I. Коротко об XML — Документация Краткое руководство по XML 01.12.2015 v2

Введение в xml¶

XML ( англ. eXtensible Markup Language) — расширяемый язык разметки,
предназначенный для хранения и передачи данных.

Простейший XML-документ выглядит следующим образом:

Первая строка — это XML декларация. Здесь определяется версия XML (1.0) и кодировка файла. На следующей строке описывается корневой элемент документа <book> (открывающий тег).

Следующие 4 строки описывают дочерние элементы корневого элемента ( title, author, year, price).

Документ XML состоит из элементов (elements). Элемент начинается открывающим тегом (start-tag) в угловых скобках, затем идет содержимое (content) элемента, после него записывается закрывающий тег (end-teg) в угловых скобках.

Информация, заключенная между тегами, называется содержимым или значением элемента: <author>ErikT.Ray</author>. Т.е. элемент author принимает значение ErikT.Ray. Элементы могут вообще не принимать значения.

Элементы могут содержать атрибуты, так, например, открывающий тег <titlelang=»en»> имеет атрибут lang, который принимает значение en. Значения атрибутов заключаются в кавычки (двойные или ординарные).

Некоторые элементы, не содержащие значений, допустимо записывать без закрывающего тега. В таком случае символ / ставится в конце открывающего тега:

Описание типов документов: языки схем

Для описания типов документов используются языки схем (англ. schema language).
Поскольку XML является подмножеством языка SGML, то он унаследовал разработанный для SGML язык Document Type Definition (DTD).

Xml-файл: что это такое

Аббревиатура XML означает Extensible Markup Language, или в переводе Расширяемый Язык Разметки. XML и HTML в чем-то похоже, ведь они оба являются языками разметки. Однако созданы они для разных целей, так HTML – это разметка для контента веб-страниц, XML – это разметка для структурирования данных.

XML – это один из самых популярных форматов для передачи данных от одних систем к другим. Хотя сейчас появились новые усовершенствованные языки разметки для организации и передачи данных (тот же XHTML), все же формат .xml имеет большое влияние. Во-первых, его по-прежнему активно используют, а во-вторых, он лег в основу таких форматов, как RSS или SVG.

Excel

Если данные документа представлены в виде таблицы, используйте другую программу из пакета Microsoft Office – инструмент Excel.

Открыть документ в Excel можно таким же образом, как и в Word. Кликнуть по файлу правой клавишей, а затем в списке «Открыть с помощью» выбрать Excel.

Если Excel в списке не оказалось, используйте другой метод запуска:

1. Если у вас Windows 10, нажмите на иконку в виде лупы справа от кнопки «Пуск». Вбейте в поисковую строку слово «excel».
2. В верхней области панели появятся результаты поиска – нажмите на «Microsoft Excel», чтобы запустить программу.
3. В интерфейсе приложения нажмите на «Файл». Выберите пункт «Открыть».
4. В «Проводнике Windows» найдите документ xml. Выделите его левой кнопкой мыши и нажмите «Открыть».
5. Выберите способ открытия файла, например, XML-таблица. Нажмите на «ОК».
6. Подождите, пока загрузится таблица. Если она большая, процесс займет некоторое время.

Notepad

В NotePad можно читать и редактировать готовые xml-документы, а также создавать новые. Приложение также работает с другими форматами веб-файлов, например, с YML.

При установке программы можно выбрать русский язык интерфейса. Плюс NotePad в том, что она выделяет корневую структуру кода, что упрощает работу с документом. В «Блокноте», к примеру, теги идут чуть ли не сплошным текстом.

Как открыть XML-файл в NotePad :

1. Запустите приложение и нажмите на раздел «File» («Файл»). В меню выберите «Open» («Открыть»).
2. Либо сразу после запуска программы зажмите комбинации клавиш Ctrl O. Также можно нажать на вторую иконку «Open» на панели инструментов, которая находится чуть ниже.
3. В «Проводнике Windows» найдите документ xml. Выберите его левой кнопкой мыши и нажмите на «Открыть».
4. Подождите, пока загрузится файл со структурой кода.

