D' Luis Alfonso Urea Lpez

1

• D. Luis Alfonso Ureña López
• Departamento de Informática
• Universidad de Jaén

2
Introducción Qué es XML?

• XML eXtensible Markup Language (Lenguaje
  Extensible de Marcas)
• Lenguaje abierto, estándar (W3 Consortium)
  derivado de SGML, optimizado para su uso en la
  WWW.
• Permite describir el sentido o la semántica de
  los datos.
• El XML, a diferencia del HTML, separa el
  contenido de la presentación.
• XML es un Meta-Lenguaje, que permite la
  definición de lenguajes concretos de
  representación de documentos.

3
Qué no es XML?

• XML no es una versión mejorada de HTML.
• XML no es un lenguaje para hacer mejores páginas
  web.
• XML no es difícil.

4
Inconvenientes generales de HTML

• Está diseñado para presentar información
  directamente a los humanos, y esto sin duda es
  algo bueno, pero es un lenguaje complicado de
  procesar para los programas informáticos.
• No es bueno porque no indica lo que está
  representando, se preocupa principalmente de que
  eso tiene que ir en azul, o con un tipo de letra
  determinada, pero no te dice que lo que está
  mostrando es el título de un libro o el precio de
  un artículo.

5
Problemas de HTML

• Define más la presentación que el contenido.
• No es fácilmente procesable por máquinas.
• Su estructura es caótica.
• Su interpretación es ambigua según el software
  utilizado.
• Su uso es la web.

6
Introducción

• La idea que subyace bajo el XML es la de crear un
  lenguaje muy general que sirva para muchas cosas.
• El XML describe el contenido de lo que etiqueta.
• Cualquier programa de informática puede trabajar
  más eficientemente sobre XML que HTML.

7
Por qué XML?

• Es un estándar.
• No pertenece a ninguna compañía y su utilización
  es libre.
• Permite la utilización efectiva de Internet.

8
Diferencia entre el SGML, XML y HTML
9
Características

• Utilizo mis propias etiquetas.
• La sintaxis es estricta. La especificación XML
  determina claramente una serie de reglas que
  especifican cuando un documento está bien
  formado.
• La utilización de una DTD (no es necesario, pero
  sí recomendable).
• Los elementos vacíos. La propia etiqueta de
  inicio llevará una contrabarra al final que los
  identificará.

10
Ventajas de XML

• Un estándar libre.
• Un lenguaje extensible.
• Fácilmente procesable por humanos y software.
• Una tecnología ya implantada en el mercado.
• Diseñado para ser utilizado en cualquier lenguaje
  o alfabeto.
• Separa el contenido de su representación.

11
Ventajas de XML
Un documento muchas formas de representacíón
HTML
WML
XML
RTF
PDF
12
Ventajas de XML

• Formato ideal para transacciones B2B.
• Permite la aplicación de técnicas de extracción
  de información y minería de datos.
• Las estrictas reglas para la composición de un
  documento XML permiten su fácil análisis
  sintáctico.

13
Reseña histórica

• Desarrollado a partir de 1996, como subconjunto
  de SGML.
• Adoptado como estándar en Febrero 1998 por el
  World Wide Web Consortium (W3C)

14
World Wide Web Consortium (W3C)

• Constituido en 1994 con el objetivo de
  desarrollar protocolos comunes para la evolución
  de Intermet.
• Es un consorcio de industrias internacionales, y
  está participado por el MIT (EEUU), INRIA
  (Francia), y Keio University (Japón).
• Cuenta con el soporte oficial de DARPA (EEUU) y
  la Comisión Europea.

15
Terminología

• XML eXtended Mark-up Language
• SGML Standard Generalised Mark-up Language
• XML "bien-formado"
• Validación
• DTD Document Type Definition
• Schema
• XSL eXtended Stylesheet Language
• Parser Analizador sintáctico

16
Terminología

• Elemento
• Atributo
• DOM Document Object Model
• RDF Resource Description Frarnework
• XLink, XPointer
• SML Simple Mark-up Language
• SMIL
• XHTML

17
Tecnologías XML

• Especificación
• Definición de documentos
• Definición de estilos
• Enlazado de documentos
• Aplicaciones

• XML v1.0
• DTD o Schemas
• XSLXSLTXpath
• XLLXLinkXPointer
• RDF, SMIL, HTML, etc.

