XML, 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). XML является упрощённым
подмножеством языка SGML. XML позволяет
структурировать информацию разного типа, используя для этого произвольный набор
инструкций. Разработчиков интернет-приложений, пытающихся на практике
использовать новую технологию, могут заинтересовать конкретные
вопросы, связанные с проблемами создания, обработки XML-документов,
их отображения на стороне клиента. XML-разметка, в отличие от HTML, общем
случае не является отображаемой на экране, так как ее предназначение намного
шире - структурировать любую информацию вообще, например, базы данных и данные
приложений, составлять не только статичные структуры, но и алгоритмы, например,
трансляторы языков, программные приложения (XAML).
Годом рождения XML можно считать 1996 год, в конце которого появился черновой вариант спецификации языка, или 1998 год, когда эта спецификация была утверждена. А началось всё с появления в 1986 году языка SGML.
SGML, Standard Generalized Markup Language
-
стандартный обобщённый язык разметки) заявил о себе как гибкий, комплексный и всеохватывающий мета-язык для создания языков разметки.
Несмотря на то, что понятие гипертекста появилось в 1965 году, SGML не имеет гипертекстовой модели. Создание SGML можно с уверенностью назвать попыткой объять необъятное, так как он объединяет в себе такие возможности, которые крайне редко используются все вместе. В этом и состоит его главный недостаток - сложность и, как следствие, дороговизна этого языка ограничивает его использование только крупными компаниями, которые могут позволить себе купить соответствующее программное обеспечение и нанять высокооплачиваемых специалистов. Кроме того, у небольших компаний редко возникают настолько сложные задачи, чтобы привлекать к их решению SGML.
Наиболее широко SGML применяется для создания других языков разметки, именно с его помощью был создан язык разметки гипертекстовых документов - HTML, спецификация которого была утверждена в 1992 году. Его появление было связано с необходимостью организации стремительно увеличивающегося массива документов в сети Интернет. Бурный рост количества подключений к Интернету и, соответственно, веб-серверов повлек за собой такую потребность в кодировке электронных документов, с которой не мог справиться SGML вследствие высокой трудности освоения. Появление HTML - очень простого языка разметки - быстро решило эту проблему: лёгкость в изучении и богатство средств оформления документов сделали его самым популярным языком для пользователей Интернет. Но, по мере роста количества и изменения качества документов в Сети, росли и предъявляемые к ним требования, и простота HTML превратилась в его главный недостаток. Ограниченность количества тегов и полное безразличие к структуре документа побудили разработчиков в лице консорциума W3C к созданию такого языка разметки, который был бы не столь сложен, как SGML, и не настолько примитивен, как HTML. В результате на свет появился язык XML, сочетающий в себе простоту HTML, логику разметки SGML и удовлетворяющий требованиям Интернета.
Стандартом определены два уровня правильности документа XML:
Правильно построенный XML документ, well-formed XML document
-
Правильно построенный документ соответствует всем общим правилам синтаксиса XML, применимым к любому XML-документу. И если, например, начальный тег не имеет соответствующего ему конечного тега, то это неправильно построенный документ XML. Документ, который неправильно построен, не может считаться документом XML; XML-процессор (парсер) не должен обрабатывать его обычным образом и обязан классифицировать ситуацию как фатальную ошибку.
Действительный XML документ, valid XML document
-
Действительный документ дополнительно соответствует некоторым семантическим правилам. Это более строгая дополнительная проверка корректности документа на соответствие заранее определённым, но уже внешним правилам, в целях минимизации количества ошибок, например, структуры и состава данного, конкретного документа или семейства документов. Эти правила могут быть разработаны как самим пользователем, так и сторонними разработчиками, например, разработчиками словарей или стандартов обмена данными. Обычно такие правила хранятся в специальных файлах - схемах, где самым подробным образом описана структура документа, все допустимые названия элементов, атрибутов и многое другое. И если документ, например, содержит не определённое заранее в схемах название элемента, то XML-документ считается недействительным; проверяющий XML-процессор (валидатор) при проверке на соответствие правилам и схемам обязан (по выбору пользователя) сообщить об ошибке.
