XML: La Revolución de los Datos en Internet

¿Qué es XML?

XML (eXtended Markup Language) es un lenguaje de marcado que estructura y describe datos para que diferentes aplicaciones puedan entenderlos e interpretarlos.

• Reglas claras: XML se basa en reglas con similitudes a HTML.
• Estándar abierto: Compatible con diversos sistemas operativos y aprobado por el W3C (World Wide Web Consortium).
• Subconjunto de SGML: Derivado de SGML (Standard Generalized Markup Language), pero más simple y compacto.
• Pensado para Internet: Diseñado específicamente para su uso en la web.
• Meta-lenguaje: Permite definir lenguajes de marcado para usos específicos.

¿Qué NO es XML?

• No es una versión mejorada de HTML.
• No es un lenguaje para crear páginas web más atractivas visualmente.
• No es difícil de aprender.

¿Dónde está la Revolución?

La verdadera potencia de XML reside en sus tecnologías asociadas: XSL, XSLT, DTD, Schema, XPATH, etc. XSLT y DTD/Schema son especialmente importantes.

Historia de XML

• Desarrollo a partir de 1996, como un subconjunto de SGML.
• Estándar en febrero de 1998, aprobado por el W3C.

World Wide Web Consortium (W3C)

• Fundado en 1994 para desarrollar protocolos comunes en Internet.
• Consorcio internacional con participación del MIT (EEUU), INRA (Francia) y la Universidad de Keio (Japón).
• Apoyado por DARPA (EEUU) y la Comisión Europea (IEEE).

HTML vs. XML: ¿Cuáles son las Diferencias?

Problemas de HTML

• Meta-lenguaje de presentación: Combina datos y presentación.
• Difícil procesamiento automático.
• No garantiza una estructura correcta (etiquetas sin cerrar).
• Interpretación dependiente del software.
• Pensado para páginas web.

Ventajas de XML

• Fácil procesamiento para software y humanos.
• Compatible con cualquier lenguaje o alfabeto.
• Separa contenido y presentación.
• Múltiples presentaciones para un documento.
• Ideal para transacciones B2B.
• Permite búsquedas y extracción de información (XSL y XPATH).
• Análisis sintáctico sencillo gracias a sus reglas.
• Sensible a mayúsculas y minúsculas.

Definiciones Clave

• XML: eXtended Markup Language
• DTD: Document Type Definition
• XSLT: eXtended StyleSheet Language
• Parser: Analizador sintáctico
• DOM: Document Object Model
• XHTML: eXtended HTML

Tecnologías XML

• Especificación actual: XML v1.0
• Definición de documentos: DTD o Schemas
• Definición de estilos: XSL = XSLT + XPATH
• Enlazado de documentos: XLL = Xlink + Xpointer

Reglas y Pautas XML

Un documento XML «bien formado» cumple las reglas de XML v1.0:

• Estructura de árbol jerárquica.
• Elementos correctamente anidados.
• Sin superposición de elementos.
• Nodo raíz único.
• Etiquetas cerradas.
• Sintaxis especial para etiquetas vacías.
• Nombres de elementos/atributos válidos.
• Sensible a mayúsculas y minúsculas.
• Espacios en blanco como en HTML.

Sintaxis XML

• Etiquetas («marcas») entre < y >.
• Referencias de entidad entre & y ;.
• Primera línea: versión XML y codificación.
• Segunda línea (opcional): DTD.

Elementos, Atributos y Entidades en XML

Elementos

• Pueden tener contenido (texto, valores).
• Pueden contener otras etiquetas y/o atributos.
• Pueden estar vacíos.

Atributos

• Características de los elementos.
• Marcados con comillas simples o dobles.

Entidades

• Representan caracteres especiales (&, <, >, ‘, «).
• Secciones CDATA para bloques de texto sin interpretación.

Comentarios en XML

Misma sintaxis que HTML (<!– –>), pero nunca dentro de una etiqueta.

DTD: Definiendo la Estructura de Documentos XML

¿Qué es una DTD?

Una DTD (Document Type Definition) define la estructura de un documento XML: elementos, atributos, entidades, etc., su orden, número de apariciones y relaciones.

Referencia a una DTD

Se utiliza la etiqueta DOCTYPE. Puede ser interna, externa o una combinación.

Declaraciones en DTD

Existen cuatro tipos:

1. Entidades
2. Notaciones
3. Elementos
4. Atributos

Declaración de Entidades

• Similares a constantes en programación.
• Internas o externas, generales o paramétricas.

Declaración de Notaciones

Definen entidades externas no analizadas por el procesador XML.

Declaración de Elementos

Define los elementos permitidos y su contenido (texto u otros elementos).

Declaración de Atributos

Define los atributos permitidos para cada elemento, su tipo y valor.