XML

merkintäkielien yläkäsite

XML (Extensible Markup Language) on merkintäkielien standardi, joka määrittää tietojen merkintämuodon loogisella rakenteella. XML-kieliä käytetään sekä formaattina tiedonvälitykseen järjestelmien välillä että tiedostomuotona dokumenttien tallentamiseen. XML-kieli on rakenteellinen kuvauskieli, joka auttaa jäsentämään laajoja tietomassoja selkeämmin. XML:n kehittäjä on World Wide Web Consortium.

XML on tekstimuotoinen SGML-kielen yksinkertaistettu osajoukko, joka muistuttaa WWW:ssä käytettyä HTML-kieltä. XHTML on HTML-kielen versio, joka on siivottu puhtaaksi XML-kieleksi.

XML-dokumentin ulkoasu

muokkaa

Merkistö

muokkaa

XML-dokumentti on tekstiä, jossa lailliset merkistöt ovat Unicode ja ISO/IEC 10646.[1] Standardi vaatii XML-jäsentimiä tukemaan Unicoden UTF-8- ja UTF-16-merkistökoodauksia.[1] Jäsennin saattaa tukea muitakin koodauksia, esimerkiksi ISO 8859-1:aa.

Prologi

muokkaa

XML-dokumentti voi alkaa prologilla, joka sisältää XML-version, sekä mahdollisesti dokumentin koodauksen ja tiedon voidaanko mahdollisesti jäljempänä viitattu DTD jättää lukematta. Prologia ei saa dokumentissa edeltää yhtään merkkiä muuta sisältöä.

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

DOCTYPE

muokkaa

DOCTYPE-määrityksellä dokumentille voidaan määrittää DTD (Document Type Definition), esimerkkinä XHTML-dokumentin DOCTYPE-määrittely:

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

Elementit ja attribuutit

muokkaa

XML-dokumentin data koostuu sen sisältämästä tekstistä sekä merkinnöistä, joita ovat sisällölle rakenteen ja merkityksen antavat elementit ja elementtejä tarkentavat attribuutit. Elementtejä voi olla rajattomasti sisäkkäin tai peräkkäin, mutta ylimmällä tasolla kaikkien elementtien tulee olla yhden juurielementin lapsia. Elementti kuvataan alku- ja loppumerkinnöillä eli tägeillä:

<elementti attribuutti="arvo">
...
</elementti>

Tyhjä elementti, voidaan merkitä joko alku- ja loppumerkinnällä, joiden välissä ei ole sisältöä tai lyhennetyllä merkintätavalla:

<elementti attribuutti="arvo"/>

Isot ja pienet kirjaimet katsotaan elementtien nimissä eri merkeiksi. Esimerkiksi <Esimerkki> ja </Esimerkki> muodostavat oikein muotoillun parin, kun taas <Esimerkki> ja </esimerkki> eivät näin tee.

Attribuutit ovat avain–arvo-pareja, joten tietyn niminen attribuutti voi esiintyä samassa alkutägissä vain yhden kerran eikä niiden järjestyksellä ole merkitystä.

Nimiavaruusmäärittelyt

muokkaa

Elementtien aloitusmerkinnät voivat sisältää attribuuttien tapaan myös nimiavaruusmäärittelyjä. Niillä voidaan erottaa muuten saman nimiset elementit (tai attribuutit) eri nimiavaruuksiin, jolloin eri XML-dokumentteja yhdisteltäessä vältytään tahattomilta nimien yhteentörmäyksiltä. Nimiavaruusmäärittely voi luoda joko oletusnimiavaruuden tai nimiavaruusetuliitteen. Yksikäsitteisyyden varmistamiseksi nimiavaruuden arvo on muodoltaan URI. Esimerkki SVG-dokumentista, jossa määritellään SVG:n oletusnimiavaruus ja etuliitteen avulla käytettävä XLink-nimiavaruus:

<svg xmlns="http://www.w3.org/2000/svg"
     xmlns:xlink="http://www.w3.org/1999/xlink">
    <a xlink:href="/svg/index.html">
        ...
    </a>
</svg>

Esimerkissä elementit <svg> ja <a> kuuluvat SVG-nimiavaruuteen, kun taas attribuutti href kuuluu XLink-nimiavaruuteen, sillä nimen edessä on nimiavaruutta vastaava etuliite kaksoispisteellä : erotettuna.