Данные два понятия не имеют достаточно устоявшегося стандартизированного
перевода на русский язык, особенно понятие valid, которое можно также
перевести, как имеющий силу, правомерный, надёжный, годный, или даже
проверенный на соответствие правилам, стандартам, законам. Некоторые
программисты применяют в обиходе устоявшуюся кальку "Валидный".
Сегодня XML может использоваться в любых приложениях, которым нужна
структурированная информация - от сложных геоинформационных систем,
с гигантскими объемами передаваемой информации до обычных
"однокомпьютерных" программ, использующих этот язык для
описания служебной информации. При внимательном взгляде на окружающий
нас информационный мир можно выделить множество задач,
связанных с созданием и обработкой структурированной информации, для
решения которых может использоваться XML:
В первую очередь, эта технология может оказаться полезной для
разработчиков сложных информационных систем, с большим количеством приложений,
связанных потоками информации самой различной структурой. В этом случае
XML-документы выполняют роль универсального формата для обмена информацией
между отдельными компонентами большой программы, объектами различных
программных комплексов, информационных систем и сетей.
XML является базовым стандартом для нового языка описания ресурсов, RDF,
позволяющего упростить многие проблемы в Web, связанные с поиском нужной
информации, обеспечением контроля за содержимым сетевых ресурсов, создания
электронных библиотек и т.д.
Язык XML позволяет описывать данные произвольного типа и используется
для представления специализированной информации, например химических,
математических, физических формул, медицинских рецептов, нотных записей, и т.д.
Это означает, что XML может служить мощным дополнением к HTML для
распространения в Web "нестандартной", то есть объектно-ориентированной
информации. Возможно, в самом ближайшем будущем XML полностью заменит собой
HTML, по крайней мере, первые попытки интеграции этих двух языков уже делаются
(спецификация XHTML).
XML-документы могут использоваться в качестве промежуточного формата
данных в трехзвенных системах. Обычно схема взаимодействия между серверами
приложений и баз данных зависит от конкретной СУБД и диалекта SQL,
используемого для доступа к данным. Если же результаты запроса будут
представлены в некотором универсальном текстовом формате, то звено СУБД, как
таковое, станет "прозрачным" для приложения. Кроме того, сегодня на
рассмотрение W3C предложена спецификация нового языка запросов к базам данных
XQL, который в будущем может стать альтернативой SQL.
Информация, содержащаяся в XML-документах, может изменяться,
передаваться на машину клиента и обновляться по частям. Разрабатываемые
спецификации XLink и Xpointer поволят ссылаться на отдельные элементы
документа, c учетом их вложенности и значений атрибутов.
Использование стилевых таблиц (XSL) позволяет обеспечить
независимое от конкретного устройства вывода отображение XML- документов.
XML может использоваться в обычных приложениях для хранения и обработки
структурированных данных в едином формате.
XML-документ представляет собой обычный текстовый файл, в котором
при помощи специальных маркеров создаются элементы данных, последовательность и
вложенность которых определяет структуру документа и его содержание.
Основным достоинством XML документов является то, что при относительно простом
способе создания и обработки (обычный текст может редактироваться любым
тестовым процессором и обрабатываться стандартными XML анализаторами), они
позволяют создавать структурированную информацию, которую хорошо "понимают"
компьютеры.