Xmlgrid

Сервис простой и функциональный. Здесь можно создавать свои файлы xml, редактировать готовые документы. Документ можно загрузить двумя способами: вставить ссылку на файл в интернете либо загрузить физический документ с жесткого диска ПК.

Интерфейс у сервиса на английском языке, но разобраться в нем сможет каждый:

1. Откройте веб-сервис. Нажмите на «Open File», если документ находится на жестком диске вашего ПК. В «Проводнике Windows» найдите файл, выделите его левой кнопкой мыши – нажмите «Открыть».
2. Кликните «Submit», чтобы система начала загрузку файла. Подождите некоторое время, пока она завершится.
3. Если у вас есть ссылка на файл в интернете, кликните по «By URL». Вставьте скопированную ссылку в поле и нажмите «Submit».
4. Подождите, пока откроется структура файла (список главных веток).
5. Чтобы изменить название ветки, просто нажмите на ее название. Включится режим редактирования: удалите старую надпись и введите новую.
6. Чтобы отредактировать текст, откройте  ветку, в которой он находится. Для этого нажмите на стрелку слева от ее названия. Теперь выберите левой кнопкой синее поле для редактирования.
7. Выберите пункт «Edit» в контекстном меню.
8. Введите нужный текст в синее поле.
9. Чтобы увидеть результат редактирования (структуру текста в целом), нажмите на стрелку над таблицей.
10. В меню выберите «Show XML Source Code».
11. Подождите, пока откроется дополнительное окно с текстом и тегами. Чтобы закрыть окно, нажмите на крестик в правом верхнем углу.
12. Когда закончите редактирование, нажмите на иконку «Save» справа от кнопок «Validate» и «Textview». Выберите папку на жестком диске для сохранения файла.

Визуализация без использования стилей css

Без использования CSS или XSL XML-документ отображается как простой текст в большинстве веб-браузеров. Некоторые браузеры, такие как Internet Explorer, Mozilla Firefox и Opera (встроенный инструмент Opera Dragonfly) отображают структуру документа в виде дерева, позволяя сворачивать и разворачивать узлы с помощью нажатий клавиши мыши.

Где используются файлы .xml

Применения этих файлов очень широко. Часто они используются для работы приложений, программ, сложных документов или веб-сайтов.

Хороший пример – парсер. Здесь XML содержит информацию о структуре другого документа, чтобы корректно передать данные другому приложению, программе или сайту. То есть по сути файл .xml выполняет роль связующего моста.

Еще один пример – создание выписок или справок. Здесь XML–файл подтягивает различную информацию из базы данных, чтобы сформировать нужный отчет. В жизни вы можете встретить такой отчет, например, при получении кадастровой выписки из Росреестра.

Действительный документ. проверяющие и непроверяющие процессоры

Документ является действительным, если с ним связано определение типа документа и если этот документ отвечает представленным в определении типа документа ограничениям.

XML-процессоры делятся на два класса: проверяющие и непроверяющие.

Проверяющие процессоры проверяют действительность документа и должны сообщать (по выбору пользователя) о нарушении ограничений, сформулированных в определении типа документа.

Непроверяющие процессоры не проверяют действительность документа, но обязанности по предварительной обработке документа, упомянутые выше, остаются за ними.

Как открыть файл xml на телефоне android

Как правило, смартфоны iPhone и Android уже имеют встроенные текстовые редакторы. Поэтому, кликнув на файл, гаджет самостоятельно откроет вам файл .xml нужным приложением. Однако после перепрошивки на телефоне могут остаться только основные приложения. Обычно это случается именно с Андроидами, поэтому о них мы и говорим.

Чтобы открыть и отредактировать документ вам нужно соответствующее приложение. Для этого зайдите в магазин приложений, которым вы пользуетесь, например, Google Play, Samsung Apps или HUAWEI AppGallery. Далее в строке поиска начните набирать XML…, а далее Viewer (если вы хотите просмотреть документ) или Editor (если хотите редактировать его).

Большинство бесплатных программ умеют редактировать только простейшие документы с форматом юникода utf-8. Для более сложных задач придется покупать подписку на платные приложения.

Кодировки¶

И еще один важный момент, который стоит рассмотреть — кодировки. Существует множество кодировок, о них подробнее можно прочитать в статье Набор
символов.

