[XML] Podstawy, składnia i przestrzenie nazw w XML

XML, czyli EXtensible Markup Language jest uniwersalnym językiem służącym do opisu danych przy pomocy znaczników. Od lat jest niekwestionowanym standardem jeżeli chodzi o zapisywanie zbiorów danych. Nie ma praktycznie języka, który nie posiadałby lub nie mógł posiadać implementacji XML-a. Czyni to XML-a językiem niesamowicie uniwersalnym, całkowicie niezależnym od danej platformy, architektury, czy rodzaju oprogramowania.

Za pomocą XML-a komunikować się może praktycznie każdy z każdym i wszystko ze wszystkim, co jest zresztą powszechnie wykorzystywane - w końcu właśnie w tym celu ten język powstał. Kolejnym atutem XML-a jest jego prosta budowa oparta na znacznikach. Poza tym jest łatwiejszy w czytaniu dla człowieka niż np. JSON - nie stanowi żadnego problemu "przeczytanie" prostego dokumentu XML bez użycia żadnych parsujących narzędzi.

W artykule tym po krótce omówimy sobie strukturę dokumentów XML, a w następnych artykułach przeanalizujemy tworzenie, odczyt i przetwarzanie dokumentów XML za pomocą PHP oraz Javascriptu.

Definicja standardu

Każdy dokument XML zaczynamy od definicji standardu XML dokumentu i podania kodowania znaków dla niego:
[code]<?xml version="1.0" encoding="UTF-8"?>[/code]
Możemy pominąć podawanie tych parametrów, przyjęte zostaną wtedy wartości domyślne, takie jak powyżej, jednakże przyjęło się, że podajemy taką definicję na początku każdego dokumentu.

Przykład prostego dokumentu XML
[code]<?xml version="1.0" encoding="UTF-8"?>
<books category="fantasy">
  <book>
    <title>Hobbit</title>
    <author>J.R.R. Tolkien</author>
  </book>
  <book>
    <title>Wieża Jaskółki</title>
    <author>Andrzej Sapkowski</author>
  </book>
</books>[/code]

Znaczniki

Struktura dokumentu opiera się na znacznikach, w których opisujemy poszczególne elementy. Znacznik taki ma postać:
[code]<znacznik>jakaś zawartość</znacznik>[/code]
Przykładowo, opisując tytuł książki, możemy opisać go znacznikiem:
[code]<title>Pan Tadeusz</title>[/code]

Każdy znacznik może posiadać atrybuty go opisujące, które definiujemy następująco:
[code]<znacznik atrybut1="wartość1" atrybut2="wartość2" [...]>[/code]
Przykładowo:
[code]<person name="Jan Kowalski" age="28">[/code]

Znaczniki można w sobie zagnieżdzać, tj. każdy znacznik może posiadać w sobie kolejne znaczniki. Mówimy wtedy, że znacznik położony wyżej jest rodzicem znacznika położonego niżej, a znacznik położony niżej w hierarchi jest dzieckiem znacznika, w którym się zawiera. Popatrzmy na przykład z książką:
[code]<book>
  <title>Pan Tadeusz</title>
  <author>Adam Mickiewicz</author>
</book>[/code]
Znaczniki <title> i <author> są dziećmi znacznika <book> (zawierają się w nim), jednocześnie znacznik <book> jest tutaj ich rodzicem. Zagnieżdżać możemy oczywiście głębiej, popatrzmy na przykład:
[code]
<shop>
  <books category="poemat">
    <book>
      <title>Pan Tadeusz</title>
      <author>
        <first_name>Adam</first_name>
        <last_name>Mickiewicz</last_name>
      </author>
    </book>
  </books>
</shop>[/code]

Składnia i restrykcje

XML jest bardzo restrykcyjny jeśli chodzi o składnię:
1. W każdym dokumencie musi istnieć jeden nadrzędny, główny znacznik, w którym zawierać się będą pozostałe.
Znacznik główny nazywamy korzeniem - ang. root. W przypadku powyżej takim root-em dokumentu jest <shop></shop>.

2. Wszystkie znaczniki muszą zostać zamknięte w odpowiedniej kolejności - tak jak zostały otwarte.
Przykład niepoprawny:
[code]<books>
  <book>
    <title>Pan Tadeusz</title>
    <author>Adam Mickiewicz</author>
  </books>
</book>[/code]

Przykład poprawny:
[code]<books>
  <book>
    <title>Pan Tadeusz</title>
    <author>Adam Mickiewicz</author>
  </book>
</books>[/code]

3. Wszystkie puste znaczniki, a więc takie które nie posiadają znacznika zamykającego:
[code]<znacznik></znacznik>[/code]
muszą zostać domknięte za pomocą:
[code]<znacznik />[/code]

4. Nazwa znacznika może składać się ze znaków alfanumerycznych (litery a-z, A-Z, cyfry 0-9), nie powinna zawierać polskich znaków. W nazwie znacznika możemy użyć trzech znaków specjalnych:

• podkreślnika - _
• myślnika - -
• i kropki - .

5. Pozostałe znaki specjalne są zabronione. Ponadto nazwa znacznika nie może rozpoczynać się od znaku specjalnego oraz od ciągu xml, XML, Xml i pozostałych konfiguracji słowa xml.

