El XML (eXtensible Markup Lenguage - Lenguaje extensible de marcas) es un un lenguaje abierto, derivado de SGML, optimizado para su uso en la WWW, y que va a permitirnos 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. Los fundamentos del XML son muy sencillos y en principio, las únicas herramientas que nos harán falta son:
Un editor para poder escribir los documentos XML, por ejemplo, el notepad en Windows y el xemacs en Linux
Un procesador o parser XML; por ejemplo, usaremos los parsers que incorporan el Internet Explorer 5.X o el Mozilla
1.- Documentos XML
Introducción
Documento XML "bien formado"
Tipos de letra y fines de línea
Estructura jerárquica de los elementos
Espacios en blanco
Nombrando cosas
Marcas y datos
Ejercicios
2.- Extensible Markup Language (XML)
Prólogo y declaración de tipo de documento
Declaración de documento Standalone
Elementos
Atributos
Comentarios
Entidades predefinidas
Secciones CDATA
Intrucciones de procesamiento
Identificación del lenguaje
Ejercicios
3.- Parsers XML y el Modelo Objeto Documento (DOM)
Introducción: Parsers con validación y sin validación
Parsers XML
Modelo de Objeto Documento (Document Object Model -DOM)
Trabajando con DOM en Perl:XML::DOM
Ejercicios
4.- XHTML
Introducción
Diferencias con HTML 4.0
Ejercicios
5.- Espacios de nombre (Namespaces)
Introducción
Definir un Espacio de Nombres
Referenciar un Espacio de Nombres
Definir un Prefijo De Espacio de Nombres
Ejercicios
6.- Enlaces y sitios de referencia.
1.- DOCUMENTOS XML
Aunque, a primera vista, un documento XML y un documento HTML puedan parecernos muy parecidos, hay una diferencia principal y es que el HTML no indica lo que se está representando, tiene datos mal definidos con elementos de formato, mientras que el XML contiene datos que se autodefinen: describe el contenido de lo que etiquetan. Una forma rápida de entender la estructura de un documento XML es viendo un ejemplo:
<?xml version="1.0" encoding="UTF-7" ?> <album> <titulo>Joaquín Sabina</titulo> <autor>SABINA Y CIA Nos sobran los motivos</autor> <formato>MP3</formato> <localizacion>Varios CD5 </localizacion> </album>
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.
Todo documento XML deben estar bien formado, lo que significa que se debe cumplir lo siguiente:
si no se utiliza DTD, el documento debe comenzar con un Declaración de Documento Standalone
todas las etiquetas deben estar balanceadas: esto es, todos los elementos que contengan datos de tipo carácter deben tener etiquetas de principio y fin
todos los valores de los atributos deben ir entrecomillados (el carácter comilla simple [el apóstrofe] puede utilizarse si el valor contiene caracteres comillas dobles, y viceversa): si necesitas ambos, utiliza ' y "
cualquier elemento VACÍO (p.e. aquellos que no tienen etiqueta final como <IMG>, <HR>, y <BR> y otros de HTML) deben terminar con '/>' o deben hacerse no VACÍOS añadiéndoles una etiqueta de fin.
no debe haber etiquetas aisladas (< ó &) en el texto (p.e. debe darse como < y &), y la secuencia ]]> debe darse como ]]> si no ocurre esto como final de una sección marcada como CDATA;
los elementos deben anidar dentro de sí sus propiedades (no se deben sobreponer etiquetas, como en el resto de SGML);
Los ficheros bien-formados sin-DTD pueden utilizar atributos en sus elementos, pero éstos deben ser todos del tipo CDATA, por defecto. El tipo CDATA (character DATA) son caracteres.
Según la especificación de XML del W3C, un documento XML está bien formado si:
Tomado como un todo, cumple la regla denominada "document".
Respeta todas las restricciones de buena formación dadas en la especificicación.
Cada una de las entidades analizadas que se referencia directa o indirectamente en el documento está bien formada.
Cumplir la regla "document" antes mencionada significa:
Que contiene uno o más elementos.
Hay exactamente un elemento, llamado raíz, o elemento documento, del cual ninguna parte aparece en el contenido de ningún otro elemento.
Para el resto de elementos, si la etiqueta de comienzo está en el contenido de algún otro elemento, la etiqueta de fin está en el contenido del mismo elemento. Es decir, los elementos delimitados por etiquetas de principio y final se anidan adecuadamente mutuamente.
Los documentos XML deben tener una estructura jerárquica con lo que respecta a las etiquetas que delimitan sus elementos. Esto significa que los elementos deben estar correctamente anidados y que los elementos no se pueden solapar entre ellos. Además, los elementos con contenido deben estar correctamente cerrados.
Ejemplo incorrecto:
<?xml version="1.0" ?> <nombre>Richal Ejemplo correcto:
<?xml version="1.0" ?> <nombre>Richal </nombre>
Sólo puede haber un elemento raíz, en el que están contenidos todos los demás, es decir, la jerarquía de elementos XML sólo puede tener un elemento inicial.
