PDF de programación - XML

Programación en Internet 2009-2010

Departamento de Lenguajes y
Sistemas Informáticos

XML
XML

Programación en Internet

Curso 2009-2010

Programación en Internet – Curso 2009-2010

Contenidos

• Introducción
• Versiones
• Estructura de un documento
• Definición de un DTD
• Validación de un documento

DLSI - Universidad de Alicante

1

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Introducción

• XML
• Versiones
• Ventajas
• Objetivos de diseño
• Qué necesito para usar XML

Programación en Internet – Curso 2009-2010

XML

• Extensible Markup Language
• WorldWideWebConsortium(W3C)
• World Wide Web Consortium(W3C)
• Problema:

– HTML inflexible, mezcla contenido y

presentación

– SGML demasiado complejo

• Subconjunto de SGML

GML (IBM 1969)
GML (IBM, 1969)

⇓

⇓

SGML (ISO 8879, 1986)

XML (W3C, 1998)

DLSI - Universidad de Alicante

2

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

XML

• No es un lenguaje (no etiquetas

predefinidas), es un metalenguaje:
– Definir etiquetas y sus atributos
– Definir relaciones estructurales
• XHTML: híbrido HTML + XML

HTML escrito según XML (aplicación de
– HTML escrito según XML (aplicación de
XML)

– Sustituto de HTML

Programación en Internet – Curso 2009-2010

Versiones

• 10/2/1998: XML 1.0
• 6/10/2000: XML 1.0 Second Edition
• 4/2/2004: XML 1.0 Third Edition
• 16/8/2006: XML 1.0 Fourth Edition
– Las tres ediciones corrigen erratas y

ifi

l
clarifican/detallan el estándar, pero no son
una nueva versión

á d

/d

ll

l

DLSI - Universidad de Alicante

3

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Versiones

• 4/2/2004: XML 1.1

Actualiza 1.0 respecto al juego de caracteres (no depende
– Actualiza 1 0 respecto al juego de caracteres (no depende
de una versión específica de Unicode, permite utilizar
siempre la última), añade verificación de normalización de
caracteres y las normas de final de línea se ajustan más a
Unicode

– W3C: “You are encouraged to create or generate XML 1.0
documents if you do not need the new features in XML 1.1;
XML Parsers are expected to understand both XML 1.0 and
XML 1.1”
XML 1.1

• 16/8/2006: XML 1.1 Second Edition

– Corrige erratas y clarifica/detalla el estándar, pero no es una

nueva versión

Programación en Internet – Curso 2009-2010

Versiones

• Extensible Markup Language (XML)

1.0 (Fourth Edition)
– W3C Recommendation 16 August 2006
– http://www.w3.org/TR/2006/REC-xml-

20060816/
Para obtener siempre la última versión:
– Para obtener siempre la última versión:
• http://www.w3.org/TR/xml/

DLSI - Universidad de Alicante

4

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Ventajas

i t

F ilit

• Mejora búsquedas Metadatos
• Facilita intercambio información Estándar
• Visión estructurada Tratamiento local
• Integración diferentes fuentes
• Actualizaciones granulares División de la

ió E tá d

i f

bi

información
Separación contenido (datos) /
• Separación contenido (datos) /
presentación
– Facilita mantenimiento
– Ofrece múltiples presentaciones

Programación en Internet – Curso 2009-2010

Ventajas

• Permite crear lenguajes de marcado para

i

i

ífi

d
dominios específicos:
– Química: Chemical Markup Language (CML)
– Matemáticas: Mathematical Markup Language

(MathML)

– Música: MusicXML
Información monetaria: Open Financial Exchange
– Información monetaria: Open Financial Exchange
(OFX)

– Recursos humanos (ofertas de trabajo, currículos,

etc.): HR-XML

DLSI - Universidad de Alicante

5

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Ventajas

• El contenido se describe a sí mismo:

<persona id=“p110” sexo=“m”>
<nombre>Pedro López</nombre>
<direccion>de los Palotes, 120</direccion>
<fnacimiento>30/06/1970</fnacimiento>
</persona>
-------------
p110;m;Pedro López;de los Palotes, 120; 30/06/1970
-------------
0A 11 3C 2E 52 78 90 AA BC EA ...

Programación en Internet – Curso 2009-2010

DLSI - Universidad de Alicante

6

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Programación en Internet – Curso 2009-2010

DLSI - Universidad de Alicante

7

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Objetivos de diseño

1. Se debe de poder usar en Internet

•
•

Parte de HTML
Tan fácil de ver como HTML

2. Amplia variedad de aplicaciones

(estructurada, textual, multimedia, etc.)