6. Wszystkie znaczniki HTML ujęte pomiędzy znaczniki XML muszą zostać zamienione na encje.

7. Nigdzie w dokumencie (poza otwieraniem i zamykaniem znaczników) nie wolno nam użyć znaków:

• < (lt)
• > (gt)
• & (ampersand)

Musimy zamienić je na encje:

• < na &lt;
• > na &gt;
• & na &amp;

8. Wartości atrybutów podajemy zawsze w cudzysłowach lub apostrofach.

9. Komentarze w dokumencie XML umieszczamy podobnie jak w HTML-u:
[code]<!-- komentarz -->[/code]

10. Wszystko to co ma nie być przetwarzane przez parser XML umieszczamy w bloku:
[code]<![CDATA[
...
]]>[/code]

Walidacja

Dokument XML przygotowany lub wygenerowany niepoprawnie nie zostanie sparsowany. W sieci istnieje cała masa stron oferujących sprawdzanie poprawności składni dokumentów XML, są to tzw. walidatory. Przykładowo jeden z nich: https://validator.w3.org/ - walidator oferuje możliwość sprawdzenia dokumentu XML po podaniu jego URL-a, pliku lokalnego lub dokumentu wklejonego bezpośrednio do formularza. A na tej stronie wygenerujemy sobie widok drzewka z dokumentu XML: http://codebeautify.org/xmlviewer

Przestrzenie nazw

Przestrzenie nazw (namespaces) zostały stworzone w celu zdefiniowania sposobu opisu znaczników, które mogą mieć różne znaczenie w zależności od typu elementu. Przykładowo - znacznik <title> może mieć jasno określone znaczenie dla danego typu elementu, ale dla innego typu może już oznaczać coś innego.

Inny przykład: w jednym dokumencie może znaleźć się opis książki oraz opis faktury za nią. W obu przypadkach istnieć może znacznik <author>, tyle tylko, że w przypadku książki oznacza on autora książki, a w przypadku faktury osobę ją wystawiającą. Jak aplikacja przetwarzająca takiego XML-a ma teraz to odróżnić i nie stwierdzić, że osobą wystawiającą fakturę za "Pana Tadeusza" jest np. Adam Mickiewicz?

Dlatego właśnie wprowadzono nazewnictwo oparte na przestrzeniach nazw. Kolejną korzyścią jest to, iż w jednym dokumencie możemy wykorzystać tyle przestrzeni ile tylko chcemy, tak więc przykładowy znacznik <title> wykorzystać możemy w jednym dokumencie w kilku różnych kontekstach - różnych dla każdej z przestrzeni nazw.

Przestrzeń nazw z jakiej będziemy korzystać określamy za pomocą:
[code]xmlns:PREFIX = "URI_DO_SPECYFIKACJI"[/code]

gdzie:

• xmlns - to nazwa specjalnego atrybutu, którym określamy przestrzeń (xmlns to skrót od XML NameSpace)
• PREFIX - określa skróconą nazwę przestrzeni, czyli jej prefix, który dodawać będziemy później do znaczników
• URI_DO_SPECYFIKACJI - adres prowadzący do opisu danej przestrzeni nazw. W zasadzie może on nawet prowadzić do nikąd, choć wg zaleceń prowadzić powinien on do dokumentu opisującego daną przestrzeń.

Przykładowa definicja przestrzeni nazw:
[code]<b:book xmlns:b="http://books.com/ns">
  <b:author>Adam Mickiewicz</b:author>
  <b:title>Pan Tadeusz</b:title>
</b:book>[/code]

Jak widać korzystamy tutaj z trzech znaczników:

• <book>
• <author>
• <title>

Każdy z nich deklarowany jest w przestrzeni nazw:
[code]http://books.com/ns[/code]
której skrótowym prefixem jest:
[code]b[/code]

Nazwę znacznika w danej przestrzeni definiujemy na zasadzie:
[code]<PREFIX:ZNACZNIK>[/code]
w naszym przykładzie:
[code]<b:book>
<b:author>
<b:title>[/code]
Należy tutaj pamiętać, że również i znaczniki zamykające muszą posiadać prefiksy przestrzeni nazw, o ile taki wystąpił w znaczniku otwierającym.

Przestrzeń nazw obowiązuje od miejsca jej zadeklarowania, tak więc nie możemy najpierw użyć znaczników z danej przestrzeni, a dopiero później jej zadeklarować. Ponadto - przestrzeń nazw obowiązuje jedynie dla znacznika, w którym została określona oraz we wszystkich znacznikach w nim zawartych (bez względu na stopien zagnieżdżenia). Zdefiniowanie zatem przestrzeni w głównym elemencie dokumentu spowoduje, że przestrzeń będzie obowiązywać dla całego dokumentu, gdyż wszystkie pozostałe znaczniki się w nim zawierają.

Można także stworzyć przestrzeń nazw domyślną dla wszystkich elementów zawierających.
W przypadku takim nie musimy już podawać prefixa przestrzeni przy znacznikach dzieci.
Deklaracja przestrzeni domyślnej odbywa się również bez podawania prefixu.

Przykład:
[code]<book xmlns="http://books.com/ns">
  <author>Adam Mickiewicz</author>
  <title>Pan Tadeusz</title>
<book>[/code]

W powyższym przykładzie wszystkie znaczniki zawarte pomiędzy <book></book> znajdują się domyślnie w przestrzeni nazw http://books.com/ns.

Przestrzenie nazw mogą również dotyczyć atrybutów:
[code]<b:book xmlns:b="http://books.com/ns" b:hardcover="yes">
  <b:author>Adam Mickiewicz</b:author>
  <b:title>Pan Tadeusz</b:title>
</b:book>[/code]

Jeśli dla danego znacznika nie jest zdefiniowana żadna przestrzeń nazw to mówimy, ze występuje on w domyślnej, globalnej przestrzeni nazw.