Ejemplo incorrecto:
<?xml version="1.0" ?> <nombre>Richal</nombre> <email>richal@ejemplo.com</email>
Ejemplo correcto:
<?xml version="1.0" ?> <alumnos> <nombre>Richal</nombre> <email>richal@ejemplo.com</email> </alumnos>
El XML, a diferencia del HTML, es "case sensitive", es decir, trata a las mayúsculas y las minúsculas como caracteres diferentes. Si un elemento de XML está definido como "Elemento", no podemos usar "elemento" para referirnos a él.
Ejemplo con Case sensitive y solapamiento.
<?xml version="1.0" ?> <alumnos> <Nombre>Richal</nombre> <email>richal@ejemplo.com</email> <nombre>Chicho</Nombre> <email>chicho@ejemplo.com</email> </alumnos>
En la edición de documentos XML , por claridad, se suele organizar en varias líneas, que, normalmente, se componen de carácter de fin de línea y otro de retorno de carro. Un parser XML pasa únicamente a la aplicación el carácter de fin de línea.
En la edición de documentos XML, suele ser conveniente utilizar "espacios en blanco" (espacios, tabuladores y líneas en blanco), que normalmente son innecesarios en una versión distribuible a través de la red, aunque también existen ocasiones en los que es deseable la representación de esos "espacios en blanco" (por ejemplo, código fuente). Para que las aplicaciones preserven la representación de esos espacios en blanco en un elemento se utiliza el atributo xml:space que puede tomar los valores preserve o default, para conservar los espacios en blanco o aplicar el tratamiento por defecto, respectivamente.
Ejemplo
<?xml version="1.0"?> <textos> <cita> A quien madruga Dios le ayuda ?</cita> <poema xml:space="preserve"> El monte es verde, el agua incolora y a mi no se me ocurre una rima </poema> </textos>
Un nombre en XML empieza con una letra y continúa con letras, dígitos, rayas, dos puntos o puntos, denominados de forma global como caracteres de nombre. Los nombre que empiezan por "xml" están reservados, es decir, no se pueden crear nombres que empiecen por la cadena "xml", "XML", "Xml" o cualquier otra variante, por ejemplo, el atributo xml:space visto en el apartado anterior.
Las construcciones como etiquetas, referencias de entidad y declaraciones (ya veremos que es cada cosa) se denominan "marcas". Estas son las parte del documento XML que entiende el parser. El resto del documento que se encuentra entre las marcas, son los datos entendible por las personas. Las marcas en un documento XML son aquellas partes que empiezan con "<" y que acaban con ">" (por ejemplo, <Hola>, o bien, en el caso de las referencias de entidad, empiezan por "&" y acaban con ";" (por ejemplo, " para representar las comillas dobles).
Ejercicio: Hacer un ejemplo de XML donde las diferentes etiquetas (que las puedes llamar como quieras, si es en XML) estén siguiendo una jerarquía, probar en el Internet Explorer o en el Mozilla.Si no se te ocurre ningún ejemplo, haz un documento xml sobre hoteles, donde tengas nombre, teléfono, dirección(calle y número), ciudad, país, numero de estrellas, descripción del hotel, número habitaciones individuales, habitaciones dobles, habitaciones triples, suites.
Ejercicio: Hacer un segundo ejemplo de XML (o continúa el anterior) que tenga una parte donde se preserven los espacios en blanco. Como antes, lo puedes probar en el Internet Explorer o en el Mozilla. Si sigues el ejemplo anterior, mete en la parte de descripción un listado de servicios que estén tabulados.
Aunque no es obligatorio, los documentos XML pueden, y deberían, comenzar con una línea que describa la versión de XML, el tipo de documento y otras cosas. La primera línea del prólogo o "declaración" permite especificar la versión de XML usada; hasta el momento, sólo existe la "1.0" y la codificación de caracter (US-ASCII, UTF-8, BIG5, ISO-8850-7,etc.). En general, para el castellano, usamos UTF-7 (código Unicode del que ASCII es un subconjunto) o ISO-8859-1.
Ejemplo:
<?xml version="1.0" encoding="UTF-7" ?> <nada> Ejemplo </nada>
La segunda línea, o "declaración de tipo de documento XML", define que tipo de documento estamos creando, es decir, definimos que Declaración de Tipo de Documento (DTD - Document Type Definition) cumple y define los datos que de contiene el documento XML.
Ejemplos:
<?xml version="1.0" encoding="UTF-7" ?> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "DTD/xhtml1-strict.dtd"> <html> <body bgcolor="yellow "> <p> Ejemplo </p> </body> </html>
<?xml version="1.0" encoding="UTF-7" ?> <!DOCTYPE ejemplo SYSTEM "http://www.ejemplos.xml/ejemplo.dtd"> <nada> Ejemplo </nada>
Un documento XML es válido si tiene asociado una DTD y el documento cumple las restricciones que la DTD expresa. Sólo puede haber un elemento raiz, en el que están contenidos todos los demás, es decir, la jerarquía de elementos XML sólo puede tener un elemento inicial.