Достоинства XML
XML - язык разметки, позволяющий стандартизировать вид файлов-данных, используемых компьютерными программами, в виде текста, понятного человеку;
XML поддерживает Юникод;
в формате XML могут быть описаны такие структуры данных, как записи, списки, деревья, форматированный текст;
XML - это самодокументируемый формат, который описывает структуру и имена полей так же как и значения полей;
XML имеет строго определённый синтаксис и требования к анализу, что позволяет ему оставаться простым, эффективным и непротиворечивым. Одновременно с этим, разные разработчики не ограничены в выборе экспрессивных методов (например, можно моделировать данные, помещая значения в параметры тегов или в тело тегов, можно использовать различные языки и нотации для именования тегов и т. д.);
XML - формат, основанный на международных стандартах;
Иерархическая структура XML подходит для описания практически любых типов документов, кроме аудио и видео мультимедийных потоков, растровых изображений, сетевых структур данных и двоичных данных;
XML представляет собой простой текст, свободный от лицензирования и каких-либо ограничений;
XML не зависит от платформы;
XML является подмножеством SGML (который используется с 1986 года). Уже накоплен большой опыт работы с языком и созданы специализированные приложения;
XML не накладывает требований на порядок расположения атрибутов в элементе и вложенных элементов разных типов, что существенно облегчает выполнение требований обратной совместимости;
В отличие от бинарных форматов, XML содержит метаданные об именах, типах и классах описываемых объектов, по которым приложение может обработать документ неизвестной структуры (например, для динамического построения интерфейсов);
XML имеет реализации парсеров для всех современных языков программирования;
Существует стандартный механизм преобразования XSLT, реализации которого встроены в браузеры, операционные системы, веб-серверы.
XML поддерживается на низком аппаратном, микропрограммном и программном уровнях в современных аппаратных решениях.
Недостатки XML
Синтаксис XML избыточен.
Размер XML-документа существенно больше бинарного представления тех же данных. В грубых оценках величину этого фактора принимают за 1 порядок (в 10 раз).
Размер XML-документа существенно больше, чем документа в альтернативных текстовых форматах передачи данных (например, JSON, YAML, Protocol Buffers) и особенно в форматах данных, оптимизированных для конкретного случая использования.
Избыточность XML может повлиять на эффективность приложения. Возрастает стоимость хранения, обработки и передачи данных.
XML содержит метаданные (об именах полей, классов, вложенности структур), и одновременно XML позиционируется как язык взаимодействия открытых систем. При передаче между системами большого количества объектов одного типа (одной структуры), передавать метаданные повторно нет смысла, хотя они содержатся в каждом экземпляре XML описания.
Для большого количества задач не нужна вся мощь синтаксиса XML и можно использовать значительно более простые и производительные решения.
Неоднозначность моделирования.
Нет общепринятой методологии для моделирования данных в XML, в то время как для реляционной модели и объектно-ориентированной такие средства разработаны и базируются на реляционной алгебре, системном подходе и системном анализе.
В природе есть множество объектов и явлений, для описания которых разные структуры данных (сетевая, реляционная, иерархическая) являются естественными, и отображение объекта в неестественную для него модель является болезненным для его сути. В случае с реляционной и иерархической моделями определены процедуры декомпозиции, обеспечивающие относительную однозначность, чего нельзя сказать о сетевой модели.
В результате большой гибкости языка и отсутствия строгих ограничений, одна и та же структура может быть представлена множеством способов (различными разработчиками), например, значение может быть записано как атрибут тега или как тело тега и т. д. Например:
Поддержка многих языков в именовании тегов дает возможность назвать, например вес русским словом, в таком случае компьютер никак не сможет установить соответствия этого поля с полем weight в англоязычной версии программы и с полями в версиях модели объекта на множестве других языков.
XML не содержит встроенной в язык поддержки типов данных. В нём нет строгой типизации, то есть понятий "целых чисел", "строк", "дат", "булевых значений" и т. д.
Иерархическая модель данных, предлагаемая XML, ограничена по сравнению с реляционной моделью и объектно-ориентированными графами и сетевой моделью данных.
