Ramiro Lago

1
Introducción a XML

• Ramiro Lago

2
Introducción a XML (I)

• HTML ha permitido integración desde un punto de
  vista sintáctico. Es un lenguaje de marcas,
  universalmente aceptado, de tal forma que el
  navegador lo interpreta y sabe cómo debe
  presentar el contenido.
• En el siguiente ejemplo se puede observar que
  las etiquetas se orientan a expresar una
  estructura de visualización

• HTML no se centra en la comprensión del
  contenido, no se especifica el significado
  (semántica) de los datos. Fue creado para que una
  aplicación pudiera traducir marcas a una
  estructura de presentación, no para crear
  estructuras de datos.
• Esta carencia de HTML es cubierta por XML.

3
Introducción a XML (II)

• XML Extensible Mark-up Language (lenguaje de
  marcado extensible)
• Es un lenguaje orientado a
• La definición de datos de carácter general. Nos
  permite definir modelos de datos.
• Al compartir modelos de datos se facilita el
  intercambio de datos entre sistemas
  (aplicaciones) heterogéneos.
• Crear nuevos lenguajes gracias a sus mecanismos
  de extensibilidad. Por ello, se dice que XML es
  un metalenguaje (un lenguaje para crear nuevos
  lenguajes).
• Se refiere únicamente a los datos, no a su
  presentación. Deja a otras aplicaciones la tarea
  de definir la estructura de visualización.

Históricamente deriva de SGML (Standard
Generalized Mark-up Language), definido por IBM
en 1986. Creado y soportado por el World Wide
Web Consortium (www.w3c.org) Traducciones
http//www.w3.org/2003/03/Translations/OverviewLan
g.htmles
4
Definition Type Document (DTD) y XML Schema

• Es preciso especificar los elementos válidos que
  pueden ser incluidos en un documento XML. Las dos
  formas más comunes de especificar definiciones
  son
• DTD
• XML Schema
• Son documentos basados en XML que
• Describen la estructura del documento XML.
• Declara y define todos los tipos de de elementos
  del documento.
• Define el orden de los tipos de elementos.
• Especifica el tipo de atributos y los valores por
  defecto.
• Importancia a la hora de transferir datos entre
  sistemas. El DTD/XML Schema especifica a los
  sistemas la estructura de datos que es
  transferida mediante XML.

En este ejemplo, gracias a DTD, se especifica que
una libreta de direcciones se compone de personas
(registros), definiendo los campos válidos de
cada registro
5
Reglas básicas del lenguaje (I)

• Todo contenido estará etiquetado. Toda etiqueta
  debe estar delimitada por los símbolos de menor y
  mayor. Ejemplo ltlibrogt
• Las etiquetas se cierran en el mismo orden en el
  que se abrieron. La etiqueta de cierre tiene el
  mismo nombre que la de apertura y se inicia por
  la barra /.
• Ejemplo ltlibrogt ... lt/librogt
• Por comodidad se permiten etiquetas que sirvan
  tanto para la apertura como para el cierre. Estas
  etiquetas deben acabar con el símbolo de barra
  /.
• Los nombres de etiquetas son sensibles a
  mayúsculas y minúsculas (a diferencia de HTML)
• La estructura de una etiqueta sigue la terna
  objeto-atributo-valor.
• Notación larga
• ltetiquetagt
• ltatributo1gt valor lt/atributo1gt
• ...
• lt/etiquetagt
• Notación corta (las dobles comillas son
  obligatorias, a diferencia de HTML)
• ltetiqueta atributo1valor ... gt lt/etiquetagt
• Ejemplo
• ltlibrogt
• ltautorgtMiguel De Cervanteslt/autorgt
• lttitulogtEl Quijotelt/titulogt
• ltpreciogt18lt/preciogt
• lt/librogt

6
Reglas básicas del lenguaje (II)

• La estructura del documento es jerárquica, en
  forma de árbol, en la que siempre hay un primer
  elemento raíz.
• Todo documento XML debe comenzar por una
  declaración XML con la siguiente estructura
• lt?xml
• versionVersión de XML
• encodingCodificación
• standaloneIncluye_DTD
• ?gt
• Donde cada atributo significa
• Versión de XML número de versión que se utiliza.
• Codificación formato de codificación, por
  ejemplo, UTF-8, UTF-16, ISO-10646-UCS-2,
  ISO-10646-UCS-4, ISO-8859-1, ISO-8859-2, (hasta
  ISO-8859-9), etc. Las dos primeras son las más
  usadas.
• Incluye_DTD puede tomar el valor yes (la
  especificación DTD se encuentra en el propio
  documento) o no (la especificación es un
  archivo externo).
• Ejemplo
• lt?xml version1.0 encodingUTF-8
  standaloneyes ?gt

