Introducción al xml

Introducci´ n al XML o
Jaime E. Villate. Universidad de Oporto villate@fe.up.pt 5 de mayo de 2001

Resumen Estas notas han sido preparadas para el Seminario sobre Programaci´ n en entorno GNU/ o Linux, en la universidad Rey Juan Carlos, Madrid, Espa˜ a. El est´ ndar XML ha ganado n a mucha popularidad recientemente, debido a su gran utilidad para estructurar informaci´ n y o por ser un est´ndar abierto y bastante difundido. a Copyright c 2001, Jaime E. Villate. Este art´culo puede ser copiado y distribuido por ı cualquier medio, siempre y cuando se mantenga esta nota.

1

Introducci´ n o

XML significa lenguaje de marcas generalizado (Extensible Markup Language). Es un lenguaje usado para estructurar informaci´ n en un documento o en general en cualquier fichero que cono tengatexto, como por ejemplo ficheros de configuraci´ n de un programa o una tabla de datos. o ´ Ha ganado much´sima popularidad en los ultimos a˜ os debido a ser un est´ ndar abierto y libre, ı n a creado por el Cons´ rcio World Wide Web, W3C (los creadores de la www), en colaboraci´ n con o o un panel que incluye representantes de las principales compa˜ ´as productoras de software. nı El XML fue propuestoen 1996, y la primera especificaci´ n apareci´ en 1998. Desde entonces o o su uso ha tenido un crecimiento acelerado, que se espera que contin´ e durante los pr´ ximos a˜ os; u o n hoy en d´a parece que de repente todo el mundo est´ usando, o quiere usar, XML. ı a

1.1 Ventajas del XML
Antes de ser lanzado el XML, ya exist´an otros lenguajes de marcas, como por ejemplo el HTML, ı basados en ellenguaje generalizado de marcas (SGML). El problema con el SGML es que por ser muy flexible y muy general, se torna dif´cil el an´ lisis sint´ ctico de un documento y la especiı a a ficaci´ n de la estructura (que como veremos mas adelante se incluye en otro documento llamado o DTD). XML es m´ s exigente que SGML en la sintaxis, lo que hace m´ s f´ cil la construcci´ n de a a a o librer´as paraprocesarlo. ı Comparado con otros sistemas usados para crear documentos, el XML tiene la ventaja de poder ser mas exigente en cuanto a la organizaci´ n del documento, lo cual resulta en documentos o

´ Introduccion al XML

2

mejor estructurados. Por ejemplo en LaTeX existen tambi´ n “marcas” que permiten estructurar e un documento, por ejemplo identificando el nombre del autor y el t´tulo deldocumento – los coı mandos \author y \title – sin embargo no existe forma de obligar a los autores de documentos a que usen estas marcas y algunos de ellos pueden introducir el t´tulo de forma que aparezca ı visualmente igual a lo que se obtiene cuando se usa \author y \maketitle, sin usar esos comandos; esto conlleva a problemas cuando queremos extraer de forma autom´ tica el t´tulo de varios a ıdocumentos. Por ser posible exigir la estructura que deben tener un tipo determinado de documentos, se vuelve posible extraer informaci´ n de varios documentos autom´ ticamente, por ejemplo para o a crear bases de datos o listados con informaci´ n sobre todos los documentos. o

2

Conceptos b´ sicos a

Los ficheros XML son ficheros de texto, que en principio est´ en c´ digo Unicode, pero sepueden a o usar otros alfabetos como el latin-1. Existen cinco caracteres especiales en XML: los s´mbolos ı menor que, , las comillas dobles, ”, el ap´ strofe ’ y el caracter &. Los s´mbolos o ı mayor que y menor que se usan para delimitar las marcas que dan la estructura al documento. Cada marca tiene un nombre; veamos un ejemplo: la marca , que puede tener uno o m´ s a atributos: tiene dosatributos, “fichero” y “tipo”. Los atributos toman valores que tienen que estar entre comillas o entre ap´ strofes. o Cuando sea necesario usar uno de los 5 caracteres especiales en el texto, para evitar que sean interpretados de forma especial se usan las siguientes entidades: <, >, ", ', &, para , ”, ’ y &, respectivamente. Esto explica tambi´ n porque & es un caracter e especial:...