Выражение неиерархических данных (например графов) требует дополнительных усилий
Кристофер Дейт, специалист в области реляционных баз данных, автор классического учебника "An Introduction to Database Systems", отмечал, что ":XML является попыткой заново изобрести иерархические базы данных:".
Пространства имён XML сложно использовать и их сложно реализовывать в XML-парсерах.
Существуют другие, обладающие сходными с XML возможностями, текстовые
форматы данных, которые обладают более высоким удобством чтения человеком
(YAML, JSON, SweetXML, XF).
XSL является семейством рекомендаций, описывающих языки преобразования и
визуализации XML-документов. Документ трансформируется в формат, подходящий для
отображения в браузере. Браузер - это наиболее частое использование XSL, но не
стоит забывать, что с помощью XSL можно трансформировать XML в любой формат,
например VRML, PDF, текст.
Так как XML является достаточно абстрактным языком, были разработаны словари
XML.
Словарь позволяет разработчикам договориться о некотором конечном наборе
имен тегов и атрибутов этих тегов. Одним из первых словарей является XHTML,
который понимают большинство браузеров. XHTML часто используют для хранения и
редактирования контента в CMS.
Были созданы более специализированные словари, например протокол передачи
данных SOAP, который не является человеко-ориентированным и достаточно трудно
читаем. Есть коммерческие словари, такие как CommerceML, xCBL и cXML которые
используются для передачи данных, ориентированных на торговую деятельность, эти
словари включают в себя описание системы заказов, поставщиков, продуктов и
прочее.
Обычно, описывая какой-либо документ, человек для себя придумывает некоторый
словарь, который потом описывается посредством DTD - Document Type Definition,
XSD или просто объясняет "на пальцах" заинтересованным лицам.
Одним из словарей, получивших широкое распространение, является
FB2 - словарь, описывающий формат книги, со
всевозможными сносками, цитатами, даже картинками.
Как создать XML документ?
Для создания XML документа в простейшем случае вам не
понадобится ничего кроме обычного
текстового редактора (по мнению
многих Web-дизайнеров, лучший
инструмент для создания Web-страниц).
Вот пример небольшого XML-документа,
используемого вместо обычной
записной книжки:
<?xml version="1.0" encoding="koi-8"?>
<notepad>
<note id="1" date="12/04/99" time="13:40">
<subject>Важная деловая встреча</subject>
<importance/>
<text>
Надо встретиться с <person id="1625">Иваном Ивановичем</person>,
предварительно позвонив ему по телефону <tel>123-12-12</tel>
</text>
</note>
...
<note id="2" date="12/04/99" time="13:58">
<subject>Позвонить домой</subject>
<text>
<tel>124-13-13</tel>
</text>
</note>
</notepad>
При создании собственного языка разметки вы можете придумывать любые
названия элементов, (почти любые, т.к. список допустимых символов ограничен и
приведен в спецификации
XML), соответствующих контексту их использования. В нашем примере
приведен лишь один из многочисленных способ создания
структуры дневника. В этом и заключается гибкость и
расширяемость XML-производных языков - они создаются
разработчиком "на лету", согласно его представлениям о
структуре документа, и могут затем использоваться универсальными
программами просмотра наравне с любыми другими XML-производными
языками, т.к. вся необходимая для синтаксического анализа
информация заключена внутри документа.
Создавая новый формат, необходимо учитывать тот факт, что
документов, "написанных на XML", не может быть в принципе - в любом
случае авторы документа для его разметки используют основанный на
стандарте XML (т.н. XML-производный) язык, но не сам XML. Поэтому при
сохранении созданного файла можно выбрать для него какое-то
подходящее названию расширение (например, noteML).
XML может использоваться вами для создания документов какого-то
определенного типа и структурой, необходимой для конкретного
приложения. Однако если сфера применения языка оказывается
достаточно широкой и он начинает представлять интерес для большого
числа разработчиков, то его спецификация вполне может быть
представлена на рассмотрение в W3C и после согласования всеми
заинтересованными сторонами, утверждена консорциумом в качестве
официальной рекомендации.