18
Cómo construir documentos XML?

• Los fundamentos del XML son muy sencillos y en
  principio, para ir empezando, las únicas
  herramientas que nos harán falta son
• Un editor de textos, con el que escribir nuestros
  documentos XML (el notepad en Windows y el xemacs
  en Linux)
• Un procesador o parser XML (Explorer 5.X,
  Mozilla, XMLWriter)

19
Editor XML
20
Estructura de un documento XML

• Aunque a primera vista, un documento XML puede
  parecer similar a HTML, hay una diferencia
  principal.
• Un documento XML contiene datos que se
  autodefinen, exclusivamente.
• Un documento HTML contiene datos mal definidos,
  mezclados con elementos de formato.
• En XML se separa el contenido de la presentación
  de forma total.

21
Ejemplo

• Una forma rápida de entender la estructura de un
  documento XML es viendo un ejemplo

ltpensamientosgt ltautorgt Gibran, Khalil
lt/autorgt ltcitagt Para entender el corazón y la
mente de una persona, no te fijes en lo que ha
hecho, no te fijes en lo que ha logrado, sino en
lo que aspira a hacer. lt/citagt lt/pensamientosgt
22
Ejemplo

• lt?xml version'1.0'?gt
• ltalbumgt
• lttitulogtNos sobran los motivoslt/titulogt
• ltautor pais'ES'gtSABINAlt/autorgt
• ltformatogtMP3lt/formatogt
• ltlocalizaciongtVarios CD5 lt/localizaciongt
• lt/albumgt

23
Estructura

• Cada documento XML posee una estructura lógica y
  una física.
• La estructura lógica del documento es una serie
  de declaraciones, elementos, comentarios, etc.
  que se indican en el documento mediante marcas
  explícitas.
• La estructura física del documento es una serie
  de unidades llamadas entidades, es decir, indica
  los datos que contendrá el documento.
• Las estructuras lógica y física deben anidarse de
  forma correcta.

24
Estructura jerárquica de los elementos

• Los elementos deben seguir una estructura de
  árbol (estrictamente jerárquica).
• Los elementos deben estar correctamente anidados.
• Los elementos no se pueden superponer entre
  ellos.

25
Ejemplo de XML

• Incorrecto
• lt?xml version'1.0'?gt
• lttitulogtNos sobran los motivos
• Correcto
• lt?xml version'1.0'?gt
• lttitulogtNos sobran los motivoslt/titulogt

26
Estructura jerárquica

• Sólo puede haber un elemento raiz, en el que
  estén contenidos todos los demás.

27
Ejemplo incorrecto

• lt?xml version'1.0'?gt
• lttitulogtNos sobran los motivoslt/titulogt
• ltautor pais'ES'gtSABINAlt/autorgt
• ltformatogtMP3lt/formatogt
• ltlocalizaciongtVarios CD5 lt/localizaciongt

28
Ejemplo correcto

• lt?xml version'1.0'?gt
• ltalbumgt
• lttitulogtNos sobran los motivoslt/titulogt
• ltautor pais'ES'gtSABINAlt/autorgt
• ltformatogtMP3lt/formatogt
• ltlocalizaciongtVarios CD5 lt/localizaciongt
• lt/albumgt

29
Documentos XML bien-formados

• Se dice que un documento XML está bien-formado
  cuando cumple una serie de reglas descritas en la
  especificación oficial de XML v1.0

30
Ejemplo

• lt?xml version"1.0"?gt
• lt!DOCTYPE MENSAJE SYSTEM "mensaje.dtd"gt
• ltmensajegt
• ltremitegt
• ltnombregtL. Alfonso Ureñalt/nombregt
• ltemailgtlaurena_at_ujaen.eslt/emailgt
• lt/remitegt
• ltdestinatariogt
• ltnombregtReyes Magoslt/nombregt
• ltemailgtreyesmagos_at_ilusion.comlt/emailgt
• lt/destinatariogt
• ltasuntogtPetición Reyeslt/asuntogt
• lttextogt
• ltparrafogtQueridos Reyes, bla, bla,
  ....lt/parrafogt
• lt/textogt
• lt/mensajegt

31
El elemento y sus atributos
Contenido del elemento
Nombre del atributo

• ltautor pais'ES'gtSABINAlt/autorgt

Etiqueta de fin
Nombre del elemento
Valor del atributo
32
Etiquetas

• Todas las etiquetas tienen que estar debidamente
  cerradas es decir, con una etiqueta de cierre
  que se corresponda con la de apertura.
• Las etiquetas vacías (es decir, sin contenido)
  tienen una sintaxis especial.

