Fundamentos de XML: conceptos, elementos y atributos para datos estructurados

Teoría XML

1. Introducción

XML, acrónimo de eXtensible Markup Language, es un formato estándar diseñado por el W3C a partir de SGML (Structured Generalized Markup Language) para representar datos estructurados de forma jerárquica, es decir, en forma de árbol.

• Los documentos XML incluyen una serie de etiquetas que permiten crear documentos en los que los datos van siempre acompañados de sus metadatos correspondientes.
• Aunque, a primera vista, un documento XML puede parecer similar a un documento HTML, existe una diferencia fundamental: mientras HTML está orientado a la presentación y contiene principalmente información de marcado para mostrar contenido, los documentos XML contienen fundamentalmente datos autodefinidos.

2. Conceptos y vocabulario

• Documento XML: Un documento XML es un documento de texto plano (sin formato).
• Procesador XML (XML parser): Cuando una aplicación necesita leer un documento XML, la aplicación recurre a un procesador XML.
  1. El procesador o intérprete XML lee el documento, analiza el contenido y le pasa la información en un formato estructurado a la aplicación.
• Caracteres: Los documentos XML pueden estar codificados en distintos juegos de caracteres, por ejemplo ISO-8859-1, UTF-8, etc.
• Marcas y contenido: El texto que contiene un documento XML se divide en marcas y contenido.
  1. Las marcas pueden ser de dos tipos: etiquetas o referencias a entidades.
  2. Todo lo que no son marcas es contenido.

3. Elementos

• En un documento XML el elemento es la unidad básica de información.
• Un elemento se define con sus etiquetas de inicio y fin, ambas obligatorias salvo en el caso de elementos vacíos que usan la forma abreviada.

1. Las etiquetas van encerradas entre los caracteres < y >.

Un nombre de elemento debe comenzar con letra o con el carácter subrayado (guion bajo). Después puede escribirse cualquier conjunto de caracteres válidos excepto el espacio en blanco, los dos puntos, los símbolos de menor y mayor y la barra /.

1. Un nombre de elemento no puede comenzar con las letras xml (esto se aplica sin distinción entre mayúsculas y minúsculas).

Un elemento puede contener a su vez a otros elementos.

3.1 Atributos

• Los elementos de un documento XML pueden incluir atributos que los describan.
  1. Por ejemplo: el tipo de datos que contiene, los valores permitidos, etc.
• Los atributos de un elemento deben especificarse en su etiqueta de inicio.
• Dentro de un mismo elemento no puede repetirse el mismo atributo.
• Un atributo está compuesto por un nombre y un valor.
• El valor deberá ir entre comillas dobles o simples en función del contenido.

1. Si en la información hay comillas dobles, el valor se enmarcará con comillas simples y viceversa.

Conceptos clave

• Documento XML: texto plano que representa datos estructurados.
• Procesador XML: componente que analiza y transforma el documento XML para su uso por aplicaciones.
• Elementos y atributos: estructura básica para declarar y describir datos en XML.
• Codificación: elegir el juego de caracteres adecuado (por ejemplo UTF-8) es importante para la interoperabilidad.