Надо заметить, что процесс появления новой спецификации очень длителен и
сложен. Любой документ, предлагаемый W3C, прежде чем стать стандартом проходит
несколько этапов. Сначала пожелания и рекомендации, поступающие от различных
компаний, участвующих в его разработке, оформляются в виде принятого к сведению
замечания (Note), своеобразного протокола о намерениях. Информация, изложенная
в таких документах предназначена только для обсуждения членами
консорциума и никто не дает гарантии того, что эти замечания
потом станут рекомендацией.
Следующей этапом продвижения документа является рабочий вариант
спецификации, который составляет и
изменяет в дальнейшем специально
созданная рабочая группа (Working Group),
в состав которой входят
представители заинтересовавшихся
идеей компаний. Все изменения,
вносимые в этот документ
обязательно публикуются на сервере
консорциума www.w3.org и до тех пор, пока
рабочий вариант не станет
рекомендацией, он может служить для
разработчиков лишь "путеводной
звездой", с которой компания
может сверять свои планы, но не
должна использовать при разработке
ПО.
В том случае, если стороны
договорились по всем основным
вопросам и существенных изменений
в документ больше вносится, рабочий
вариант становится Предложенной
Рекомендацией и после голосования
членами рабочей группы может стать
уже Официальной Рекомендаций W3C,
что по статусу соответствует
стандарту в WWW.
XML-генераторы
XML документы могут служить промежуточным форматом для
передачи информации от одного приложения к другому (например, как
результат запроса к базе данных), поэтому их содержимое иногда
генерируется и обрабатывается программами автоматически. Далеко
не всегда XML документ нужно создавать вручную.
Пусть, например, нашей задачей является создание формата хранения
данных регистрации каких-то происходящих в системе событий
(log-файла). В простейшем случае можно ограничиться фиксированием
успешных и ошибочных запросов к нашим ресурсам - в таком документе
должна присутствовать информация о времени произошедшего события, его
результате (удача/ошибка), IP адресе источника запроса, URI ресурса и коде
результата.
Наш XML документ может выглядеть следующим образом:
Структура документа довольно
проста - корневым в данном случае
является элемент log, каждое
произошедшее событие фиксируется в
элементе event и описывается при
помощи его атрибутов(date - время и
result - тип события ) и внутренних
элементов (method - метод доступа, ip-from -
адрес источника, url-to -
запрашиваемый ресурс, response - код
ответа). Генерацией этого документа
может заниматься, например, модуль
аутентификации запросов в систему,
а использованием - программа
обработки регистрационных данных
(log viewer).
Что такое DTD - Document Type Definition?
Итак, мы создали XML документ и убедились, что набор используемых
при этом тэгов позволяет
осуществлять любые манипуляции с
нашей информацией. В таком случае,
для того, чтобы утвердить правила
нашего нового языка, т.е. список
допустимых элементов, их возможное
содержимое и атрибуты, мы должны
создать DTD - определения (на момент
написания статьи спецификация схем данных
для XMLдокументов еще не утверждена
и пока DTD являются единственным
стандартным способом описания
грамматики).
Сохраните этот файл под именем
log.dtd и включите в XML-документ новую
строчку:
<!--DOCTYPE log SYSTEM "log.dtd"-->
Теперь верифицирующий
XML-анализатор при обработке
документа будет сверять порядок
определения элементов и их
атрибутов с тем, как это указано у
нас в DTD-нотациях и в случае
нарушения внутренней структуры
(которая определяет
"семантику" документа)
выдавать сообщение об ошибке.
Что такое Namespaces?
Как уже упоминалось ранее, вся прелесть использования XML
заключается в возможности придумывания собственных тэгов,
названия которых наиболее полно соответствовали бы предназначению.