Kommentit

muokkaa

XML-dokumentti voi elementtimerkintöjen ulkopuolella sisältää kommentteja. Kukin kommentti erotetaan muusta tekstistä <!-- ja --> merkintöjen väliin:

<!--yksi kommentti-->
<elementti>
<!--toinen kommentti-->
...
</elementti>

Kommentti ei SGML-yhteensopivuuden vuoksi saa sisältää -- merkkijonoa ja se päättyy ensimmäiseen --> merkintään. Tästä syystä kommentit eivät voi olla sisäkkäin. Kommenttia ei voi asettaa alku- tai lopputägin sisään vaan se pitää olla tägien välissä tai niiden ulkopuolella.

Käsittelyohjeet

muokkaa

Käsittelyohjeet ovat pyyntöjä XML-käsittelijälle ohjata suoritus toiselle ohjelmalle, yleisenä esimerkkinä on tiedostoon liitetyn XSLT-dokumenttiin viittaaminen:

<elementti>
<?xml-stylesheet type="text/xsl" href="style.xsl"?>
...
</elementti>

XML-prologi ei samannäköisestä ulkoasustaan huolimatta ole käsittelyohje.

XML-dokumentin oikeellisuus

muokkaa

XML:n oikeellisuudelle on kaksi määritelmää

  1. hyvin muodostettu (Well-formed) dokumentti täyttää kaikki syntaksisäännöt
  2. kelvollinen eli validi (Valid), jolloin XML-dokumentin rakenne ja sisältö on jonkin dokumenttityypin määritysten mukainen.

Jotta dokumenttia voidaan pitää hyvin muodostettuna, sen täytyy täyttää vähintään seuraavat vaatimukset:

  • Dokumentti sisältää vain sallittuja ja oikein koodattuja Unicode-merkkejä
  • Merkkejä < ja & käytetään vain niiden ollessa osana merkintäkoodia.
  • Dokumentissa on tasan yksi juurielementti.
  • Ei-tyhjillä elementeillä on aina sekä alku- että loppumerkki, joiden nimi vastaa toistaan täsmälleen. Tyhjille elementeille voidaan käyttää lyhennettyä merkintätapaa.
  • Elementit voivat olla sisäkkäisiä, mutta ne eivät mene ristiin toisten elementtien kanssa.
  • Kaikki nimet sisältävät vain nimissä sallittuja merkkejä. Tämä koskee elementtien, attribuuttien, nimiavaruusetuliitteiden, käsittelyohjeiden kohteiden ja entiteettien nimiä.
  • Jokaisen attribuutin arvo on erotettu lainausmerkkien " tai heittomerkkien ' sisään.
  • Dokumentissa käytettyjen entiteettien pitää olla kelvollisesti määriteltyjä.

Näiden vaatimusten täyttäminen on ratkaisevan tärkeää, sillä mikäli dokumentti ei ole hyvin-muodostettu, ei sitä voida käsitellä XML:nä ja jäsentimen on määritysten mukaan pakko keskeyttää prosessointi ja hylätä koko tiedosto. Tätä menettelytapaa nimitetään myös drakoniseksi virheenkäsittelyksi.

Määritellyn kielen kielioppisäännöt

muokkaa

XML määrittelee usein johonkin sovellukseen käytetyn tiedon rakenteen. Tätä rakennetta usein sanotaan kieleksi. Jos kieli on määritelty jollakin XML-kuvauskielellä, XML-dokumentin kielen mukaisuus voidaan tarkastaa automaattisella työkalulla eli validaattorilla.

XML-kuvauskieli määrittelee esimerkiksi elementit, niiden väliset suhteet ja arvojen arvoalueet.