En la parte del prólogo dentro de la "declaración" se puede incluir una declaración de documento standalone que controla qué componentes de la DTD son necesarios para completar el procesamiento del documento.
Ejemplo:
<?xml version="1.0" standalone='yes'?> <nombre>Richal</nombre>
El valor "yes" indica que no existen declaraciones de marcas externas a la entidad documento. El valor "no" indica que existe o que pueden haber dichas declaraciones de marcas. La declaración de un documento standalone sólo denota la presencia de declaraciones externas.
Los elementos XML pueden tener contenido (más elementos, caracteres o ambos a la vez), o bien ser elementos vacíos. Un elemento con contenido es, por ejemplo:
Ejemplo:
<nombre>Richal</nombre>
Siempre empieza con <etiqueta> que puede contener atributos o no, y termina con </etiqueta> que debe tener el mismo nombre. Al contrario que en HTML, en XML siempre se debe cerrar un elemento. Hay que tener en cuenta que el símbolo "<" siempre se interpreta como inicio de una etiqueta XML. Si no es el caso, el documento no estará bien-formado. Para usar ciertos símbolos se usarán las entidades predefinidas.
Ejemplo:
<nombre>Fulanito</nombre> <aviso tipo="emergencia" gravedad="mortal">Que no cunda el pánico</aviso>
HTML permite elementos sin contenido, XML también, pero la etiqueta debe ser de la siguiente forma: <elemento-sin-contenido/>, que puede contener atributos o no, esto es debido que no hay una etiqueta de cierre que delimite el contenido . El los siguientes ejemplos se ve esto:
Ejemplos:
<identificador DNI="23123244"/>
<?xml version="1.0" encoding="UTF-7" ?> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "DTD/xhtml1-strict.dtd"> <html> <body bgcolor="yellow "> <hr/> <p> Entre lineas </p> <hr/> </body> </html>
Los elementos pueden tener atributos, que son una manera de incorporar características o propiedades a los elementos de un documento.
Ejemplo:
<alumno nota="5 pelón" asistencia="Nula">Richalson</alumno>
En una Definición de Tipo de Documento, se especifica los atributos que puede tener cada tipo de elemento, así como sus valores y tipos de valor posible. Los atributos tienen que estar delimitado con comillas dobles ( " ) o comilla simple ( ' ). Cuando se usa uno para delimitar el valor del atributo, el otro se puede usar dentro.
Ejemplo:
<noticia titulo="Richal O'Donnel gana el pulitzer" autor='Pepe "Porras"'> </noticia>
A veces, un elemento con contenido puede modelarse como un elemento vacío con atributos.
Ejemplo:
<gato><nombre>Micifú</nombre><raza>Persa</raza></gato> <gato raza="Persa">Micifú</gato> <gato raza="Persa" nombre="Micifú"/>
Los comentarios pueden aparecer en cualquier punto del documento, fuera del resto de las marcas,es decir, fuera de las declaraciones etiquetas u otros comentatios.Tienen el mismo formato que los comentarios de HTML, por lo que comienzan con "<!--" y terminan con "-->". La cadena "--" no puede aparece dentro de un comentario.
Ejemplo:
<!-- Que gran gato es Micifú --> <gato raza="Persa" nombre="Micifú"/>
En XML 1.0 se definen cinco entidades para representar caracteres especiales y que no se interpreten como marcas por el parser XML. Es decir, asi podemos utilizar, por ejemplo, el carácter "<" sin que se interprete como comienzo de una etiqueta XML.
Ejemplo:
<?xml version="1.0" encoding="UTF-7" standalone='yes'?> <ejemplos> <descripcion>Lo siguiente es un ejemplo de HTML.</descripcion> <ejemplo> <HTML> <HEAD> <TITLE>Rock & Roll</TITLE> </HEAD> </ejemplo> </ejemplos>
Las secciones CDATA también nos van a permitir especificar datos, utilizando cualquier carácter, especial o no, sin que se interprete como una marca XML. La razón es que asi se puede leer más fácilmente el documento XML sin tener que descifrar los códigos de las entidades. Las secciones CDATA empiezan por la cadena "<![CDATA" y terminan con la cadena "]]>" y sólo ésta última se reconoce como marca. No se pueden anidar secciones CDATA
Ejemplo:
<?xml version="1.0" encoding="UTF-7" standalone='yes'?> <ejemplos> <descripcion>Lo siguiente es un ejemplo de HTML.</descripcion> <ejemplo> <![CDATA[ <HTML> <HEAD> <TITLE>Rock & Roll</TITLE> </HEAD> ]]> </ejemplo> </ejemplos> 8.- Instrucciones de procesamiento
Las intrucciones de procesamiento permiten a los documentos XML contener instrucciones para las aplicaciones, van entre <? y ?>
Ejemplo:
<?xml version="1.0"?> <?cocoon-process type="xslt">
no son parte del documento, pero deben ser pasadas a la aplicación. En el ejemplo, se le dice al cocoon (herramienta para publicar xml en la web) que la página XML es un XSLT (que ya vereis lo que es).
