URI

URI (Identificadores únicos de recursos)

URI = URL + URN

URL (Locator) tiene doble funcionalidad:
- Identificar recursos
- Protocolo de acceso
Ejemplo: http://www.uniovi.es
URN: Nombre único de recursos
- Ejemplo: urn:isbn:0-395-36341-1

IRI (Internationalized Resource Identifier) permite incluir caracteres Unicode

XML

XML es un lenguaje de marcado generalizado
Define una sintaxis común que permite definir vocabularios específicos
Orígenes
- SGML (70~) permitía definir vocabulrios
- HTML fue un vocabulario de SGML para hipertexto
- XML = SGML más simple y adaptado a Internet

Parte fundamental de la arquitectura Web
Otras aplicaciones: Ficheros de Configuración, vocabularios específicos, etc.

XML


<html>
<head><title>Poema</title>
</head>
<body lang="es">
<h1>Alba</h1>
<h2>Abril de 1915 </h2>
<h2>Granada</h2>
<p>Mi corazon 
    oprimido</p>
<p>siente junto a 
     la alborada</p>
</body>
</html>


<poema fecha="Abril 1915" 
       lugar="Granada">
<titulo>Alba</titulo>
<verso>Mi corazon
    oprimido</verso>
<verso>siente junto a 
    la alborada</verso>
<verso>el dolor de sus 
    amores...</verso>
</poema>

Ambos documentos tienen una sintaxis común

Partes de un documento XML

Declaración XML: opcional
Declaración de tipo de documento (DTD): opcional
Contenidos

Ejemplo de fichero XML


<?xml version="1.0" ?>
<!DOCTYPE poema 
      SYSTEM "poema.dtd">
<poema fecha="Abril 1915" 
       lugar="Granada">
<titulo>Alba</titulo>
<verso>Mi corazon 
    oprimido</verso>
<verso>siente junto a 
    la alborada</verso>
<verso>el dolor de sus 
    amores...</verso>
</poema>

Declaración XML


<?xml version="1.0" encoding="UTF-8" standalone="yes" ?>

version indica la versión.
- 1.0 = versión más habitual
- 1.1 aumenta capacidad de soporte de Unicode
encoding indica codificación de caracteres
- UTF-8= caracteres Unicode
- iso-8859-1 = caracteres latinos
standalone
- yes indica que puede haber declaraciones externas
- no indica que no hay dichas declaraciones

Cuerpo del documento XML

Formato de elemento


<etiqueta atrib1="valor1" atrib2="valor2" ...>
 ...contenidos...
 </etiqueta>

El cuerpo del documento está formado por un elemento
Un elemento consta de:
- Una etiqueta inicial que puede contener una lista de atributos y valores
- Los contenidos del elemento (puede estar vacío)
- La etiqueta final
Los contenidos del elemento pueden ser otros subelementos
Es necesario cerrar todas las etiquetas
XML es sensible a mayúsculas/minúsculas

Elementos vacíos

Elemento vacío sin simplificar


<etiqueta atrib1="valor1" atrib2="valor2" ...>
</etiqueta>

Un elemento vacío puede simplificarse como:

Elemento vacío simplificado


<etiqueta atrib1="valor1" atrib2="valor2" ... />

Anidamiento

Las etiquetas que se abran deben cerrarse sin que se produzcan anidamientos

Correcto


<externo>
  <interno>
    texto
  </interno>
</externo>

Incorrecto


<externo>
  <interno>
    texto
  </externo>
</interno>

XML tiene estructura de árbol

Cada documento XML puede representarse como un árbol


<poema fecha="Abril 1915" 
       lugar="Granada">
<titulo>Alba</titulo>
<verso>Mi corazon 
    oprimido</verso>
<verso>siente junto a 
    la alborada</verso>
<verso>el dolor de sus 
    amores...</verso>
</poema>

Arbol XML

Dibujar el árbol DOM para el siguiente documento

  <html>
  <head><title>Pagina</title></head>
  <body>
   <h1>Ejemplo</h1>
   <p>Este texto tiene un
       <a href="http://www.uniovi.es">enlace</a>
       y un texto <em>enfatizado</em></p>
  </body>
  </html>