7
Reglas básicas del lenguaje (III)

• Ejemplo
• lt?xml version"1.0" encoding"UTF-8"
  standalone"no" ?gt
• lt!DOCTYPE libreria2 SYSTEM "libreria2.dtd"gt
• ltlibreria2gt
• ltlibrogt
• ltautorgtMiguel De Cervanteslt/autorgt
• lttitulogtEl Quijotelt/titulogt
• ltpreciogt18lt/preciogt
• lt/librogt
• ltlibrogt
• ltautorgtAntonio Lopezlt/autorgt
• lttitulogtCosas absurdaslt/titulogt
• ltpreciogt25lt/preciogt
• lt/librogt
• lt/libreria2gt
• Para codificar caracteres en base diez
• Code
• Ejemplo esta es la 1170 vez

8
DTD introducción

• Nos permite definir los tipos de elementos
  válidos de un documento XML. Semejante a una
  sentencia CREATE DATABASE en SQL.
• Nos sirve para validar el documento XML. Hay que
  examinar la adecuación de un documento XML en dos
  niveles
• Cuando el documento cumple con la DTD se dice que
  es válido.
• Cuando cumple con las reglas XML diremos que está
  bien formado.
• Tipos de DTD
• Internas situadas dentro del documento XML
• Externas archivo independiente
• Las DTD no siguen la sintaxis de XML

9
DTD DOCTYPE

• Tanto las DTD internas como las externas deben
  empezar por una declaración DOCTYPE
• lt!DOCTYPE root SYSTEM externalDTD
  internalDTDgt
• Root elemento raíz del documento XML.
• externalDTD la DTD es externa. Debe señalar el
  archivo entre comillas dobles y tener la
  extensión .dtd
• Ejemplo
• lt!DOCTYPE libreria SYSTEM librería.dtdgt
• internalDTD por defecto, interna.
• Ejemplo
• lt!DOCTYPE libreria
• lt!ELEMENT libro (PCDATA)gt
• gt
• El elemento raíz señalado en DOCTYPE debe
  coincidir con el nodo raíz del documento.
• La DTD debe contener todos los elementos,
  atributos y entidades que se utilizarán en el
  documento XML

10
DTD ejemplo

• A continuación puede ver el ejemplo completo

libreria2.dtd
libreria2.xml
11
DTD elementos

• Un ELEMENT es un componente, un item, que define
  un dato. No confundirlo con atributos, entidades
  o relaciones del diseño de una base de datos, ya
  que puede ser cualquiera de las tres cosas. Un
  elemento es como una etiqueta de un documento
  HTML.
• Sintaxis
• lt!ELEMENT nombre tipogt
• Tipo, puede ser
• EMPTY no incluye ningún otro elemento ni texto,
  pero si permiten la inclusión de atributos.
• Elementos los elementos contenidos. Símbolos
• Asterisco () el elemento puede aparecer
  cualquier número de veces.
• Coma (,) separador de elementos, que además
  especifica el orden de aparición de los
  elementos.
• Interrogante (?) El elemento aparece una o
  ninguna vez.
• Más () el elemento debe aparecer al menos una
  vez.
• Paréntesis contienen la secuencia de elementos.
• Sin signo el elemento aparece sólo una vez.
• Tubería () separa elementos alternativos
• Mixtos permiten combinación de elementos y
  texto, se especifican lt!ELEMENT nombre
  (PCDATA)gt
• ANY cualquiera de los anteriores lt!ELEMENT
  nombre ANYgt

12
DTD ejemplo de la librería (I)

• Supongamos que queremos definir la estructura de
  una biblioteca donde los libros pueden tener
  varios autores y donde algunos libros tienen una
  rebaja del precio.
• DTD
• lt!ELEMENT libreria3 ( libro ) gt
• lt!ELEMENT libro ( autor, titulo, precio,rebaja?
  ) gt
• lt!ELEMENT autor ( PCDATA ) gt
• lt!ELEMENT titulo ( PCDATA ) gt
• lt!ELEMENT precio ( PCDATA ) gt
• lt!ELEMENT rebaja ( PCDATA ) gt
• Esta definición permite el siguiente documento
  XML
• ltlibrogt
• ltautorgtMiguel De Cervanteslt/autorgt
• lttitulogtEl Quijotelt/titulogt
• ltpreciogt18lt/preciogt
• lt/librogt
• ltlibrogt
• ltautorgtAntonio Lopezlt/autorgt
• ltautorgtAna Perezlt/autorgt
• lttitulogtCómo crecerlt/titulogt
• ltpreciogt25lt/preciogt