En el procesado de documentos puede ser útil la identificación entre el lenguaje natural o el lenguaje formal, en el que está escrito el contenido. Una atributo especial denominado xml:lang puede ser insertado en los documentos para especificar el lenguaje utilizado en los contenidos y los valores de atributo de cualquier elemento en un documento.
Ejemplo:
<?xml version="1.0" encoding="UTF-7" standalone='yes'?> <ejemplos> <p xml:lang="en">The quick brown fox jumps over the lazy dog.</p> <p xml:lang="en-GB">What colour is it?</p> <p xml:lang="en-US">What color is it?</p> <sp who="Faust" desc='leise' xml:lang="de"> <l>Habe nun, ach! Philosophie,</l> <l>Juristerei, und Medizin</l> <l>und leider auch Theologie</l> <l>durchaus studiert mit heißem Bemüh'n.</l> </sp> <sp who="yo" desc='comentario' xml:lang="es"> <l>No me entero de un pimiento</l> </sp> </ejemplos>
Todos los ejercicios que se proponen a continuación deben de usar un prólogo y hacer uso de los comentarios.
Ejercicio: Hacer un documento standalone de XML sobre una base de datos de alumnos usando sólo elementos con contenido (por ejemplo, nombre, apellidos, nota, DNI, e-mail). Prueba que esté bien formado en el Internet Explorer o en el Mozilla.
Ejercicio: Pasar el anterior documento XML a elementos sin contenido, usando atributos. Prueba que esté bien formado en el Internet Explorer o en el Mozilla.
Ejercicio: Haz un documento XML que contenga secciones de una página HTML (estamos rizando el rizo), por ejemplo, las etiquetas y contenidos de HEAD (cabecera), la etiqueta P (párrafo) y una lista sin orden (<ul> <li> ...</ul>);. Usa para esto secciones CDATA y entidades predefinidas. Prueba que esté bien formado en el Internet Explorer o en el Mozilla . Si no se ocurre ningún ejemplo, coge una de los descripciones del ejercicio de los hoteles y escribe sus caracteríscas en un listado.Hazlo primero con entidades predefinidas y luego con una sección CDATA.
Ejercicio: Haz un documento XML con un par de elementos cuyo contenido varíe dependiendo del lenguaje. Prueba que esté bien formado en el Internet Explorer o en el Mozilla. Si no se te ocurre ninguno coge el ejercicio de los hoteles y escribe descripciones en un par de idiomas.
Un parser o procesador o analizador sintáctico lee el documento XML y verifica que es XML bien formado; algunos también comprueban que el código XML sea válido. El parser o procesador de XML es la herramienta principal de cualquier aplicación XML. Mediante el parser no solamente podemos comprobar si nuestros documentos son bien formados o válidos, sino que también podemos incorporarlos a nuestras aplicaciones, de manera que estas puedan manipular y trabajar con documentos XML.
Podemos dividir los parsers XML en dos grupos principales:
sin validación: el parser no valida el documento utilizando un DTD, sino que sólo chequea que el documento esté bien formado de acuerdo a las reglas de sintaxis de XML (sólo hay una etiqueta raíz, las etiquetas están cerradas, etc).
con validación: además de comprobar que el documento está bien formado según las reglas anteriores, comprueba el documento utilizando un DTD (ya sea interno o externo).
En el caso de utilizar un DTD, es preferible utilizar un parser con validación.
Normalmente no nos tendremos que preocupar de buscar un parser concreto para comprobar la validez de nuestros documentos XML, ya que los desarrolladores de las aplicaciones que utilizaremos como navegadores o visualizadores o transformadores de esos documentos en el documento final que el usuario ve, incluirán sus propios parsers. Un ejemplo de esto es el caso del Microsoft Internet Explorer 5.x, que utiliza el parser de MS (incluido en la librería MSXML.DLL); o el caso de Mozilla, que internamente utiliza el parser EXPAT (escrito en C).
A continuación teneis un parser sin validación escrito en JavaScript. Presenta el árbol del documento a comprobar.
Teclea o copia el código XML aquí y pulsa en "Procesar"
Para extraer la información que contiene un documento XML, se podría escribir código para analizar el contenido del archivo XML, pues no deja de ser un archivo de texto, tal y como lo podríamos hacer con HTML. Sin embargo, esta solución no es muy aconsejable y desaprovecharía una de las ventajas de XML: el ser una forma estructurada de representar datos.