Atributos


<poema fecha="Abril 1915" 
       lugar="Granada">
 ...
</poema>

El orden de los atributos no es significativo
No puede haber nombres de atributos repetidos
Hay varios atributos predefinidos. Por ejemplo:
- xml:lang especifica el código del idioma: en (inglés), sp (español), etc.
- xml:space especifica cómo tratar el espacio en blanco:
  - preserve = mantenerlo
  - default = dejar libertar a la aplicación para tratarlo como quiera

Comentarios

Los comentarios indican porciones del documento que no serán analizadas por el procesador

Comienzan por <-- y finalizan por -->


<!-- Este poema requiere
     comentarios -->
<poema>
 <titulo>La fealdad</titulo>
 <!-- No hay versos -->
</poema>

Dentro de los comentarios no pueden aparecer los caracteres --

Caracteres especiales

Existen 5 caracteres especiales:

& lt; = <
& gt; = >
& amp; = &
& quot; = "
& apos; = '

Cualquier carácter Unicode puede indicarse mediante & seguido del número y acabado por ;

Secciones CDATA

Suelen utilizarse para incluir porciones de texto sin analizar. Por ejemplo código fuente

Ejemplo sin CDATA

<codigo>
if (x &lt; 3 &amp;&amp; 
    x &gt; 4) 
 printf(&quot;Hola&quot;);
</codigo>

Ejemplo sin CDATA

<codigo>
<![CDATA[
if (x < 3 && x > 4) 
 printf("Hola");
]]>
</codigo>

Instrucciones de Procesamiento

Permiten indicar al procesador que ejecute una aplicación externa

Formato: <?aplicación ...datos... ?>

Los tipos de aplicaciones externas no están definidos

Algunos ejemplos:

<?xml version='1.0' ?>
<?xsl-stylesheet type='text/xsl' href='...' ?>
<?php ... ?>

Documento bien formado

Un documento XML está bien formado si cumple las reglas anteriores

Una condición básica para trabajar con un documento XML es que esté bien formado

Validación

Es posible limitar la estructura de los documentos
Varias alternativas:
- DTDs
- XML Schema
- Relax NG
- Schematron

Validación mediante DTDs

Ejemplo XML con DTD


<poema 
  fecha="Abril 1915" 
  lugar="Granada">
<!DOCTYPE poema 
   SYSTEM "poema.dtd">
<titulo>Alba</titulo>
<verso>Mi corazon 
    oprimido</verso>
<verso>siente junto a 
    la alborada</verso>
<verso>el dolor de sus
    amores...</verso>
</poema>

Ejemplo de DTD


<!ELEMENT poema 
           (titulo,verso*)>
<!ELEMENT titulo (#PCDATA)>
<!ELEMENT verso (#PCDATA)>
<!ATTLIST poema 
     fecha CDATA #REQUIRED
     lugar CDATA #IMPLIED>

DTDs internas vs externas

Las DTDs pueden definirse dentro del documento XML

<!DOCTYPE poema [
 <!ELEMENT poema (titulo,verso*)>
. . .
]>
<poema>. . . </poema>

También pueden residir en otro documento:

<!DOCTYPE poema SYSTEM "poema.dtd">
<poema>. . . </poema>

Algunas DTDs pueden tener identificadores públicos

<!DOCTYPE html
   PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
     "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">

Tipos de declaraciones

ELEMENT = elementos del documento
ATTLIST = lista de atributos de un elemento
ENTITY = entidades (similares a las macros)
NOTATION = permite definir otros tipos de contenidos, facilitando la inclusión de formatos binarios

Modelo de contenido de elementos

Se utiliza un modelo basado en expresiones regulares

? = 0,1 elemento
* = 0 ó más elementos
+ = 1 ó más elementos
| = alternativa
, = secuencia
EMPTY = vacío
ANY = cualquier cosa
#PCDATA = texto