Самыми распространенными кириллическими кодировками являются Windows-1251 и UTF-8. Последняя является одним из стандартов, но большая часть ФНС отчетности имеет кодировку Windows-1251.

В XML файле кодировка объявляется в декларации:

Часто можно столкнуться с ситуацией, когда текстовый редаткор некорректно распознает кодировку и отображает кракозябры. В такой случае, необходимо выбрать кодировку вручную, для этого выполните:

Литература

• Дэвид Хантер, Джефф Рафтер, Джо Фаусетт, Эрик ван дер Влист, и др. XML. Работа с XML, 4-е издание = Beginning XML, 4th Edition. — М.: «Диалектика», 2009. — 1344 с. — ISBN 978-5-8459-1533-7.
• Дэвид Хантер, Джефф Рафтер и др. XML. Базовый курс = Beginning XML. — М.: Вильямс, 2009. — 1344 с. — ISBN 978-5-8459-1533-7.
• Роберт Тейбор. Реализация XML Web-служб на платформе Microsoft .NET = Microsoft .NET XML Web Services. — М.: Вильямс, 2002. — 464 с. — ISBN 0-672-32088-6.

Объявление xml

Объявление XML указывает версию языка, на которой написан документ. Поскольку интерпретация содержимого документа зависит от версии языка, то Спецификация предписывает начинать документ с объявления XML. В первой (1.0) версии языка использование объявления не было обязательным, в последующих версиях оно обязательно. Таким образом, версия языка определяется из объявления, и если объявление отсутствует, то принимается версия 1.0.

Кроме версии XML объявление может также содержать информацию о кодировке документа и «оставаться ли документу со своим собственным DTD, или с подключённым».

Пример:

или:

Во всех этих примерах отсутствовал атрибут «standalone», который как раз и определяет, подключить ли документу описания разметки извне. По умолчанию он равен «no»:

если XML-документ ссылается на другие DTD-файлы, которые описывают, что документ может содержать, вы должны указать standalone=»no»

если XML-документ не ссылается на другие файлы и будет пользоваться своим DTD, вы должны указать standalone=»yes»

Объявление типа документа

Для объявления типа документа существует специальная инструкция !DOCTYPE. Она позволяет задать при помощи языка DTD, какие в документ входят элементы, каковы их атрибуты, какие сущности могут использоваться и кое-что ещё.

Например, вот корректный документ:

В нём есть корневой элемент <greeting>Hello, world!</greeting>, и с логической точки зрения документ существует. Однако он недействителен (англ.  not valid)[8].

При помощи Объявления типа документа (DTD) возможно описывать его содержание и логическую структуру, а также связывать с определённым элементом пару «имя — значение».
Вот как выглядит пролог в записи Бэкуса — Наура[9]:

prolog        ::= XMLDecl? Misc* (doctypedecl Misc*)?
XMLDecl       ::= '<?xml' VersionInfo EncodingDecl? SDDecl? S? '?>'
VersionInfo   ::= S 'version' Eq ("'" VersionNum "'" | '"' VersionNum '"')
Eq            ::= S? '=' S?
VersionNum    ::= '1.' [0-9] 
Misc          ::= Comment | PI | S
doctypedecl   ::= '<!DOCTYPE' S Name (S ExternalID)? S? ('[' intSubset ']' S?)? '>'
DeclSep       ::= PEReference | S
intSubset     ::= (markupdecl | DeclSep)*
markupdecl    ::= elementdecl | AttlistDecl | EntityDecl | NotationDecl | PI | Comment
extSubset     ::= TextDecl? extSubsetDecl
extSubsetDecl ::= ( markupdecl | conditionalSect | DeclSep)*

Особенности языка

Обеспечить открытие файлов xml универсальными средствами, без использования дополнительных инструментов, позволяет принцип кодировки Юникод (UTF-8 и UTF-16). Благодаря этому документ доступен для ознакомления, в нём несложно разобраться с символами, содержанием прописанных инструкций и последовательностью запускаемых событий.