La mejor forma de recuperar información de archivos XML es utilizar un parser de XML, que sea compatible con el modelo de objeto de documento (DOM) de XML. DOM define un conjunto estándar de comandos que los parsers devuelven para facilitar el acceso al contenido de los documentos XML desde sus programas. Un analizador de XML compatible con DOM toma los datos de un documento XML y los expone mediante un conjunto de objetos que se pueden programar.
DOM para XML es un modelo de objetos estándar (propuesto por el W3C) que muestra el contenido de un documento XML. La Especificación del Modelo de Objeto de documento (DOM) del W3C define actualmente lo que debería mostrar un DOM como propiedades, métodos y eventos.
En http://www.microsoft.com/spain/msdn/articulos/archivo/051299/dhtml/beginner.asp puedes ver una introducción de com se haría en Visual Basic, en http://www.ibium.com/alf/xmlcomo poder hacerlo con JAVA, en http://users.erols.com/enno/xml/index.html como hacerlo con Perl, en http://sourceforge.net/projects/expat/ como hacerlo en C usando expat (el parser del Mozilla) y enhttp://support.microsoft.com/directory/article.asp?ID=KB;EN-US;Q301101 como hacerlo en .NET
Veamos un ejemplo, supongamos el siguiente trozo de código XML:
<TABLE> <TBODY> <TR> <TD>Shady Grove</TD> <TD>Aeolian</TD> </TR> <TR> <TD>Over the River, Charlie</TD> <TD>Dorian</TD> </TR> </TBODY> </TABLE>
En este apartádo vamos a ver como trabajar con el Modelo de Objeto Documento (DOM) usando Perl, para los que no sepan Perl en http://www.granavenida.com/perl/index.htm hay un tutorial en castellano de Perl muy bueno y en http://geneura.ugr.es/~javi/dbi/modulos.htm como instalar módulos en perl. Para manejar el DOM bajo Perl vamos a utilizar el módulo XML::DOM que lo podeis encontrar enhttp://search.cpan.org/search?dist=libxml-enno. El módulo XML::DOM se basa en el módulo XML::Parser y éste a su vez en la librería del expat (parser de libre distribución del Mozilla). Para consultar los métodos y objetos del módulo XML::DOM podeis mirar en http://theoryx5.uwinnipeg.ca/CPAN/data/libxml-enno/XML/DOM.html.
Para comprender mejor como se trabaja con el DOM en Perl, vamos a a usar el siguiente documento XML de ejemplo:
<?xml version="1.0" standalone="yes"?> <noticias> <!--Noticia 1 --> <noticia tipo="economia"> <titulo url="http://www.elpais.es/articulo.html?anchor=elpepieco&xref=20010215elpepieco_14&type=Tes&d_date=20010215"> Microsoft, investigado por invertir en un rival </titulo> <fecha>15 de febrero de 2001</fecha> <contenido> El gigante de la informatica Microsoft, pendiente de una apelacion para evitar ser dividido en dos por vulnerar la competencia, está siendo investigado otra vez por las autoridades antimonopolio, que sospechan de por que el mayor fabricante de programas invirtio 135 millones de dolares (24.165 millones de pesetas) en su rival Corel. </contenido> </noticia> <!--Noticia 2 --> <noticia tipo="internet"> <titulo url="http://www.abc.es/Internet/noticia.asp?id=13298&dia=18022001"> Clinicas reales y virtuales para tratar adictos a Internet </titulo> <fecha>18 de febrero de 2001</fecha> <contenido> La aparicion de una nueva patologia, la "dependencia" a internet, esta confirmada por la creacion de numerosas clinicas en Estados Unidos, reales o virtuales, para tratar de remediar las enfermedades de la red.... </contenido> </noticia> </noticias>
En el ejemplo anterior se tiene un documento XML que está pensado para trabajar con noticias que aparecen en Internet. Lo que vamos a hacer es, usando Perl y el módulo XML::DOM, un programa que procese el documento xml y muestre el titulo de las noticias.