33
Ejemplos de XML incorrecto

• ltautomovilgt Mercedes
• ltmodelo tipo"220 CDI"gt
• ltautomovilgt Alfa Romeo
• ltmodelo tipo"156 JTD"gt
• ltautomovilgt Volkswagen
• ltmodelo tipo"Golf"gt

34
Ejemplos de XML incorrecto

• ltautomovilgt Mercedes lt/automovilgt
• ltmodelo tipo"220 CDI"gt
• ltautomovilgt Alfa Romeo lt/automovilgt
• ltmodelo tipo"156 JTD"gt
• ltautomovilgt Volkswagen lt/automovilgt
• ltmodelo tipo"Golf"gt

Las etiquetas siempre tienen que estar cerradas
35
Versión más correcta

• ltautomovilgt Mercedes lt/automovilgt
• ltautomovilgt Alfa Romeo lt/automovilgt
• ltautomovilgt Volkswagen lt/automovilgt

ltmodelo tipo"220 CDI /gt
ltmodelo tipo156 JTD /gt
ltmodelo tipoGolf /gt
Las etiquetas sin contenido se cierran de la
forma mostrada
36
Atributos

• Los valores de los atributos de los elementos
  siempre deben estar marcados con las comillas
  dobles () o sencillas ()
• ltmodelo tipo"220 CDI"gt Esto es correcto
  lt/modelogt
• ltmodelo tipo156 JTDgt Esto es correcto
  lt/modelogt
• ltmodelo tipoGolf TDIgt Esto es incorrecto
  lt/modelogt

37
Nombrando cosas

• Un nombre de elemento, atributo, entidad etc.
  empieza por una letra, y continua con letras,
  dígitos, guiones, rayas, punto o dos puntos.
• El acrónimo XML (o xml o xMl, etc.) no
  pueden usarse como caracteres iniciales de un
  nombre de elemento, atributo, entidad, etc.

38
Nombrando cosas

• Según la especificación XML 1.0
• Un nombre empieza con una letra o uno o más
  signos de puntuación, y continúa con letras,
  dígitos, guiones, rayas, dos puntos o puntos,
  denominados de forma global como caracteres de
  nombre. Los nombres que empiezan con la cadena
  "xml", se reservan para la estandarización de
  esta o de futuras versiones de esta
  especificación.

39
Tipo de letra y espacios en blanco

• El XML es sensible al tipo de letra utilizado
  (case-sensitive), es decir, trata las
  mayúsculas y minúsculas como caracteres
  diferentes.
• no es lo mismo ltautomovilgt que ltAutomovilgt
• La especificación XML 1.0 permite el uso de esos
  espacios en blanco para hacer más legible el
  código, y en general son ignorados por los
  procesadores XML.
• En otros casos, los espacios en blanco
  resultan muy significativos, por ejemplo, para
  separar las palabras en un texto, o separar
  líneas de párrafos diferentes.

40
Marcado y datos

• Las construcciones como etiquetas, referencias de
  entidad y declaraciones se denominan marcas
  (mark-up). Estas son las partes del documento que
  el analizador sintáctico (parser) espera
  comprender.
• El resto del documento, que se encuentra entre
  las marcas, son los datos que resultan
  entendibles por las personas.

41
Marcado y datos

• Es sencillo reconocer las marcas en un documento
  XML.
• Son aquellas porciones que empiezan con lt y
  acaban con gt
• En el caso de las referencias de entidad,
  empiezan por y acaban con .

42
Ejercicio

• Realice un documento XML sobre libros de una
  biblioteca, que tenga título, autor, ISBN,
  editorial, año, número de ejemplares, biblioteca
  de destino, breve descripción del libro (las
  etiquetas las puede llamar como quiera).

