Resumen XML

Lenguaje XML

• XML (eXtended Markup Language).
• Lenguaje de marcas o marcado. No es un lenguaje de programación.
• Desarrollado por W3C (World Wide Web Consortium).
• Basado en SGML (Standard Generalized Markup Language).
• Utilizado para el almacenamiento e intercambio de datos estructurados entre distintas plataformas.
• Es un metalenguaje empleado para definir otros lenguajes (dialectos XML): GML, MathML, RSS, SVG, XHTML, etc.

Elementos

• Un documento XML está formado por texto plano (sin formato) y contiene marcas (etiquetas) definidas por el desarrollador.
• Sintaxis: <etiqueta>valor</etiqueta>
• Elementos vacíos: <etiqueta></etiqueta> o <etiqueta/>
• Un elemento (padre) puede contener a otro u otros elementos (hijos).
• Todo documento XML tiene que tener un único elemento raíz (padre) del que desciendan todos los demás
• La estructura de cualquier documento XML se puede representar como un árbol invertido de elementos.
• Los elementos son los que dan estructura semántica al documento.
• Un elemento puede contener contenido mixto, es decir, texto y otros elementos.

<persona>
    <nombre>Elsa</nombre>
    <mujer/>
    <fecha-de-nacimiento>
        <día>18</día>
        <mes>6</mes>
        <año>1996</año>
    </fecha-de-nacimiento>
    <ciudad>Pamplona</ciudad>
</persona>

Normas de sintaxis básicas

• Todos los nombres de los elementos son sensibles a letras minúsculas y mayúsculas (case sensitive).
• Pueden contener letras minúsculas, letras mayúsculas, números, puntos (.), guiones medios (-) y guiones bajos (_).
• Asimismo, pueden contener el carácter dos puntos (:). Pero, su uso se reserva para definir espacios de nombres.
• El primer carácter tiene que ser una letra o un guion bajo (_).
• Detrás del nombre de una etiqueta se permite escribir un espacio en blanco o un salto de línea.
• No puede haber un salto de línea o un espacio en blanco antes del nombre de una etiqueta.
• Las letras no inglesas (á, Á, ñ, Ñ, etc.) están permitidas. Pero, al igual que el carácter guion medio (-) y el punto (.), se recomienda no utilizarlos para reducir posibles incompatibilidades o errores en programas que no los interpreten bien.
• No puede comenzar por la cadena xml, ni ninguna de sus versiones en que se cambien mayúsculas y minúsculas (XML, XmL, xML, etc.).

Atributos

• Un atributo sirve para proporcionar información extra sobre el elemento que lo contiene.
• Los nombres de los atributos deben cumplir las mismas normas de sintaxis que los nombres de los elementos.
• Todos los atributos de un elemento tienen que ser únicos.
• Los atributos contenidos en un elemento, deben separarse con espacios en blanco, no siendo significativo su orden.

Declaración XML

• La declaración XML no es una instrucción de procesamiento (o proceso).
• Escribir la declaración XML es opcional. Pero, si se escribe, el atributo version es obligatorio indicarlo. Sin embargo, los atributos encoding y standalone son opcionales y, por defecto, sus valores son UTF-8 y no, respectivamente.
• standalone="yes" indica que el documento es independiente de otros.
• Cuando se escriba el atributo encoding, siempre deberá aparecer después de version.
• Cuando se escriba e atributo standalone, siempre deberá aparecer en último lugar.
• Si se incluye la declaración XML, tiene que aparecer en la primera línea del documento, y el carácter < debe ser el primero de dicha línea, es decir, antes no pueden aparecer espacios en blanco.

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

Instrucciones de procesamiento

• Una instrucción de procesamiento sirve para indicar cierta información al programa que procese dicho documento.
• En un documento XML, no es obligatorio que aparezcan instrucciones de procesamiento.

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

Referencias a entidades

Caracter reservado	Nombre	Entidad
< (menor que)	lt (less than)	&lt;
> (mayor que)	gt (greater than)	&gt;
" (comilla doble)	quot (quotation mark)	&quot;
' (comilla simple)	apos (apostrophe)	&apos;
& (ampersand)	amp (ampersand)	&amp;

• El carácter menor que < es problemático porque indica el comienzo de una etiqueta.
• El carácter ampersand & es problemático, ya que se utiliza para indicar el comienzo de una referencia a entidad.
• Uso de la comilla doble " y de la comilla simple ' en atributos:
  • <dato caracter="comilla doble(&quot;)"/>
  • <dato caracter='comilla simple(&apos;)'/>
• Los valores de atributos escritos entre comillas dobles " sí pueden contener al carácter comilla simple ' y a la inversa:
  • <dato caracter="comilla simple(')"/>
  • <dato caracter='comilla doble(")'/>

Referencias de caracteres

• Se pueden escribir referencias de caracteres Unicode con los símbolos &#, seguidos del valor decimal o hexadecimal del carácter Unicode que se quiera representar y, finalmente, añadiendo el carácter punto y coma (;).
• Ejemplo: el símbolo del Euro € puede escribirse € ó €.

Comentarios

• No se pueden escribir comentarios dentro de las etiquetas: <mujer <!-- elemento vacío --> />
• En los comentarios no está permitido usar dos guiones seguidos. No es posible anidar comentarios en un documento XML.

<!-- Esto es un comentario válido en un documento XML -->
<!-- Dos guiones seguidos -- en un comentario incorrecto -->

Secciones CDATA

• Un documento XML puede contener secciones CDATA para escribir texto que no se desea que sea analizado.
• Una sección CDATA se escribe comenzando con la cadena <![CDATA[ y terminando con los caracteres ]]>.
• Dentro de una sección CDATA no se puede escribir la cadena ]]>. Por tanto, no se pueden anidar secciones CDATA.
• No está permitido escribir espacios en blanco o saltos de línea en las cadenas de inicio <![CDATA[ o fin ]]>.

Espacios de nombres

• Los URI especificados en un documento XML no tienen porqué contener nada, su función es ser únicos.
• Los espacios de nombres pueden definirse en el elemento raíz o, directamente, en los elementos que los vayan a utilizar.
• En un documento XML es posible definir todos los espacios de nombres que se necesiten, pudiéndose mezclar (si fuese necesario) los elementos de dichos espacios de nombres.
• Se puede definir un espacio de nombres por defecto mediante la siguiente sintaxis: xmlns="URI"
• En un documento XML, para indicar que determinados elementos (o todos) no pertenecen a ningún espacio de nombres, se escribe el atributo xmlns vacío. Es decir, xmlns="".

<raiz xmlns:prefijo="http://www.lmsgi.com/ejemplo-namespace">
    <prefijo:elemento></prefijo:elemento>
</raiz>

Espacios en blanco

• Los espacios en blanco, las tabulaciones y los retornos de carro pueden ser tratados de un modo especial.
• Los elementos pueden contener el atributo predefinido xml:space con el valor preserve para indicar que los espacios que aparecen en el contenido (texto) de dicho elemento, y sus sucesores, deben ser preservados.
• Los únicos valores que admite el atributo xml:space son preserve y default, siendo este último su valor por defecto cuando no se escribe dicho atributo.
• default indica que la aplicación que haga uso del documento XML se encarga de decidir cómo tratar los espacios en blanco. Ahora bien, aún con preserve, hay que tener en cuenta que no todos los programas reconocen este atributo.

Documentos XML bien formados y válidos

• Un documento XML está bien formado cuando no tiene errores de sintaxis.
• Un documento XML es válido cuando, además de no tener errores de sintaxis, no incumple ninguna de las normas establecidas en su estructura (DTD, XML Schema, etc.).