#!/usr/bin/perl #Indicamos al perl que use el modil XML::DOM use XML::DOM; #Creamos un parser XML $parser = new XML::DOM::Parser; #Hacemos el parser XML al fichero ejmploDOM.xml y obtenemos el DOM $doc = $parser->parsefile ("ejemploDOM.xml"); # Cogemos el titulo todas las noticias del documento XML $noticias = $doc->getElementsByTagName ("titulo"); #Cogemos el número de noticias $n = $noticias->getLength; #Escribimos el título de cada noticia for (my $i = 0; $i < $n; $i++) { #Cogemos el tiltulo de la noticia i my $noticia = $noticias->item ($i); #Imprimimos el nombre de la etiqueta print $noticia->getTagName; print ": "; #Cogemos el hijo (texto) de la etiqueta que estamos procesando my $noticia_contenido = $noticia->getFirstChild; #Imprimimos el contenido del hijo print $noticia_contenido->getData; print "\n"; } # Escribimos la salida del parser (el documento XML) en un fichero $doc->printToFile ("salida.xml"); # Escribimos el documento XMl en pantalla #print $doc->toString; # Limpiamos la memoria ocupada por el documento XML $doc->dispose; Ahora vamos a hacer un segundo ejemplo donde mostraremos las noticias, y la url correspondiente
#!/usr/bin/perl #Usamos el módulo XML::DOM de Perl use XML::DOM; #Creamos un parser XML $parser = new XML::DOM::Parser; #Hacemos el parser XML al fichero ejmploDOM.xml $doc = $parser->parsefile ("ejemploDOM.xml"); # Cogemos los nodos del DOM cuyas etiquetas sean titulo $noticias = $doc->getElementsByTagName ("titulo"); #Cogemos el número de noticias $n = $noticias->getLength; #Escribimos el título de cada noticia for ($i = 0; $i < $n; $i++) { #Cogemos el tiltulo de la noticia i $noticia = $noticias->item ($i); #Imprimimos el nombre de la etiqueta print $noticia->getTagName; print ": "; #Cogemos el hijo (texto) de la etiqueta que estamos procesando my $noticia_contenido = $noticia->getFirstChild; #Imprimimos el contenido del hijo print $noticia_contenido->getData; #Cogemos el valor del atributo url $mi_url= $noticia->getAttributeNode("url"); #Imprimimos el contenido de dicho atributo print " (href="; print $mi_url->getValue; print " )\n"; } # Limpiamos la memoria ocupada por el documento XML $doc->dispose; Ahora vamos a hacer un tercer ejemplo donde recorremos el DOM
#!/usr/bin/perl #Usamos el módulo XML::DOM de Perl use XML::DOM; #Creamos un parser XML my $parser = new XML::DOM::Parser; #Hacemos el parser XML al fichero ejmploDOM.xml my $doc = $parser->parsefile ("ejemploDOM.xml"); #Cogemos el nodo raiz my $raiz = $doc->getFirstChild; #Como el nodo raiz está en lo alto de la jerarquía, ponemos profundidad =0 my $profundidad=0; #Mostramos el árbol xml muestra_arbol($raiz,$profundidad); # Limpiamos la memoria ocupada por el documento XML $doc->dispose; #------------------------------------------------------------------------ sub muestra_arbol() { #Cogemos los dos parámetros el nodo del árbol y la profundidad my ($nodo, $profundidad)=@_; #Miramos el tipo de nodo, si es de texto (hoja del DOM) decimos que hay datos if ($nodo->getNodeType==TEXT_NODE) { for (my $i=0; $i < $profundidad; $i++) {print " "}; print $nodo->getData; print "\n"; } #Miramos el tipo de nodo, si es un comentario elsif ($nodo->getNodeType==COMMENT_NODE) { for (my $i=0; $i < $profundidad; $i++) {print " "}; print "COMENTARIO\n"; } #No es nodo hoja, lo mostramos y recorremos sus hijos else { #Nos vamos a la derecha dependiendo de la profundidad for (my $i=0; $i < $profundidad; $i++) {print" "}; #Mostramos la etiqueta del nodo print $nodo->getTagName; print "\n"; #Cojemos los nodos hijos y el número que hay my $hijos=$nodo->getChildNodes; my $n=$hijos->getLength; #Para cada nodo hijo, mostramos su etiqueta y mostramos su subarbol for (my $i;$i < $n; $i++) { #Cogemos el hijo i my $hijo=$hijos->item($i); #Exploramos el subarbol del hijo i muestra_arbol($hijo,profundidad+1); } } } #------------------------------------------------------------------------ Resumiendo, como podemos ver, con XML es mucho más fácil (dentro de lo que cabe) procesar la información que lo era antes con HTML, ya que para procesar una página HTML (no XHTML) teníamos que trabajar con ella como si fuera texto plano.
Ejercicio: Probar alguno de los códigos que se han escrito anteriormente en el parser XML on-line que teneis aquí. Probad como no funciona bien si el código XML está no está bien formado (Si es que no lo habeis probado anteriormente)
Ejercicio: Dibuja cual sería el DOM de uno de los documentos XML realizado en ejercicios anteriores (Escoge, pRID01CYB el ejercicio del hotel). Este ejercicio os ayudará a comprender cómo trabajan las aplicaciones sobre XML, y como manipulareis el árbol generado por un documento XML desde vuestra aplicación
Ejercicio:Coge el documento XML del ejercicio anterior y muestra el contenido de algún elemento del mismo, que se repita varias veces (si has cogido el ejemplo del hotel, que escriba los nombres de los hoteles>
Ejercicio:Coge el documento XML del ejercicio anterior y muestra el contenido de algún elemento del mismo, generando una página HTML. Basta que la página se vea por pantalla y luego podeis verla con el mozilla. (para guardar la salida por pantalla del ejemplo se haría de la siguiente forma: ejercicio.pl > pagina.html). Si sigues con el ejemplo de los hoteles que escriba una página html con los nombres de los hoteles.