Язык разметки отличается гибкостью и легко подстраивается под нужды пользователя. Главное — знать и соблюдать основные правила. Начало документа xml, его первая строка должны содержать обязательную конструкцию, указывающую на версию xml, принцип кодировки и подключаемые для этого библиотеки.

Поиск информации в xml файлах (xpath)¶

XPath ( англ. XML Path Language) — язык запросов к элементам
XML-документа. XPath расширяет возможности работы с XML.

XML имеет древовидную структуру. В документе всегда имеется корневой
элемент (инструкция <?xmlversion=”1.0”?> к дереву отношения не имеет).
У элемента дерева всегда существуют потомки и предки, кроме корневого
элемента, у которого предков нет, а также тупиковых элементов (листьев
дерева), у которых нет потомков.

Это очень похоже на организацию каталогов в файловой системе, и строки
XPath, фактически, — пути к «файлам» — элементам. Рассмотрим пример
списка книг:

XPath запрос /bookstore/book/price вернет следующий результат:

Сокращенная форма этого запроса выглядит так: //price.

С помощью XPath запросов можно искать информацию по атрибутам. Например,
можно найти информацию о книге на итальянском языке: //title[@lang=»it»] вернет <titlelang=»it»>EverydayItalian</title>.

Чтобы получить больше информации, необходимо модифицировать запрос //book[title[@lang=»it»]] вернет:

В приведенной ниже таблице представлены некоторые выражения XPath и
результат их работы:

Понимание xml

Программы для открытия xml

Популярный и активно используемый формат классифицируется как текст и без труда открывается в простом текстовом редакторе. Если пользователь ещё не знаком с подобными файлами и не знает, чем открыть xml, то система может сделать это по умолчанию. Однако следует отметить, что всем известный MS Office Word для этих целей не подходит.

• Notepad . Признан лучшим текстовым редактором для работы с документами xml. Программа обладает расширенным функционалом, дружественным интерфейсом и максимально удобным для пользователя способом отображения на экране. Дополнительная подсветка синтаксиса существенно облегчает и упрощает просмотр. Полезное и удобное приложение входит в перечень обязательных для установки на любом компьютере и его возможности стоит попробовать.
• Блокнот Windows. Вполне подходит для быстрого просмотра и редактирования XML-файлов. Простенькая программка относится к системным. Для открытия документа в блокноте достаточно вызвать контекстное меню, щёлкнув по файлу правой кнопкой мыши. Осталось перейти в «Открыть с помощью…» и в открывшемся списке программ выбрать «Блокнот». Возможности приложения минимальные и здесь не будет подсветки синтаксиса, облегчающей восприятие написанной информации. Но для оперативной обработки такой способ вполне подойдёт.
• Браузер. Для чтения и ознакомления с файлами xml успешно используется любой браузер. Возможности создавать документ и вносить правки у него нет, но в информационных целях его можно использовать. Подойдёт самый простой Internet Explorer, «Яндекс» или Google. Если открытие файла не произошло автоматически, то нужно повторить предыдущую процедуру для вызова окна «Открыть с помощью». В списке приложений выбрать свой любимый веб-обозреватель. В некоторых случаях отображение информации происходит согласно тегам. Для «комфортного» представления достаточно воспользоваться комбинацией клавиш CTRL U и на экране появится исходный код документа. Несложно заметить, что картинка более вменяемая, а информация xml-файла представлена в удобном для чтения виде, по сравнению со стандартным блокнотом.

Вывод. Для открытия xml-файлов существует несколько программных возможностей, заложенных в самой ОС Windows. Новичкам этого вполне достаточно, а продвинутые пользователи знают, что в сети есть множество доступных онлайн-сервисов для работы с файлами с расширением xml.

Решение проблемы неоднозначности разметки

Употребление разметочных символов в символьных данных затрудняет распознавание конструкций разметки и может создать проблему неоднозначности структуры. В XML эта проблема решается следующим образом: <, > и & не могут присутствовать в символьных данных и в значениях атрибутов в их непосредственном виде, для их представления в этих случаях зарезервированы специальные сущности:

Кроме того, для употребления апострофов и кавычек внутри значений атрибутов используются следующие сущности:

Правило замены разметочных символов на их обозначающие сущности не распространяется на символьные данные в секциях «CDATA», зато выполняется во всех остальных местах документа.

