XML dla początkujących: Pierwszy dokument

Kurs HTML | Czym jest XML? | Pierwszy dokument | Encje | Style CSS | DTD |

Ścisłość zapisu

Aby uchronić się przed "bałaganiarskim" sposobem zapisu, typowym dla HTML, zasady budowania dokumentów XML są precyzyjnie określone i nie ma w nich miejsca na jakiekolwiek uchybienia. To bardzo ważna zasada, gdyż XML jest przede wszystkim narzędziem do wymiany informacji między maszynami, która musi być bezbłędna - trudno sobie wyobrazić, aby narzędzie do wymiany danych finansowych między firmami mogło prowadzić do jakichkolwiek przekłamań i nieporozumień spowodowanych niechlujnością zapisu.

Od razu przyjmij i zapamiętaj kilka bardzo ważnych zasad tworzenia dokumentu, których przestrzeganie zapewni poprawność składniową - mówimy wtedy, że dokument jest poprawnie sformułowany, po angielskuwell-formed.

Obok poprawności składniowej mówimy też o poprawności strukturalnej, ale to wiąże się już z DTD, więc powiemy o tym później.

Polskie litery

W dokumencie XML konieczne jest poprawne deklarowanie i kodowanie polskich znaków. Deklaracja strony kodowej w prologu mówi, podobnie jak w dokumentach HTML, jakiej strony kodowej użył autor dokumentu. W takiej też stronie kodowej musi być zapisany dokument.

Obecnie zaleca się coraz częściej stosowanie uniwersalnej strony kodowej Unicode (UTF-8), co pozwala umieszczać w dokumencie znaki z wielu alfabetów, aczkolwiek możliwe jest oczywiście użycie powszechnie stosowanego na stronach internetowych kodowania ISO-8859-2, a nawet niezalecanego, ale poprawnego, kodowania Windows-1250. Oczywiście w przypadku użycia Unicode''u lub ISO trzeba dysponować edytorem, który potrafi zapisywać strony z takim kodowaniem. Nawet prosty Notatnik w systemie Windows potrafi zapisywać dokumenty jako UTF, więc nic nie stoi tutaj na przeszkodzie. Stronę kodową ISO-8859-2 obsługują praktycznie wszystkie polskie edytory HTML - darmowe i komercyjne.

W naszym poradniku stosujemy stronę kodową ISO-8859-2.

UWAGA: - ze względu na to, że Internet Explorer niepoprawnie interpretuje polskie znaki w nazwach elementów w plikach XML i CSS, nazwy te będziemy zapisywać bez polskich liter.

Prolog dokumentu XML

Każdy dokument XML rozpoczyna się od prologu, w którym zawarta jest deklaracja XML.

<?xml version="1.0" ?>

W prologu podajemy też zwykle stronę kodową dokumentu.

<?xml version="1.0" encoding="iso-8859-2" ?>

Po wierszu z prologiem należy wstawić pusty wiersz.

Minimalny dokument XML może więc mieć postać:

<?xml version="1.0" encoding="iso-8859-2" ?>

<element_główny>
</element_główny>

Hierarchia danych

Dokument XML, w swojej "surowej" postaci, jest pewną hierarchią danych. Przykładowo, gdy chcemy umieścić w dokumencie usystematyzowane informacje o państwach europejskich (nazwa, stolica, powierzchnia, ludność), możemy utworzyć plik z rozszerzeniem .xml, w którym pierwszy wiersz jest deklaracją dokumentu i użytej strony kodowej, po nim następuje pusty wiersz, natomiast pozostałe opisują w hierarchiczny sposób poszczególne rekordy naszej bazy. Elementem głównym jest oczywiście znacznik <państwa_europejskie> - w jego ramach mieszczą się elementy niższego szczebla, jak <państwo>, <ludność> itd. Element to właśnie podstawowa jednostka strukturalna dokumentu XML, czyli dane objęte znacznikiem otwierającym i zamykającym.

<państwa_europejskie>
   <państwo>
	<nazwa>Polska</nazwa>
	<stolica>Warszawa</stolica>
	<powierzchnia>312 tys. km 2</powierzchnia>
	<ludność>38 mln</ludność>
	</państwo>
	<państwo>
	<nazwa>Czechy</nazwa>
	<stolica>Praga</stolica>
	<powierzchnia>79 tys. km 2</powierzchnia>
	<ludność>10,2 mln</ludność>
	</państwo>
	<państwo>
	<nazwa>Niemcy</nazwa>
	<stolica>Berlin</stolica>
	<powierzchnia>349 tys. km 2</powierzchnia>
	<ludność>82 mln</ludność>
   </państwo>
</państwa_europejskie>

Hierarchia taka, zapisana jako plik .xml, oczywiście z prologiem, wygląda następująco:

panstwa.xml

Plik taki nie zawiera oczywiście żadnej gramatyki języka, ani informacji o sposobie wyświetlania danych. Jest tylko surową, hierarchiczną bazą informacji, którą przeglądarka wyświetli w postaci drzewa danych.

