагать, что, скорее всего, в ближайшем будущем XML станет основным языком обмена информации для информационных систем, заменив собой, тем самым, HTML. На основе XML уже сегодня созданы такие известные специализированные языки разметки, как SMIL, CDF, MathML, XSL, и список рабочих проектов новых языков, находящихся на рассмотрении W3C, постоянно пополняется.

     Как выглядит XML-документ?

     Если  Вы знакомы с HTML, изучение XML не потребует  от вас особых усилий. Хотя XML, безусловно, сильно отличается по своим возможностям и предназначению от языка гипертекстовой разметки, оба эти языка являются подмножествами SGML, и, следовательно, наследуют  его базовые принципы.

     Структура документа

     Простейший XML- документ может выглядеть так:

     <?xml version="1.0"?>

     <list_of_items>

     <item id="1"><first/>Первый</item>

     <item id="2">Второй <sub_item>подпункт 1</sub_item></item>

     <item id="3">Третий</item>

     <item id="4"><last/>Последний</item>

     </list_of_items>

     Этот документ очень похож на обычную HTML-страницу. Также, как и в HTML, инструкции, заключенные в угловые скобки называются тэгами и служат для разметки основного текста документа. В XML существуют открывающие, закрывающие и пустые тэги (в HTML понятие пустого тэга тоже существует, но специального его обозначения не требуется).

     Тело  документа XML состоит из элементов  разметки (markup) и непосредственно содержимого документа - данных (content). XML - тэги предназначены для определения элементов документа, их атрибутов и других конструкций языка. Любой XML- документ должен всегда начинаться с инструкции <?xml?>, внутри которой также можно задавать номер версии языка, номер кодовой страницы и другие параметры, необходимые программе-анализатору в процессе разбора документа

     Правила создания XML- документа

     В общем случае XML- документы должны удовлетворять следующим требованиям:

     В заголовке документа помещается объявление XML, в котором указывается  язык разметки документа, номер его  версии и дополнительная информация

     Каждый  открывающий тэг, определяющий некоторую  область данных в документе обязательно  должен иметь своего закрывающего "напарника", т.е., в отличие от HTML, нельзя опускать закрывающие тэги

     В XML учитывается регистр символов

     Все значения атрибутов, используемых в  определении тэгов, должны быть заключены  в кавычки 

     Вложенность тэгов в XML строго контролируется, поэтому  необходимо следить за порядком следования открывающих и закрывающих тэгов 

     Вся информация, располагающаяся между  начальным и конечными тэгами, рассматривается в XML как данные и поэтому учитываются все  символы форматирования ( т.е. пробелы, переводы строк, табуляции не игнорируются, как в HTML)

     Если XML- документ не нарушает приведенные  правила, то он называется формально-правильным и все анализаторы, предназначенные  для разбора XML- документов, смогут работать с ним корректно.

     Однако  кроме проверки на формальное соответствие грамматике языка, в документе могут  присутствовать средства контроля над  содержанием документа, за соблюдением  правил, определяющих необходимые соотношений  между элементами и формирующих  структуру документа. Например, следующий  текст, являясь вполне правильным XML- документом, будет абсолютно бессмысленным:

     <country><title>Russia</title><city><title>Novosibirsk</country></title></city>

     Для того, чтобы обеспечить проверку корректности XML- документов, необходимо использовать анализаторы, производящие такую проверку и называемые верифицирующими.

     На  сегодняшний день существует два  способа контроля правильности XML- документа: DTD - определения(Document Type Definition) и схемы данных(Semantic Schema). В отличии от SGML, определение DTD- правил в XML не является необходимостью, и это обстоятельство позволяет нам создавать любые XML- документы, не ломая пока голову над весьма непростым синтаксисом DTD.

     Конструкции языка

     Содержимое XML- документа представляет собой  набор элементов, секций CDATA, директив анализатора, комментариев, спецсимволов, текстовых данных. Рассмотрим каждый из них подробней.