Так же для написания символа «» необходимо использовать «\» (в XML, находящемся внутри формата DOCX этого делать не нужно).

С помощью браузера

Если вы хотите только лишь посмотреть данные в файле XML, то знайте, что практически каждый браузер может открывать XML-файл.

Так, например, в Opera просто откройте новую вкладку и перетащите XML-файл туда. Этот же способ подойдет для Firefox и Chrome.

Есть другой вариант: кликните правой кнопкой мыши на файл .xml и выберите опцию «Открыть с помощью», а из предложенного списка выберите удобный для вас браузер.

Чтобы открыть такой формат файла, браузеру не нужен доступ к Интернету, поскольку все данные уже хранятся на вашем ПК.

Символы разметки

Разметка всегда начинается символом < и заканчивается символом >.

Наряду с символами < и >, специальную роль для разметки играет также символ &. Угловые скобки обозначают границы элементов, инструкций обработки и некоторых других последовательностей. Амперсанд позволяет выполнить замену текста при помощи сущностей (англ. entities)[6].

Стандартный «блокнот»

В «Блокноте» откроется текст, обернутый в теги. При необходимости вы сможете его отредактировать в окне.

Запустить файл можно через то же контекстное меню документа. Выбираете «Открыть с помощью», нажимаете на «Блокнот».

Если «Блокнота» в списке приложений не оказалось, используйте другой способ:

1. Откройте пустое окно «Блокнота». Для этого найдите программу через поиск Windows 10. Введите название приложения в строке поиска – выберите «Блокнот» в результатах запроса.
2. Теперь зажмите мышкой файл xml (на рабочем столе либо в папке в «Проводнике») и перетащите его на пустое окно «Блокнота».
3. Подождите, пока документ откроется.

Сущности¶

Некоторые символы в XML имеют особые значения и являются служебными. Если вы поместите,
например, символ < внутри XML элемента, то будет
сгенерирована ошибка, так как парсер интерпретирует его, как начало
нового элемента.

В примере ниже будет сгенерирована ошибка, так как в значении «ООО<Мосавтогруз>» атрибута НаимОрг содержатся символы < и >.

Также ошибка будет сгенерирована и в слудющем примере, если название организации взять в обычные кавычки (английские двойные):

Чтобы ошибки не возникали, нужно заменить символ < на его
сущность. В XML существует 5 предопределенных сущностей:

Таким образом, корректными будут следующие формы записей:

или

В последнем примере английские двойные кавычки заменены на французские кавычки («ёлочки»), которые не являются служебными символами.

Физическая и логическая структуры документа

С физической точки зрения документ состоит из сущностей (англ. entities), из которых каждая может ссылаться на другую сущность. Единственный корневой элемент — документная сущность.
Содержание сущностей — символы.

С логической точки зрения документ состоит из комментариев (англ. comments), объявлений (англ. declarations), элементов (англ. elements), ссылок на сущности (англ. character references) и инструкций обработки (англ. processing instructions). Всё это в документе структуризуется разметкой (англ. markup).

Физическая структура

Сущность — мельчайшая часть в документе. Все сущности что-нибудь содержат, и у всех них есть имя (существуют исключения, напр. документная сущность). Проще говоря, термин «сущность» описывает «сущую вещь», «что-то»[6].

Документ состоит из сущностей, содержание которых — символы. Все символы разделены на два типа: символы данных (англ. character data) и символы разметки.
К разметке относятся:

Чтение xml: три варианта api

Для чтения XML есть три варианта API[12].