Yksinkertaisin kuvauskieli on DTD (Document Type Definition). Esimerkkinä DTD-määrittelystä voimme määritellä luettelon henkilöistä:

 <!ELEMENT luettelohenkiloista (henkilo*)>
 <!ELEMENT henkilo (nimi, syntymaaika?, sukupuoli?, sosiaaliturvatunnus?)>
 <!ELEMENT nimi (#PCDATA)>
 <!ELEMENT syntymaaika (#PCDATA)>
 <!ELEMENT sukupuoli (#PCDATA)>
 <!ELEMENT sosiaaliturvatunnus (#PCDATA)>

Monimutkaisempia ja uudempia määrittelykieliä ovat XML Schema ja RELAX NG. Ne ovat itsessään XML-dokumentteja. Näiden avulla voidaan esimerkiksi asettaa rajoituksia numeroiden arvoalueille.

Yleisiä XML-työkaluja

muokkaa

XML-kielet kuvaavat dokumentin loogista rakennetta, eivät niiden esittämistä. Niinpä samasta XML-dokumentista voidaankin luoda useita erilaisia esityksiä. Samasta varastotilanteen kuvaavasta XML-tiedosta voidaan tuottaa esimerkiksi sekä varastotilanteen kuvaavat WWW-sivut että tulostettavat rahtikirjat.

Yksi ratkaisu XML-sivujen muuntamiseen erilaisiin tulostusformaatteihin on HTML:n kanssa usein käytetty CSS. CSS ei kuitenkaan itse ole XML:n mukainen kieli. Mikäli XML-dokumentin pohjalta halutaan muodostaa uusi XML-tiedosto eri rakenteella, voidaan tarkoitukseen käyttää XML:n mukaista XSLT-muunnoskieltä.

XSLT-kielen kanssa määritellään XPath-osoitinkieli, jolla voidaan määritellä helposti osajoukkoja XML-dokumentista.

FO-sivunkuvauskieli on yleinen XML-formaatti, johon dokumentteja voidaan muuntaa helpompaa tulostamista varten. Se siis vastaa jossain määrin HTML-dokumentin ulkoasuominaisuuksia.

XML:n käytön tuomia etuja

muokkaa

XML-dokumenttien käytöllä tavoitellaan muun muassa

  • sisältöjen yhdenmukaisempaa tallennusmuotoa
  • sisältövirheiden välttämistä
  • tiedon hakemisen helpottamista
  • sisällön monikäyttöisyyden ja monikanavajulkaisemisen parantamista
  • käsittelyvaiheiden automatisointia
  • riippumattomuutta tietystä ohjelmistotoimittajasta
  • tiedon pitkäaikaissäilyvyyden parantamista
  • integraatioiden helpottamista
  • SEPA ja XML sanomat yleensä yritysten välisessä tiedonsiirrossa

XML-pohjaisia standardeja ja määrityksiä

muokkaa

Tietämyksen esittäminen

muokkaa

Asiakirjojen esittäminen

muokkaa

Asiakirjojen yms. erikoisosat

muokkaa
  • MathML – Matemaattiset merkinnät
  • SVG – Kuvat
  • HCard – Yhteystiedot
  • VoiceXML – Äänet
  • SMIL – sisällöt, joissa esimerkiksi video ja ääni synkronoidaan
  • Dublin Core – Metadata

Tiedonsiirto

muokkaa
  • XML-RPC – toiminnon suorittaminen verkon yli
  • SOAP – toiminnon suorittaminen verkon yli
  • AJAX – toiminnon suorittaminen verkon yli
  • WSDL – verkkoon tarjottujen palvelujen kuvaus
  • WMLWAP-sivut
  • XSQL – XML:n ja SQL:n yhdistelmä tiedonhakuun

Sovellusalueittain

muokkaa

Katso myös

muokkaa

Lähteet

muokkaa
  1. a b 2.2 Characters w3.org. Viitattu 29.2.2020. (englanniksi)

Aiheesta muualla

muokkaa