13
DTD atributos

• Explicaremos algunas características de los
  atributos de forma muy resumida. La sintaxis de
  los atributos es
• lt!ATTLIST nombre_elemento
• nombre_atributo_1 tipo valor
• nombre_atributo_n tipo valorgt
• El tipo puede ser CDATA (cadena), ENUMERATION
  (lista de valores, ID (identificador único), etc
• El valor puede ser REQUIERED (obligatorio),
  IMPLIED (opcional), etc.
• Ejemplo de DTD
• lt!ELEMENT ordenador (PCDATA) gt
• lt!ATTLIST ordenador
• cpu CDATA REQUIERED
• mhz CDATA IMPLIED
• gt
• Ejemplo de XML
• ltordenador cpuPentiumIII/gt
• ltordenador cpuPentiumIII mhz300/gt

14
DTD ejemplo de la librería (II)

• Vamos a ampliar el ejemplo de la librería. Un
  libro puede tener un resumen, este elemento tiene
  como atributos el autor del resumen y el archivo
  donde se guarda

lt?xml version"1.0" encoding"UTF-8" ?gt lt!ELEMENT
libreria3 ( libro ) gt lt!ELEMENT libro (autor,
titulo, precio,rebaja?,resumen?)gt lt!ELEMENT autor
( PCDATA ) gt lt!ELEMENT titulo ( PCDATA )
gt lt!ELEMENT precio ( PCDATA ) gt lt!ELEMENT rebaja
( PCDATA ) gt lt!ELEMENT resumen (PCDATA )
gt lt!ATTLIST resumen autor CDATA
IMPLIED fichero CDATA REQUIRED gt
lt?xml version"1.0" encoding"UTF-8"
standalone"no" ?gt lt!DOCTYPE libreria3 SYSTEM
"libreria3.dtd"gt ltlibreria3gt ltlibrogt ltautorgtMigu
el De Cervanteslt/autorgt lttitulogtEl
Quijotelt/titulogt ltpreciogt18lt/preciogt lt/librogt ltli
brogt ltautorgtAntonio Lopezlt/autorgt ltautorgtAna
Perezlt/autorgt lttitulogtCómo crecerlt/titulogt ltprec
iogt25lt/preciogt ltrebajagt10lt/rebajagt ltresumen
fichero"ert34.doc" /gt lt/librogt lt/libreria3gt
15
Esquema XML (XML Schema) introducción (I)

• Críticas a DTD
• El propio lenguaje de DTD no está basado en XML.
• No hay una buena definición de tipos, poco más
  que cadenas y enumeraciones de elementos.
• No soporta espacios de nombres (NAMESPACES), que
  discriminan los distintos elementos por un
  prefijo.
• El esquema XML es el relevo de DTD, destinado a
  superar sus carencias y a crear lenguajes usando
  la sintaxis XML.
• XML Schema ha sido creado por Microsoft a partir
  de estándares de W3C
• XML-Data
• DCD (Document Content Description). DCD es una
  especificación basada en RDF (Resource
  Description Framework), que se utiliza en la
  definición de estructuras de documentos con la
  finalidad de intercambiar información entre
  diversas aplicaciones.

16
Esquema XML (XML Schema) introducción (II)

• Soportado por W3C (http//www.w3.org/XML/Schema)

17
EsquemaElementos básicos del lenguaje Schema

• Schema
• Elemento raíz de todo esquema (recuerde que los
  esquemas están basados en XML, que requiere un
  nodo raíz. Atributos
• name nombre del esquema que estamos creando
• xmlns espacios de nombres utilizados en el
  documento. Los espacios de nombres tienen una
  finalidad organizativa determina los tipos de
  datos creados por diferentes empresas. En nuestro
  ejemplo recurrimos al espacio de nombres definido
  por Microsoft
• ltSchema name mi_esquema.xml
• xmlns"urnschemas-microsoft-comxml-data
• xmlnsdt"urnschemas-microsoft-comdatatypes"gt
• ...
• lt/Schemagt

18
EsquemaElementos básicos del lenguaje datatype

• datatype
• Con este elemento señalamos los tipos que luego
  utilizaremos en el documento XML

• boolean
• char
• date
• dateTime
• dateTime.tz con configuración regional
• entities tipo ENTITIES
• entity tipo ENTITY
• enumeration
• float
• int
• Id tipo de dato ID
• r4 real de 4 bytes
• r8 real de 8 bytes
• String

• time
• time.tz
• uri Universal Resource Identifier
• uuid número global que sirve de identificador
  único
• Ejemplo
• ltdatatype dttype int /gt
• ltdatatype dttype string /gt

19
EsquemaElementos básicos del lenguaje
ElementType

• ElementType
• Con este elemento definimos los tipos de
  elementos que define el esquema. Atributos
• name
• model el modelo de contenido. Por defecto es
  open (permite albergar dentro del elemento
  otros elementos adicionales, que no es necesario
  definir en el esquema close (semejante a DTD
  no permite incluir elementos que no hayan sido
  declarados).
• content tipo de contenido empty (vacio),
  textOnly, eltOnly (el elemento es un contenedor
  de otros elementos) y mixed (puede ser tanto
  texto como contenedor).
• order especifica la aridad de los elementos
  agrupados dentro del actual elemento one (sólo
  una serie de elementos), seq (los elementos
  aparecen en el mismo orden que se declaran) y
  many (cualquier número de veces y en cualquier
  orden).