Zauważ od razu, że przy wyświetlonych w przeglądarce znacznikach stopnia wyższego niż najniższy w hierarchii widnieją znaki minus (-). Oznacza to, że znaczniki te są węzłami. Gdy klikniesz na takim minusie, znacznik zostanie zwinięty i pojawi się przy nim znak plus (+), co oznacza, że można go ponownie rozwinąć kliknięciem.

Element

Powiedzieliśmy, że podstawowymi "klockami" budulcowym drzewa danych są elementy. Mamy dokładnie jeden element główny, który jest obowiązkowym składnikiem poprawnego składniowo dokumentu XML (w naszym przypadku, <państwa_europejskie>), który zawiera inne elementy. Wszystkie elementy niższego szczebla są elementami potomnymi lub potomkami. Element niższego szczebla, jak <państwo>, także może zawierać elementy potomne, natomiast element wyższego szczebla jest w stosunku do niego rodzicem. Elementy mające wspólnego rodzica nazywamy elementami pokrewnymi.

Element składa się ze znacznika otwierającego, treści i znacznika zamykającego, np.

<stolica>Berlin</stolica>

Element może zawierać inne elementy (potomne) oraz tekst. Poprawny jest np. element:

<państwo>
	Tutaj są informacje o państwie
	<nazwa>Polska</nazwa>
	<stolica>Warszawa</stolica>
</państwo>

Atrybuty

W elementach możemy też stosować atrybuty, które precyzują informacje. Zauważ, że wartości atrybutów są zawsze umieszczane w cudzysłowach, co jest warunkiem poprawności składniowej dokumentu.

Atrybuty w elementach XML pełnią analogiczną rolę, jak atrybuty w poleceniach HTML. Dla porównania, w języku HTML można zastosować znacznik:

<font size=4 color=red>

Znacznik font ma tutaj dwa atrybuty określające wielkość i kolor czcionki.

W dokumencie XML możemy napisać:

<język rodzaj="sztuczny" rok_powstania="1887">Esperanto</język>

Tutaj mamy także dwa atrybuty, rodzaj języka i rok jego powstania.

W podanym już przykładzie, moglibyśmy np. rozdzielić informacje o nazwie państwa na nazwę w języku polskim i nazwę w języku oryginału. Możemy zastosować dwa oddzielne znaczniki <nazwa_polska> i <nazwa_oryginalna>, ale możemy też użyć tego samego znacznika <nazwa>, ale z odmiennymi atrybutami, np.

<nazwa język="polski">Czechy</nazwa>
<nazwa język="oryginalny">Česko</nazwa>

W rezultacie plik nasz może mieć postać:

<państwa_europejskie>
	<państwo>
	<nazwa język="polski">Polska</nazwa>
	<nazwa język="oryginalny">Polska</nazwa>
	<stolica>Warszawa</stolica>
	<powierzchnia>312 tys. km2</powierzchnia>
	<ludność>38 mln</ludność>
	</państwo>
	<państwo>
	<nazwa język="polski">Czechy</nazwa>
	<nazwa język="oryginalny">Česko</nazwa>
	<stolica>Praga</stolica>
	<powierzchnia>79 tys. km2</powierzchnia>
	<ludność>10,2 mln</ludność>
	</państwo>
	<państwo>
	<nazwa język="polski">Niemcy</nazwa>
	<nazwa język="oryginalny">Deutschland</nazwa>
	<stolica>Berlin</stolica>
	<powierzchnia>349 tys. km2</powierzchnia>
	<ludność>82 mln</ludność>
	</państwo>
</państwa_europejskie>

Zobacz, jak wygląda teraz drzewo danych z atrybutami:

panstwa1.xml

Zwróć uwagę, że procesor XML w przeglądarce wyróżnia atrybuty i ich wartości, np. w Firefoksie atrybut jest pogrubiony, a jego wartość jest wyświetlana niebieskim kolorem.

Ograniczenie - pięć symboli specjalnych

Ze względu na inne wykorzystanie (w znacznikach i encjach), nie możesz bezpośrednio stosować w dokumencie pięciu symboli specjalnych, mianowicie:

<, >, ', ", &

 Jeśli chcesz je wykorzystać, musisz podać w ich miejsce tzw. encje.

Znak Zastępcza encja
< &lt;
> &gt;
' &apos;
" &quot;
& &amp;

Sekcja CDATA

Sekcja CDATA jest techniką, która pozwala stosować w dokumencie dowolne znaki, gdyż zabrania procesorowi XML przetwarzania ich zgodnie z zasadami XML. Pełni analogiczną funkcję jak znacznik <pre> w dokumentach HTML. Wyłącza objęty nią fragment dokumentu z przetwarzania i dosłownie "cytuje" jego zawartość.

<![CDATA[
Jakaś tam dowolna treść ze znakami <, >, & itd.
]]>

Kolejny przykład, w którym włączono sekcję CDATA.

panstwa2.xml