43
Estructura
44
Prólogo

• Los documentos XML pueden empezar con unas línea
  que describe
• versión de XML (de momento sólo 1.0),
• la codificación de carácter (US-ASCII , UTF-8,
  UCS-2, EUC-JP, Big5, ISO-8859-1 hasta ISO-
  8859-7). En general, y para uso con lenguajes
  europeos (incluyendo el juego de caracteres
  especiales del castellano, usamos UTF-7 o
  ISO-8859-1)
• y algunas otras cosas
• Es opcional

45
Prólogo

• La segunda línea, o declaración de tipo de
  documento, define qué tipo de documento estamos
  creando para ser procesado correctamente.
• Definimos que Declaración de Tipo de Documento
  (DTD Document Type Definition) valida y define
  los datos que contiene nuestro documento XML.

46
Prólogo

• En ella se define el tipo de documento, y dónde
  encontrar la información sobre su Definición de
  Tipo de Documento, mediante un identificador
  público (PUBLIC) que hace referencia a dicha DTD,
  o mediante un Identificador Universal de Recursos
  (URI) precedido por la palabra SYSTEM.

47
Ejemplos de Prólogos

• lt?xml version"1.0" encoding"UTF-7" ?gt
• lt?xml version"1.0" encoding" US-ASCII" ?gt
• lt?xml version"1.0" encoding"UTF-7" ?gt
• lt!DOCTYPE biblioteca SYSTEM mensaje.dtd gt
• lt?xml version"1.0" encoding"UTF-7" ?gt
• lt!DOCTYPE ejemplo SYSTEM "http//www.ejemplos.xml/
  ejemplo.dtd"gt

48
Validez de un documento XML

• Un documento XML es válido si tiene asociado una
  DTD y el documento cumple las restricciones que
  la DTD expresa.

49
Elementos

• Son los objetos esenciales de un documento XML.
• Los elementos XML pueden tener contenido (más
  elementos, caracteres, o ambos a la vez), o bien
  ser elementos vacíos.
• Un elemento con contenido
• ltvehiculogt J 8975 AF lt/vehiculogt
• ltcaracteristica marca"Alfa Romeo" gt
• Mal estacionadolt/caracteristicagt

50
Elementos

• Siempre empieza con una ltetiquetagt que puede
  contener atributos o no, y termina con una
  lt/etiquetagt que debe tener el mismo nombre. Al
  contrario que HTML, en XML siempre se debe
  "cerrar" un elemento.
• Hay que tener en cuenta que el símbolo "lt"
  siempre se interpreta como inicio de una etiqueta
  XML. Si no es el caso, el documento no estará
  bien-formado.

51
Elementos vacíos

• Un elemento vacío, es el que no tiene contenido
  (claro).
• ltcaracteristica marca"Alfa Romeo/gt
• ltparametro /gt
• Al no tener una etiqueta de "cierre" que delimite
  un contenido, se utiliza la forma ltetiqueta/gt,
  que puede contener atributos o no.

52
Atributos

• Son la parte básica y el objeto más utilizado en
  la definición de documentos XML.
• Como se ha mencionado antes, los elementos pueden
  tener atributos, que son una manera de incorporar
  características o propiedades a los elementos de
  un documento.
• El atributo consta de dos partes
• La propiedad del elemento
• El valor de la propiedad
• ltvehiculo marca"Alfa Romeo" modelo"156 JTD"
  color"verde"gtMal estacionadolt/vehiculogt

53
Atributos

• Al igual que en otras cadenas literales de XML,
  los atributos pueden estar marcados entre
  comillas verticales ( ' ) o dobles ( " ).
• Cuando se usa uno para delimitar el valor del
  atributo, el otro tipo se puede usar dentro.
• ltvehiculo marca"Alfa Romeo" modelo"156 JTD"
  colorverdegtMal estacionadolt/vehiculogt

54
Atributos

• Un elemento con contenido, puede modelarse como
  un elemento vacío con atributos.
• Un concepto se puede representar de muy diversas
  formas, pero una vez elegida una, es aconsejable
  fijarla en el DTD, y usar siempre la misma dentro
  de un documento XML.

