Что такое XML?

Термин XML обозначает особую разновидность гипертекстовых документов. Чем же плохи обычные текстовые документы и что особенного есть в XML-документах?

В любом текстовом документе можно написать что угодно и как угодно, например, можно поставить между одними словами один пробел, а между другими - два пробела. Можно выделять абзац красной строкой из трех пробелов, а иногда оставлять пустую строчку между соседними абзацами. Можно написать заголовок документа в первой строке, а можно начать писать документ с фамилии автора. Но если документ необходимо опубликовать, то его придется переделывать - оформлять единообразным способом абзацы, выделять из общего повествования заголовок пустой строкой, между заголовком и первым абзацем указывать фамилию автора и краткую аннотацию и т.д. Одним словом возникнет необходимость оформить документ некоторым стандартным для данного издания способом. А если понадобится опубликовать этот документ в другом месте, понадобится снова что-то изменять и переделывать. Оказывается выход есть - на помощь придет XML!

Фактически XML - это способ разметки документов, предназначенный для формирования в документах какой-либо структуры и определения отношений между различными элементами этой структуры. Для создания такой разметки служат специальные инструкции, называемые тегами. Теги располагают между символами < и >. Благодаря наличию тегов становится возможной унифицированная автоматическая обработка и форматирование XML-документов. Благодаря XML удается также контролировать правильность данных, хранящихся в документах, а также установить единый стандарт на структуру документов, в которых могут содержаться произвольные данные. XML незаменим при построении сложных информационных систем, в которых очень важным является вопрос обмена информацией между различными потребителями. Благодаря XML можно избавиться от многих проблем, связанных с несовместимостью используемых различными компонентами.

Пример типичного XML-документа

<?xml version="1.0" encoding="windows-1251"?> <!DOCTYPE InfoPacket SYSTEM "http://xml.prime-tass.ru/dtd/UIF.dtd"> <InfoPacket> <Source type="string">ПРАЙМ-ТАСС</Source> <Time type="datetime">08.05.2001 13:53:17</Time> <InfoItem> <Time type="datetime">17.04.2001 10:07:47</Time> <Title type="string"> Первый серийный самолет "Ту-214" производства КАПО совершил первый испытательный полет </Title> <Text> МОСКВА, 11 апреля. /ПРАЙМ-ТАСС/. Первый экземпляр самолета Ту-214, выпущенный в серийном исполнении на Казанском авиационно-производственном объединении /КАПО/, совершил первый испытательный полет. Об этом ПРАЙМ-ТАСС сообщили в Финансовой лизинговой компании /ФЛК/. </Text> <Text> Самолет изготовлен для хабаровской авиакомпании "Дальавиа" в рамках соглашения, заключенного в 2000 году между "Дальавиа" и ФЛК, предусматривающего передачу в лизинг двух Ту-214, производимых на КАПО. Ту-214 предназначен для перевозки 164 пассажиров на расстояние 7,2 тыс км на маршрутах Москва-Хабаровск, а также в Корею и Китай. </Text> <Text> Общие затраты на подготовку производства самолета составили 1,2 млрд руб. Из бюджета страны на эти цели было выделено всего 1,5 млн руб. Подготовка к производству велась за счет средств КАПО и бюджета Татарстана, а также полного освобождения предприятия от республиканского и местных налогов. Из республиканского бюджета на сертификацию самолета было выделено 97 млн руб, а также 275 млн руб для запуска механизма лизинга. </Text> <Text> Предварительная стоимость Ту-214 составляет 22-25 млн долл. </Text> </InfoItem>   </InfoPacket>

Первые две строчки в этом примере должны присутствовать. Первая строчка означает, что данный документ является XML-документом, а вторая указывает на специальный ресурс http://xml.prime-tass.ru/dtd/UIF.dtd, в котором содержатся правила оформления данного XML-документа). Более подробную информацию по этим "волшебным словам" и не только можно получить на сайте http://www.w3.org.

Остальные строчки имеют явно выраженную иерархическую структуру, в которой есть один корневой тег <InfoPacket>, а остальные теги вложены в него. Все эти теги встечаются парами, например, <InfoPacket> и </InfoPacket>, или <Text> и </Text>. Первые - обозначают открывающийся тег, вторые - парный ему закрывающийся. В XML-документе каждый открывающийся тег обязан иметь парный ему закрывающийся.

Тег <InfoPacket> является самым главным тегом - корнем иерархической структуры и предназначен для хранения вложенных в него остальных тегов. Таким образом, он представляет собой своеобразный "конверт" или "обертку" - информационный пакет. В него вложены теги <Source>, <Time> и <InfoItem>. Тег <Source> содержит сведения об источнике информации, заключенной в данном информационном пакете ("адрес отправителя"). В теге <Time> указано время создания информационного пакета ("время заклеивания конверта"). И, наконец, в теге <InfoItem> находится собственно "письмо" - фактическое смысловое наполнение информационного пакета. Что же содержится в этом "письме"? В нем находятся теги <Time>, <Title> и <Text>. В теге <Time>, вложенном в тег <InfoItem> указано когда наше "письмо" было написано, т.е. время написания содержимого <InfoItem>. Не следует путать это время с моментом "заклеивания конверта" (созданием информационного пакета <InfoPacket>). Обычно сначала пишут "письмо", а потом "заклеивают конверт" с ним. Кстати, если получателей несколько, то придется "заклеить" несколько "конвертов" с одинаковыми копиями "письма". Или возможна ситуация, когда нужно положить в один конверт несколько "писем" для одного получателя. В этом случае придется поместить внутри тега <InfoPacket> несколько тегов <InfoItem>. Кроме тега <Time> в <InfoItem> вложен тег <Title>, в котором написан заголовок документа или "письма", если продолжить нашу аналогию. И, наконец, остался тег <Text>, который несколько раз встречается внутри тега <InfoItem>. Этот тег <Text> обозначает просто абзацы документа.