3. Compatible con SGML (reutilización de

h
)
herramientas)

i

4. Sencillo de emplear (más fácil que SGML)
5. Características opcionales: mínimas (no

dos formas de hacer lo mismo)

Programación en Internet – Curso 2009-2010

Objetivos de diseño

6. Lectura y estructura clara (lectura

por un humano)

7. Diseño rápido (1996-1998)
8. Diseño formal y conciso (reglas)
9. Documentos fáciles de crear (simple

dit
ASCII)
editor ASCII)

10. Concisión etiquetas: mínima

importancia (no ahorro etiquetas)

DLSI - Universidad de Alicante

8

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Qué necesito para usar XML
• Editor ASCII estándar
• Visualización:

Vi
– Microsoft Internet Explorer 5
– Netscape 6

• Ficheros: .xml

li

ió

– Nombres cortos y sencillos
– No caracteres especiales ni espacios en blanco
No caracteres especiales ni espacios en blanco

• Qué vamos a usar:

– Microsoft Internet Explorer con XML/XSL Viewer Tools
– Microsoft XML Notepad 2007
– ezDTD 1.5
– Altova XML Spy 2004

Programación en Internet – Curso 2009-2010

Estructura de un

documento

• Estructura lógica
• Estructura de un documento
• Estructura de un DTD

DLSI - Universidad de Alicante

9

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Estructura lógica

• Plantilla:

– Etiquetas
– Atributos
– Posición

• Estructura definida por un DTD (Document

(grado de división en partes más pequeñas)

Type Definition)
– Opcional
l
– Define jerarquía (organización) y granularidad

O i

Programación en Internet – Curso 2009-2010

Estructura lógica

DLSI - Universidad de Alicante

10

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Estructura lógica

• Documento “bien formado”:

respeta sintaxis de XML

• Documento válido: respeta DTD

Programación en Internet – Curso 2009-2010

Estructura de un documento

• Comentarios:

<!-- Comentario -->
<!-- Comentario -->

• Cabecera (declaración XML) Instrucción de

procesamiento:
<?xml

version=”1.0”
encoding=”ISO-8859-1”
t d l
” ?>
standalone=”yes” ?>

”

• Si no se incluye:

– Versión: 1.0
– Codificación de caracteres: UTF-8
– Entidades externas: sí

DLSI - Universidad de Alicante

11

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Estructura de un documento
• Etiquetas Definen un elemento:
<LIBRO></LIBRO>
• Etiquetas vacías (inicial y final):
<LIBRO/>
• Distinción mayúsculas / minúsculas

Programación en Internet – Curso 2009-2010

Estructura de un documento
• Estructura jerárquica

– Organización fija
– No solapamiento

ó

• Elemento raíz único
• Atributos: siempre “” o ‘’

– &quot; y &apos;

• Atributos reservados:

– xml:lang
– xml:space: default | preserve

DLSI - Universidad de Alicante

12

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Estructura de un documento

• Ejemplo de xml:lang:

<p xml:lang="en">The quick brown fox jumps over the

lazy dog.</p>

<p xml:lang="en-GB">What colour is it?</p>
<p xml:lang="en-US">What color is it?</p>
<sp who="Faust" desc='leise' xml:lang="de">

<l>Habe nun ach! Philosophie </l>
<l>Habe nun, ach! Philosophie,</l>
<l>Juristerei, und Medizin</l>
<l>und leider auch Theologie</l>
<l>durchaus studiert mit heißem Bemüh'n.</l>

</sp>

Programación en Internet – Curso 2009-2010

Estructura de un documento
• Espacios en blanco:

– Tabulador
– Avance de línea
– Retorno de carro
– Espacio en blanco

• Normalización caracteres final de línea:

M i

– Macintosh CR LF
h CR LF
– MS-DOS / Windows CR+LF LF
– Unix LF

DLSI - Universidad de Alicante

13

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Estructura de un documento
• Caracteres especiales:

Programación en Internet – Curso 2009-2010

Estructura de un documento

• Secciones CDATA: permite que el analizador ignore

ciertas secciones del documento
ciertas secciones del documento

• Sintaxis:
<![CDATA[
…
]]>
• Solo la cadena final (]]>) se reconoce como
marcado y se pueden emplear los caracteres
marcado y se pueden emplear los caracteres
especiales

• Las secciones CDATA no se pueden anidar
• Utilidad: incluir código de script que suele contener

los caracteres &, <, >, ‘ y “

DLSI - Universidad de Alicante

14

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Estructura de un documento

<?xml version="1.0"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
"http://www w3 org/TR/xhtml1/DTD/xhtml1 strict dtd">
http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd >
<html>
<head>
<title>Una prueba del CDATA</title>
<script type="text/javascript">
if(a < 5 && a > 1)
</script>
</head>
<body>y
<p>Una prueba del CDATA</p>
</body>
</html>

alert("El valor de a no es correcto");

Programación en Internet – Curso 2009-2010

Estructura de un documento

<?xml version="1.0"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
"http://www w3 org/TR/xhtml1/DTD/xhtml1 strict dtd">
http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd >
<html>
<head>
<title>Una prueba del CDATA</title>
<script type="text/javascript">
<![CDATA[
if(a < 5 && a > 1)
]]>
</script>p
</head>
<body>
<p>Una prueba del CDATA</p>
</body>
</html>

alert("El valor de a no es correcto");

DLSI - Universidad de Alicante

15

Programación en Internet 2009-2010

Programación en Internet – Curso 2009-2010

Estructura de un DTD