55
Atributos

• ltlibrogt lttitulogtSeguridad para Intranet e
  Internetlt/titulogt ltautorgtE. Amoroso lt/autorgt  
  lt/librogt
• ltlibro autor"E. Amoroso"gtSeguridad para Intranet
  e Internetlt/librogt
• ltlibro titulo"Seguridad para Intranet e
  Internet" autor"E. Amoroso"/gt

56
Entidades predefinidas

• En XML 1.0, se definen cinco entidades para
  representar caracteres especiales y que no se
  interpreten como marcado por el procesador XML.
• Por ejemplo, podemos usar el carácter "lt" sin que
  se interprete como el comienzo de una etiqueta
  XML.

57
Entidades predefinidas
58
Ejemplo

• lt?xml version"1.0" encoding"UTF-7"
  standalone'yes'?gt
• ltejemplosgt
• ltdescripciongtLo siguiente es un ejemplo de
  HTML.lt/descripciongt
• ltejemplogt
• ltHTMLgt
• ltHEADgt
• ltTITLEgtRock amp
  Rolllt/TITLEgt
• lt/HEADgt
• lt/ejemplogt
• lt/ejemplosgt

59
Secciones CDATA

• Las secciones CDATA (Character Data) permiten
  especificar datos, utilizando cualquier carácter,
  especial o no, sin que se interprete como marcado
  XML.
• La razón es que a veces es necesario para los
  autores de documentos XML, poder leerlos
  fácilmente sin tener que descifrar los códigos de
  entidades. Especialmente cuando son muchas.
• Las secciones CDATA empiezan por la cadena
  "lt!CDATA" y terminan con la cadena "gt" y sólo
  ésta última se reconoce como marca.
• No se pueden anidar secciones CDATA.

60
Ejemplo CDATA
Usando entidades predefinidas,

• ltejemplogt
• ltHTMLgt
• ltHEADgt
• ltTITLEgtRock amp
  Rolllt/TITLEgt
• lt/HEADgt
• lt/ejemplogt

61
Ejemplo CDATA
Usando un bloque CDATA

• ltejemplogt
• lt!CDATA
• ltHTMLgt
• ltHEADgt
• ltTITLEgtRock Rolllt/TITLEgt
• lt/HEADgt
• gt
• lt/ejemplogt

62
Comentarios

• A veces es conveniente insertar comentarios en el
  documento XML, que sean ignorados por el
  procesado de la información y las reproducciones
  del documento.
• Los comentarios tienen el mismo formato que los
  comentarios de HTML. Es decir, comienzan por la
  cadena "lt!--" y terminan con "--gt".
• Se pueden introducir comentarios en cualquier
  lugar de la instancia o del prólogo, pero nunca
  dentro de las declaraciones, etiquetas, u otros
  comentarios.

63
Comentarios (ejemplo)

• ...
• lt!-- Esto es un ejemplo de comentario --gt
• ...
• lt!-- esto es el final del documento --gt
• ...
• lt!-- Este vehículo es sancionado --gt
• ltvehiculo marca"Alfa Romeo" modelo"156 JTD"
  color"verde"gtMal estacionadolt/vehiculogt
• ...

64
Actualmente son dos los tipos de esquemas que
están liderando de el mercado, en un futuro no
muy lejano es posible que comiencen a surgir
nuevos tipos de definiciones.
65
Aplicaciones XML

• Desarrollo de portales

66
Recapitulación

• Definición XML El formato universal para
  documentos y datos estructurados en Internet.

67
Características W3C (recapitulación)

• XML es un estándar para escribir datos
  estructurados en un fichero de texto.
• XML parece HTML pero no lo es.
• XML está en formato texto, pero no para ser
  leído.
• XML consta de una familia de tecnologías.
• XML es prolijo, pero eso no supone un problema.
• XML es nuevo, pero no tanto.
• XML no requiere licencias, es independiente de la
  plataforma, y tiene un amplio soporte.

68
Enlaces Recomendados

• Robin Cover's XML Information
• http//www.oasis-open.org/cover/
• Sin duda alguna la guía más completa sobre
  SGML/XML que nos podemos encontrar en Internet.
• Free XML software
• http//www.stud.ifi.uio.no/larsga/linker/XMLtools
  .html
• Estupenda recopilación de software gratuito
  relacionado con XML. Esta página esta mantenida
  por Lars Marius Garshol.

69
Enlaces Recomendados

• XMLSOFTWARE
• http//www.xmlsoftware.com/
• Estupenda página sobre software XML mantenida por
  James Tauber.
• Introducción a XML en castellano
  http//ibium.com/alf/xml/index.asp