     Элементы  данных

     Элемент - это структурная единица XML- документа. Заключая слово rose в в тэги <flower> </flower> , мы определяем непустой элемент, называемый <flower>, содержимым которого является rose. В общем случае в качестве содержимого элементов могут выступать как просто какой-то текст, так и другие, вложенные, элементы документа, секции CDATA, инструкции по обработке, комментарии, - т.е. практически любые части XML- документа.

     Любой непустой элемент должен состоять из начального, конечного тэгов и  данных, между ними заключенных. Например, следующие фрагменты будут являться элементами:

     <flower>rose</flower>

     <city>Novosibirsk</city>

     ,а  эти - нет: 

     <rose>

     <flower>

     rose

     Набором всех элементов, содержащихся в документе, задается его структура и определяются все иерархическое соотношения. Плоская модель данных превращается с использованием элементов в сложную иерархическую систему со множеством возможных связей между элементами.

     В XML документе, как правило, определяется хотя бы один элемент, называемый корневым и с него программы-анализаторы начинают просмотр документа.

       В некоторых случаях тэги могут изменять и уточнять семантику тех или иных фрагментов документа, по разному определяя одну и ту же информацию и тем самым предоставляя приложению-анализатору этого документа сведения о контексте использования описываемых данных. Например, прочитав фрагмент <city>Holliwood</city> мы можем догадаться, что речь в этой части документа идет о городе, а вот во фрагменте <restaurant>Holliwood</restaurant> - о забегаловке.

     В случае, если элемент не имеет содержимого, т.е. нет данных, которые он должен определять, он называется пустым. Примером пустых элементов в HTML могут служить такие тэги HTML, как <br>, <hr>, <img>;. Необходимо только помнить, что начальный и конечные тэги пустого элемента как бы объединяется в один, и надо обязательно ставить косую черту перед закрывающей угловой скобкой (например, <empty/>;)

     Комментарии

     Комментариями является любая область данных, заключенная  между последовательностями символов <!-- и --> Комментарии пропускаются анализатором и поэтому при разборе структуры документа в качестве значащей информации не рассматриваются.

     Атрибуты

     Если  при определении элементов необходимо задать какие-либо параметры, уточняющие его характеристики, то имеется возможность  использовать атрибуты эдлемента. Атрибут - это пара "название" = "значение", которую надо задавать при определении элемента в начальном тэге. Пример:

     <color RGB="true">#ff08ff</color>

     <color RGB="false">white</color>

     или

     <author id=0>Ivan Petrov</author>

     Примером  использования атрибутов в HTML является описание элемента <font>:

     <font color=¦white¦ name=¦Arial¦>Black</font>

     Cпециальные символы

     Для того, чтобы включить в документ символ, используемый для определения  каких-либо конструкций языка (например, символ угловой скобки) и не вызвать  при этом ошибок в процессе разбора  такого документа, нужно использовать его специальный символьный либо числовой идентификатор. Например, &lt; , &gt; &quot; или &#036;(десятичная форма записи), &#x1a (шестнадцатеричная) и т.д. Строковые обозначения спецсиволов могут определяться в XML документе при помощи компонентов (entity), о чем мы еще поговорим немного позже.

     Директивы анализатора

     Инструкции, предназначенные для анализаторов языка, описываются в XML документе  при помощи специальных тэгов - <? и ?>;. Программа клиента использует эти инструкции для управления процессом разбора документа. Наиболее часто инструкции используются при определении типа документа (например, <? Xml version=¦1.0¦?>) или создании пространства имен[11].

     CDATA

     Чтобы задать область документа, которую  при разборе анализатор будет  рассматривать как простой текст, игнорируя любые инструкции и  специальные символы, но, в отличии от комментариев, иметь возможность использовать их в приложении, необходимо использовать тэги <![CDATA] и ]]>. Внутри этого блока можно помещать любую информацию, которая может понадобится программе- клиенту для выполнения каких-либо действий (в область CDATA, можно помещать, например, инструкции JavaScript). Естественно, надо следить за тем, чтобы в области, ограниченной этими тэгами не было последовательности символов ]].