XHMTL es una especificación del W3C que define un HTML escrito de forma que cumpla las normas sintácticas del XML. Como XHTML es unaRID01CYBacute;n del XML, ha sido diseñado para ser ampliable (eXtensible).
XHTML ha sido diseñado pensando en la portabilidad, y en su visualización en diferente hardware (PCs, PDAs,Teléfonos, etc.). Aunque no es obligatorio, los documentos XML pueden, y deberían, comenzar con una línea que describa la versión de XML, el tipo de documento y otras cosas. Aunque no hay ninguna obligación de que los documentos XHTML sean compatibles con las aplicaciones existentes, en la práctica es algo fácil de conseguir.
Debido al hecho de que XHTML es una aplicación XML, ciertas prácticas que eran perfectamente válidas en HTML 4.0, tiene que cambiar y son las siguientes:
Los nombres de las etiquetas de elementos y de los atributos tienen que estar en minúscula
Los valores de los atributos tienen que estar entre comillas dobles (") o simples (')
Todos los elementos tienen que estar cerrados, ya tenga contenido (<p> ... </p>) o no (<br/>)
Los elementos deben de estar correctamente anidados
Los valores de atributos iguales sin variantes no pueden ser simplificados
Algunos elemento son obligatorios (html,body, head...)
Se debe incluir una declración de tipo de documento. Tiene que ser una de tres las siguientes:
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "DTD/xhtml1-strict.dtd">
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "DTD/xhtml1-transitional.dtd">
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Frameset//EN" "DTD/xhtml1-frameset.dtd">
El contenido de los elementos <script> y <style> tienen que ser una sección CDATA
Incompatibilidades entre elementos. A continuación se detallan las incompatibilidades en el anidamiento de elementos. Esta prohibición es aplicable a todas las profundidades de anidamiento:
a no puede contener otros elementos a
pre no puede contener los elementos img, object big small , sub o sup
button no puede contener los elementos input, select, textarea, label, button, form, fieldset, iframe o isindex.
label no puede contener otros elementos label.
form no puede contener otros elementos form.
Ejercicio: Escoger una página HTML y pasarla a XML. Si no se os ocurre ninguna escoged esta misma, que no está bien formada :( . Probad como no funciona bien si el código XHTML está no está bien formado, usad el Internet Explorer o el Mozilla.
El objetivo principal de la especificación de espacios de nombre es permitir que el autor del documento le diga al analizador o parser qué DTD usar cuando analice un elemento dado. Es decir, que para una etiqueta se especifica que DTD usar, por lo que esto sólo tiene sentido si se usa más de un DTD. Por ejemplo, supongamos que tenemos una hoja xml con libros y otra con discos (con sus correspondientes DTD) y queremos mezclar ambas páginas. Habrá elementos que no se llamen igual (páginas o tiempo), pero otros que si (titulo, autor). Entonces se usarían ambos DTD y utilizaríamos los espacios de nombre para distinguir aquellos elementos en los que no esté claro a que DTD pertenecen.
Aunque el motivo de la especificación de los espacios de nombres fue usar más de un DTD, en la realidad ninguna herramienta soporta más de un DTD (yo, al menos, no he visto ninguna), por lo que sólo se utilizan los prefijos de espacios de nombres (que veremos dentro de poco) en XSLT(que se verá más tarde), es decir, se utilizan para distinguir las etiquetas propias de XSLT con las etiquetas del formato de salida , por ejemplo, XHTML o WML. Los espacios de nombres se aplican tanto a atributos como a elementos. En este apartádo sólo hemos considerado elementos. Para más información sobre los atributos, puedes ver la especificación del W3C en http://www.w3.org/TR/REC-xml-names
Para definir un espacio de nombres al que pertenece un elemento, es necesario añadir un atributo a la definición de elemento, donde el nombre del atributo sea xmlns ("xml namespace") y el valor puede ser una cadena cualquiera, aunque por convención suelen ser URLs. Por ejemplo, podemos hacer esto añadiendo una entrada como la siguiente en la lista de definición de atributos de un elemento title:
<!ELEMENT title (%inline;)*> <!ATTLIST title xmlns CDATA #FIXED "http://www.ejemplos.xml/slideshow" >
Declarar el atributo como FIXED tiene varias características importantes:
Evita que el documento especifique cualquier valor no correspondiente al atributo xmlns.
Un elemento definido en este DTD se hace único (como el parser entiende el atributo xmlns), por eso no genera conflictos con un elemento que tenga el mismo nombre en otro DTD. Esto permite que múltiples DTDs usen el mismo nombre de elemento sin generar un error del analizador
Cuando un documento especifica el atributo xmlns para una etiqueta, el documento selecciona la definición de elemento con un atributo correspondiente.