Но фантазия и словарный запас людей не безграничны, поэтому нет
абсолютно никакой гарантии того, что данные вами имена элементов не
будут использованы кем-то еще. До тех пор, пока в вашем приложении
обрабатываются только собственные XML-документы, никаких проблем не
возникнет. Но вполне возможна ситуация, когда один и тот же
документ будет содержать информацию для нескольких
обработчиков одновременно. В этом случае названия некоторых
элементов или их атрибутов могут совпасть, что вызовет либо ошибку в
XML- анализаторе, либо неправильное представление документа. Например,
в нашем случае, элемент event вполне мог бы быть использован для записи
других событий и обрабатываться другим приложением.
Чтобы исправить эту ситуацию,
мы должны определить уникальные
названия элементов и их атрибутов,
"дописывая" к их обычным
именам некоторый универсальный
неповторяющийся префикс. Для этого
применяется механизм Namespaces (спецификация
Namespaces была официально утверждена W3C
в январе 1999 года и сегодня является
частью стандарта XML). Согласно этой
спецификации, для определения
"области действия" тэга ( на
самом деле этот термин, широко
используемый в обычных языках
программирования, неприменим в XML,
потому что как такового множества,
на котором могла бы быть построена
"область", внутри
структурированного XML документа
нет) необходимо определить
уникальный атрибут, описывающий
название элемента, по которому
анализатор документа сможет
определить, к какой группе имен оно
относится (Namespace идентификаторы
могут применяться для описания
уникальных названий как элементов,
так и их атрибутов). В нашем последнем примере это может быть сделано так:
Уникальность атрибуту имени обеспечивает использование в
качестве его значения некоторых универсальных идентификаторов
ресурсов (например, URI или ISBN).
Полную информацию по использованию Namespace вы можете найти
в официальной
спецификации этого стандарта. В
дальнейшем, для упрощения примеров,
мы будем Namespace - описания
пропускать.
Инструментарий
Очевидно, что ручной способ создания структурированной
информации не может применяться для наполнения больших
информационных узлов. Для этого существуют специальные средства
разработки, список которых сегодня постоянно пополняется (их обзор
будет приведен в одной из следующих статей). Одним их самых простых и
удобных, на мой взгляд, является редактор XML Notepad, получить который
можно здесь - msdn.microsoft.com/xml/notepad/intro.asp).
Обработка XML-документов
Основным сдерживающим фактором в продвижении XML
технологии в Web на сегодняшний день является отсутствие полной
поддержки этого формата всеми производителями браузеров -
программ, наиболее часто используемых на стороне клиента.
Выходом из создавшейся ситуации может стать вариант, при котором
обработкой XML документов занимается серверная сторона
Используя любой существующий XML-анализатор, можно формировать
необходимую информацию уже на сервере и посылать клиенту
нормальный HTML-документ. Однако такой способ, конечно, менее гибок,
и позволяет использовать XML технологию лишь для хранения
структурированной информации, но не для ее динамического изменения
на стороне клиента.
В августе 1997 RFC 2376 были
утверждены MIME типы для XML-ресурсов:
text/xml и application/xml. Поэтому XML
документы могут передаваться по HTTP
и отображаться программой
просмотра также, как и обычные HTML-
страницы. Для этого нужно немного
изменить конфигурацию Web-сервера (в
Apache - добавить в файл mime.types строчку
"text/xml xml ddt"), а на стороне
клиента иметь браузер,
поддерживающий стилевые таблицы
или JavaScript. Сегодня такими
браузерами являются Microsoft Internet Explorer
5, первый браузер, поддерживающий
спецификацию XML 1.0 и стилевые
таблицы XSL; браузер Amaya,
предлагаемый консорциумом
специально для тестовых целей (http://www.w3.org/Amaya/User/BinDist.html)
и поддерживающий практически все
разрабатываемые стандарты W3C.
Поддержка XML также планируется в будущих версиях Netscape Navigator.