<!ELEMENT poema  (titulo,
                  autor?,
                  verso* ) >
<!ELEMENT libro  ( poema 
                 | prosa) >
<!ELEMENT autor  EMPTY>
<!ELEMENT titulo (#PCDATA)>
<!ELEMENT sec    (titulo, 
                 (p | sec+))
                 >

Modelo de contenido mixto

 
<p>Este texto tiene un 
  <a href="ref.html">enlace</a>
  y algo <em>enfatizado</em>
</p>

La validación puede realizarse mediante:

 
 <!ELEMENT p (#PCDATA | a | em )* >
 <!ELEMENT a (#PCDATA)>
 <!ELEMENT em (#PCDATA)>

Atributos

Tipos de datos:
- CDATA = cadena
- NMTOKEN = nombre
- NMTOKENS = lista de nombres
Valor de atributos:
- #REQUIRED obligatorio
- #IMPLIED opcional
- #FIXED fijo
- Valor = valor por defecto


<!ATTLIST poema fecha CDATA #REQUIRED
                lugar CDATA #IMPLIED>

Valores ID e IDREF

ID representa un atributo cuyo valor debe ser único en todo el documento
IDREF representa un atributo cuyo valor debe coincidir con el de otro atributo del documento


<!ATTLIST autor         codigo ID #REQUIRED>
<!ATTLIST autorPremiado codigo IDREF #REQUIRED>
. . .

<autor codigo="A21">...</autor>
<autor codigo="A45">...</autor>
...
<autorPremiado codigo="A45" />

Entidades generales

Permiten definir macros

<!ENTITY clarin 
   "<autor codigo="23">Leopoldo Alas Clarin</autor>">
. . .
<libro>
 <titulo>La Regenta</titulo>
 &clarin;
</libro>

equivale a:

<libro>
 <titulo>La Regenta</titulo>
 <autor codigo="23">Leopoldo Alas Clarin</autor>
</libro>

Entidades externas

Permiten incluir documentos externos en el documento actual

<!DOCTYPE libros [
<!ENTITY autores     SYSTEM "autores.xml">
<!ENTITY editoriales SYSTEM "editoriales.xml">
]>
<libros>
 &autores;
 &editoriales;
</libros>

Entidades parámetro

Permiten crear macros dentro de las definiciones de las DTDs


<!ELEMENT % localizacion (calle,numero?,ciudad, pais,codigoPostal)>
<!ELEMENT autor     (nombre,apellidos,%localizacion;)>
<!ELEMENT editorial (nombre,cif,%localizacion;)>

Entidades parámetro externas

Permiten incluir otras DTDs en una DTD

<!ELEMENT % autores     SYSTEM "autores.dtd" >
<!ELEMENT % editoriales SYSTEM "editoriales.dtd" >

%autores;
%editoriales;

Espacios de nombres

El problema de la homonimia

<pais nombre="Francia">
<capital>Paris</capital>
</pais>

<inversion>
  <capital>7000</capital>
</inversion>

¿Cómo juntarlo todo en un mismo documento?

<inversiones>
  <pais nombre="Francia">
    <capital>Paris</capital>
    <capital>1200</capital>
  </pais>
  . . .
</inversiones>

Espacios de Nombres

La solución consistirá en asociar a cada etiqueta una URI que identificará el espacio de nombres al que pertenece
La URI sirve simplemente para evitar ambigüedad = identificador global único
Conceptualmente se representaría como:

Representación conceptual de Espacio de nombres

<[http://www.bolsa.com]:inversiones>
  <[http://www.geog.es]:pais 
      [http://www.geog.es]:nombre="Francia">
    <[http://www.geog.es]:capital>Paris
    </[http://www.geog.es]:capital>
    <[http://www.bolsa.com]:capital>1200
    </[http://www.bolsa.com]:capital>
  </[http://www.bolsa.com]:pais>
  . . .
</[http://www.bolsa.com]:inversiones>

Sintaxis de Espacio de nombres

Para abreviar la sintaxis se asocian alias mediante el atributo xmlns:alias="...URI..."