20
EsquemaElementos básicos del lenguaje element

• element
• Para declarar las instancias (ocurrencias) de
  los tipos de elementos o grupos de elementos.
  Atributos
• type el tipo del elemento (habrá sido declarado
  en el esquema).
• minOccurs el número mínimo de veces que puede
  aparecer el elemento. Un número mayor o igual a
  0.
• maxOccurs el número máximo de veces que puede
  aparecer el elemento. Puede ser 1 o asterísco (,
  cualquier número de veces).

21
EsquemaUn ejemplo

• ltSchema name "libreria4_esq.xml"
• xmlns"urnschemas-microsoft-comxml-data"
• xmlnsdt"urnschemas-microsoft-comdatatypes"gt
• ltElementType name "autor" content"textOnly
• dttype"string"gt
• ltdescriptiongt
• lttitlegtAutorlt/titlegt
• ltbodygtAutor o editorlt/bodygt
• lt/descriptiongt
• lt/ElementTypegt
• ltElementType name "titulo" content"textOnly"
• dttype"string"gt
• ltdescriptiongt
• lttitlegtTítulolt/titlegt
• ltbodygtTítulolt/bodygt
• lt/descriptiongt
• lt/ElementTypegt

• ltElementType name "libro" content"eltOnly"
  model"closed"gt
• ltdescriptiongt
• lttitlegtLibrolt/titlegt
• ltbodygtLibro de la libreríalt/bodygt
• lt/descriptiongt
• ltelement type"autor" minOccurs"1"
  maxOccurs"" /gt
• ltelement type"titulo" minOccurs"1"
  maxOccurs"1" /gt
• ltelement type"precio" minOccurs"1"
  maxOccurs"1" /gt
• lt/ElementTypegt
• ltElementType name "libreria4" content"eltOnly"
  model"closed"gt
• ltdescriptiongt
• lttitlegtLibreríalt/titlegt
• ltbodygtLa libreríalt/bodygt
• lt/descriptiongt
• ltelement type"libro" minOccurs"0"
  maxOccurs"" /gt
• lt/ElementTypegt
• lt/Schemagt

22
EsquemaElementos básicos del lenguaje
AttributeType

• AttributeType
• Del mismo modo que ElementType servía para
  definir los tipos de elementos, con AttributeType
  definimos los tipos de atributos del esquema.
  Atributos
• name
• dttype el tipo de dato.
• dtvalues conjunto de valores posibles. Podemos
  usarlo cuando el atributo sea del tipo
  enumeration o nmtokens.
• default valor por defecto.
• requiered si el atributo es requerido dentro del
  elemento será yes, no en caso contrario.
• Ejemplo
• ltAttributeType namedía_semana
  dttypeenumeration
• dtvaluesLunes Martes Miércoles Jueves Viernes
  Sabado Domingo
• defaultLunes requieredyes
• ltdescriptiongt
• lttitlegtDía de la semanalt/titlegt
• ltbodygtNombre del día dentro de la semanalt/bodygt
• lt/descriptiongt
• lt/AttributeTypegt

23
EsquemaElementos básicos del lenguaje attribute

• attribute
• Del mismo modo que element servía para declarar
  las ocurrencias de elementos, con attribute
  declaramos los atributos. Atributos
• type un tipo de atributo declarado en el
  esquema.
• default valor por defecto (para esta ocurrencia
  del atributo). Este valor por defecto prevalece
  sobre el que se haya especificado en
  AttributeType.
• requiered si el atributo es requerido dentro del
  elemento será yes, no en caso contrario (para
  esta ocurrencia del atributo).
• Ejemplo (en el que se supone que se han
  declarado los tipos de atributos día_mes,
  hora y día_semana
• ltElementType name reunión"
  content"textOnly dttype"string"gt
• ltattribute typedía_mes requieredyes /gt
• ltattribute typehora requieredno /gt
• ltattribute typedía_semana defaultMartes
  requieredno /gt
• ltdescriptiongt
• lttitlegtAutorlt/titlegt
• ltbodygtAutor o editorlt/bodygt
• lt/descriptiongt
• lt/ElementTypegt