Событийный API (event-driven API, push-style API) — XML-процессор читает XML; при определённом событии (появлении открывающего или закрывающего тега, текстовой строки, атрибута) вызывается callback-функция.

enumclassPlace{ROOT,DOCUMENT,THING,N}PlaceparentPlace[static_cast<int>(Place::N)]={ROOT,ROOT,DOCUMENT};classMyEvent:publicXml::Event{private:Placeplace=Place::ROOT;Thing*currThing=nullptr;public:/// @return  true — тег нужен;  false — пропустить его и всё, что внутриboolonTagOpen(conststd::string&aName)override;voidonTagClose()override;voidonAttr(conststd::string&aName,conststd::string&aValue)override;voidonText(conststd::string&aText)override;}boolMyEvent::onTagOpen(conststd::string&aName){switch(place){casePlace::ROOT:if(aName=="document"){place=Place::DOCUMENT;returntrue;}break;casePlace::DOCUMENT:if(aName=="thing"){place=Place::THING;currThing=&things.emplace_back();returntrue;}break;}returnfalse;}voidMyEvent::onTagClose(){place=parentPlace[place];}voidMyEvent::onAttr(conststd::string&aName,conststd::string&aValue){if(place==Place::THING&&aName=="name")currThing->name=aValue;}voidMyEvent::onText(conststd::string&aText){if(place==Place::THING)currThing->value=aText;}xml::eventDrivenRead("in.xml",MyEvent());

Потоковый API (также pull-style API) — устроен на манер потоков ввода-вывода. Прикладной код запрашивает у процессора части XML, тот умеет только двигаться по XML вперёд, забывая уже пройденные части.

Объектный API (Document Object Model, DOM, «объектная модель документа») — считывает XML и воссоздаёт его в памяти в виде объектной структуры.

• − Расходует много памяти — намного больше, чем сам XML занимает на диске. На pugixml расход памяти втрое и более превышает длину XML.
• Прост для прикладного программиста.
• Библиотека проста в программировании.
• Позволяет произвольный доступ к XML^[12]. Это, например, упрощает работу с перекрёстными ссылками. Зачастую удаётся распознать «почти верные» XML с перепутанным порядком тегов.
• При ошибке в XML в памяти остаётся полусозданная структура XML, которая будет автоматически уничтожена самой библиотекой.
• Общий API для чтения и записи.
• ± Естественный выбор, когда объектом предметной области является сам XML: например, в веб-браузере^[12], XML-редакторе, в импортёре к программе-локализатору, который извлекает строки из XML произвольной структуры.
• ± Естественный выбор, когда нужно загрузить XML, слегка переработать и сохранить^[12]. Те части, которые трогать не нужно, не требуют никакого кода.
• Примеры библиотек: JDOM, TinyXML, pugixml

Бывают и гибридные API: внешние и маловажные части читаются потоковым методом, а внутренние и важные — объектным.

Эффективность использования xml

XML — язык разметки, другими словами, средство описания документа. Именно в нише документов, текстов, где доля разнотипных символьных данных велика, а доля разметки мала — XML успешен. С другой стороны, обмен данными в открытых системах не сводится к обмену документами.

Избыточность разметки XML (а в целях разработки языка прямо указано, что лаконичность не является приоритетом проекта) сказывается в ситуациях, когда данные не вписываются в традиционную модель документа. Лента новостей, например, оформляемая с использованием синтаксиса XML (форматы RSS, Atom), представляет собой не документ в традиционном понимании, а поток однотипных мини-документов — многословная и избыточная разметка в этом случае составляет существенную часть передаваемых данных.

W3C озабочен эффективностью применения XML, и соответствующие рабочие группы занимаются этой проблемой (к началу 2022 года нормативные документы не разработаны).

Другая ситуация, когда форматы XML могут оказаться не лучшим решением — работа с данными с простой структурой и небольшим объёмом символьных данных (поля данных). В этом случае доля разметки в общем объёме велика, а программная обработка XML может оказаться неоправданно затратной по сравнению с работой с данными более простой структуры.

Язык xml

Спецификация XML описывает язык и ряд вопросов, касающихся кодировки и обработки документов. Материал этой секции представляет собой сокращённое изложение описания языка в Спецификации XML, адаптированное для настоящей статьи.

Нормативным считается английский вариант документа, поэтому основные термины приводятся с их английскими оригиналами.

Перевод основных терминов в основном следует доступному в интернете переводу Спецификации на русский язык, исключение составляют термины tag и declaration. Для термина tag здесь используется перевод тег. Для термина declaration отдано предпочтение распространённому переводу объявление (против также распространённой кальки декларация).

В литературе и интернете могут встречаться и иные переводы основных терминов.