Espacio de nombres

<b:inversiones xmlns:b="http://www.bolsa.com"
               xmlns:geo="http://www.geo.es">
  <geo:pais geo:nombre="Francia">
    <geo:capital>Paris<geo:capital>
    <b:capital>1200</b:capital>
  </geo:pais>
  . . .
</b:inversiones>

Sintaxis de Espacio de nombres

No es necesario asociar todos los alias al comienzo del documento

Espacio de nombres

<b:inversiones xmlns:b="http://www.bolsa.com">
  <geo:pais xmlns:geo="http://www.geo.es"
            geo:nombre="Francia">
    <geo:capital>Paris<geo:capital>
    <b:capital>1200</b:capital>
  </geo:pais>
  . . .
</b:inversiones>

Sintaxis de Espacio de nombres

Puede definirse un espacio de nombres por defecto
Para ello, se utiliza el atributo xmlns="...URI..."

Espacio de nombres

<inversiones xmlns="http://www.bolsa.com">
  <geo:pais xmlns:geo="http://www.geo.es"
            geo:nombre="Francia">
    <geo:capital>Paris<geo:capital>
    <capital>1200</capital>
  </geo:pais>
  . . .
</inversiones>

Algunos espacios de nombres populares

http://www.w3.org/1999/xhtml: XHTML
http://www.w3.org/1999/XSL/Transform: XSLT
http://www.w3.org/2000/svg: SVG
http://www.w3.org/1999/xlink: XLink
http://www.w3.org/1999/xlink: XLink
http://www.w3.org/1999/02/22-rdf-syntax-ns#: RDF
http://purl.org/dc/elements/1.1/: Dublin Core
http://www.w3.org/2005/Atom: Formato Atom

Combinación de Espacios de nombres

Ejemplo de combinación


<html xmlns="http://www.w3.org/1999/xhtml"
      xmlns:xlink="http://www.w3.org/1999/xlink">
  <head>
    <title>HTML + SVG</title>
  </head>
  <body>
    <h1>Una imagen</h1>

    <svg xmlns="http://www.w3.org/2000/svg" 
         width="300" height="200">
      <a xlink:href="http://www.uniovi.es">
       <circle cx="150" cy="100" r="50" />
      </a>
    </svg>
  </body>
</html>

Validación de Espacios de nombres con DTDs

Los espacios de nombres fueron posteriores a los DTDs

De todas formas, es posible realizar la validación

<!DOCTYPE inversiones [
<!ELEMENT inversiones (g:pais*)>
<!ELEMENT g:pais (g:capital,capital) >
<!ELEMENT g:capital (#PCDATA)>
<!ELEMENT capital (#PCDATA)>
<!ATTLIST inversiones 
        xmlns CDATA #FIXED "http://www.bolsa.com">
<!ATTLIST g:pais 
        g:nombre CDATA #REQUIRED
        xmlns:g CDATA #FIXED "http://www.geog.es">
]>

XML

Jose Emilio Labra Gayo

Octubre 2006

Contenidos

Arquitectura de la Web

Unicode y URIs

Unicode

URI

XML

XML

Partes de un documento XML

Declaración XML

Cuerpo del documento XML

Elementos vacíos

Anidamiento

XML tiene estructura de árbol

Arbol XML

Atributos

Comentarios

Caracteres especiales

Secciones CDATA

Instrucciones de Procesamiento

Documento bien formado

Validación

Validación mediante DTDs

DTDs internas vs externas

Tipos de declaraciones

Modelo de contenido de elementos

Modelo de contenido mixto

Atributos

Valores ID e IDREF

Entidades generales

Entidades externas

Entidades parámetro

Entidades parámetro externas

Espacios de nombres

Espacios de Nombres

Sintaxis de Espacio de nombres

Sintaxis de Espacio de nombres

Sintaxis de Espacio de nombres

Algunos espacios de nombres populares

Combinación de Espacios de nombres

Validación de Espacios de nombres con DTDs

Contenidos