Осталось только сказать, что означают и для чего нужны записи, типа type="datetime" или type="string" внутри названий тегов <Source>, <Time> и <Title> и почему их нет в тегах <Text>. Такого рода записи в XML называются атрибутами тегов. В данном случае мы имеем один атрибут type, который принимает значения "datetime" и "string". Значения атрибутов в XML всегда заключаются в кавычки. Атрибут type нужен для того, чтобы точно указать как следует интерпретировать последовательность символов, заключенную внутри тега с этим атрибутом. Значение "datetime" означает, что значение тега нужно интерпретировать как дату и время, а значение "string" - как обычную строку. У тега <Text> атрибут type отсутствует, т.к. по смыслу этого тега и так ясно, что в этом теге содержится текстовая строка.

XML - это язык разметки, описывающий целый класс объектов данных, называемых XML- документами. Этот язык используется в качестве средства для описания грамматики других языков и контроля за правильностью составления документов. Т.е. сам по себе XML не содержит никаких тэгов, предназначенных для разметки, он просто определяет порядок их создания. Таким образом, если, например, мы считаем, что для обозначения элемента rose в документе необходимо использовать тэг <flower>;, то XML позволяет свободно использовать определяемый нами тэг и мы можем включать в документ фрагменты, подобные следующему:

<flower>rose</flower>

Набор тэгов может быть легко расширен. Если, предположим, мы хотим также указать, что описание цветка должно по смыслу идти внутри описания оранжереи, в которой он цветет, то просто задаем новые тэги и выбираем порядок их следования:

<conservatory><flower>rose</flower></conservatory>

Если мы хотим посадить туда еще несколько цветочков, то должны внести следующие изменения:

<conservatory><flower>rose</flower><flower>tulip</flower><flower>cactus</flower></conservatory>

Как видно, сам процесс создания XML документа очень прост и требует от нас лишь базовых знаний HTML и понимания тех задач, которые мы хотим выполнить, используя XML в качестве языка разметки. Таким образом, у разработчиков появляется уникальная возможность определять собственные команды, позволяющие им наиболее эффективно определять данные, содержащиеся в документе. Автор документа создает его структуру, строит необходимые связи между элементами, используя те команды, которые удовлетворяют его требованиям и добивается такого типа разметки, которое необходимо ему для выполнения операций просмотра, поиска, анализа документа.

Еще одним из очевидных достоинств XML является возможность использования его в качестве универсального языка запросов к хранилищам информации. Сегодня в глубинах W3C находится на рассмотрении рабочий вариант стандарта XML-QL(или XQL), который, возможно, в будущем составит серьезную конкуренцию SQL. Кроме того, XML-документы могут выступать в качестве уникального способа хранения данных, который включает в себя одновременно средства для разбора информации и представления ее на стороне клиента. В этой области одним из перспективных направлений является интеграция Java и XML - технологий, позволяющая использовать мощь обеих технологий при построении машинно-независимых приложений, использующих, кроме того, универсальный формат данных при обмене информации.

XML позволяет также осуществлять контроль за корректностью данных, хранящихся в документах, производить проверки иерархических соотношений внутри документа и устанавливать единый стандарт на структуру документов, содержимым которых могут быть самые различные данные. Это означает, что его можно использовать при построении сложных информационных систем, в которых очень важным является вопрос обмена информацией между различными приложениями, работающими в одной системе. Создавая структуру механизма обмена информации в самом начале работы над проектом, менеджер может избавить себя в будущем от многих проблем, связанных с несовместимостью используемых различными компонентами системы форматов данных.

Также одним из достоинств XML является то, что программы-обработчики XML- документов не сложны и уже сегодня появились и свободно распространяются всевозможные программные продукты, предназначенные для работы с XML-документами. XML поддерживается сегодня в Microsoft Internet Explorer 4/0 и в бэта-версиях IE5. Было заявлено о его поддержке в последующих версиях Netscape Communicator, СУБД Oracle, DB-2, в приложениях MS-Office. Все это дает основания предполагать, что, скорее всего, в ближайшем будущем XML станет основным языком обмена информации для информационных систем, заменив собой, тем самым, HTML. На основе XML уже сегодня созданы такие известные специализированные языки разметки, как SMIL, CDF, MathML, XSL, и список рабочих проектов новых языков, находящихся на рассмотрении W3C, постоянно пополняется.