Cada nombre de elemento en nuestro DTD obtendría exactamente el mismo atributo con el mismo valor.
Cuando un documento usa un nombre de elemento que existe sólo en uno de los ficheros DTD que referencia, el nombre no necesita estar cualificado(tiempo y páginas en el ejemplos de los discos y de los libros). Pero cuando se usa un nombre de elemento que tiene varias definiciones, se necesita algún tipo de cualificación (nombre de disco y nombre de libro, por ejemplo). Cualificamos una referencia a un nombre de elemento especificando el atributo xmlns, como se ve a continuación:
< title xmlns="http://www.example.com/slideshow" > Tutorial </title>
El espacio de nombres se aplica a ese elemento, y a cualquier elemento contenido dentro de él.
Usando el atributo xmls, cuando necesitamos una sóla referencia a un espacio de nombres, no es mucho trabajo, pero cuando necesitamos hacer la misma referencia varias veces, añadir dicho atributo se convierte en una tarea algo pesada. También hace dificil cambiar el nombre del espacio de nombres, en caso de que se quiera modificar posteriormente. La alternativa es definir un prefijo de espacio de nombres, que es tan sencillo como especificar xmlns, dos puntos (:) y el nombre del prefijo antes del valor del atributo, como se ve a continuación:
<sl:slideshow xmlns:sl='http://www.example/slideshow' ...> ... </sl:slideshow>
Esta definición configura sl como un prefijo que puede usarse para cualificar el nombre del elemento actual y cualquier elemento dentro de él. Como el prefijo puede usarse en cualquier elemento contenido, tiene más sentido definirlo en el elemento raiz del documento XML. Cuando el prefijo se usa para cualificar un nombre de elemento, la etiqueta final también incluye el prefijo, como se muestra aquí:
<sl:slideshow xmlns:sl='http://www.example/slideshow' ...> ... <slide> <sl:title> Tutorial <sl:title> </slide> ... </sl:slideshow>
Finalmente podemos observar que se pueden definir varios prefijos en el mismo elemento, como se muestra a continuación
<sl:slideshow xmlns:sl='http://www.example/slideshow' xmlns:chtml="urn: ..."> ... </sl:slideshow>
Ejercicio: Veamos un ejemplo, donde se tiene información de libros en XML, pero, a su vez, se quiere usar HTML para mostrar la información:
<h:html xmlns:xdc="http://www.xml.com/books" xmlns:h="http://www.w3.org/HTML/1998/html4"> <h:head><h:title>Book Review</h:title></h:head> <h:body> <xdc:bookreview> <xdc:title>XML: A Primer</xdc:title> <h:table> <h:tr align="center"> <h:td>Author</h:td><h:td>Price</h:td> <h:td>Pages</h:td><h:td>Date</h:td></h:tr> <h:tr align="left"> <h:td><xdc:author>Simon St. Laurent</xdc:author></h:td> <h:td><xdc:price>31.98</xdc:price></h:td> <h:td><xdc:pages>352</xdc:pages></h:td> <h:td><xdc:date>1998/01</xdc:date></h:td> </h:tr> </h:table> </xdc:bookreview> </h:body> </h:html>
En el ejemplo los elementos que tiene el prefijo xdc están asociados a un espacio de nombres cuyo identificador es http://www.xml.com/books, mientras que los que tienen el prefijo h están asociados con un espacio de nombres cuyo identificador es http://www.w3.org/HTML/1998/html4. El ejercicio tratará de hacer lo mismo que en el ejemplo anterior pero para mostrar música en MP3 en HTML. Si no sabeis como empezar, haced primero una página en XHTML y, segundo, otra siguiendo un formato de vuestra invención (por ejemplo autor, disco, fecha, estilo, etc.).
6.- ENLACES
http://www.ibium.com/alf/xml: Un Magnífico tutorial en castellano sobre XML y tecnologías asociadas.
http://www.w3.org/TR/REC-xml: Referencia oficial del W3C sobre XML
http://leo.worldonline.es/jlgranad/xhtml/xhtml1.htm: Referencia oficial del W3C sobre XHTML traducido al castellano
http://users.erols.com/enno/xml/index.html: Módulos de Perl, para hacer parser y trabajar con el DOM.
http://sourceforge.net/projects/expat/: Direcció de Expat el parser del Mozilla.
http://www.microsoft.com/spain/msdn/articulos/archivo/051299/dhtml/beginner.asp: Artículo sobre el Modelo de Objeto Documento desde el punto de vista de Microsoft
http://www.w3.org/TR/REC-xml-names:Referencia oficial del W3C sobre espacios de nombres
http://www.xmlsoftware.com/: Todo tipo de software relacionado con XML
http://www.xml.com/:Un completo sitio de recursos sobre XML
http://www.arcos.inf.uc3m.es/~juange/lro/9798/copia/~kris/lro9798/documentos.htm#A6: Un tutorial de XML, para principiantes.