Aparte de lo que había ido leyendo por Internet, la primera vez que pensé

Transcripción

1 46 Suplemento técnico del número 126 de NEWS/400 Septiembre 2002 Voy a aprender XML me acompañas? Si como profesional tenías pensado profundizar en alguna nueva tecnología, ésta debe ser, sin más demora, XML. Aunque en estos momentos no tenga muy claro cuál es el camino a seguir, si me acompañas, lo recorreremos juntos. Por Carlos Bell Aparte de lo que había ido leyendo por Internet, la primera vez que pensé seriamente que el aprender XML podía ser muy interesante desde el punto de vista de cualquier profesional de las Tecnologías de la Información fue cuando leí el artículo XML cruza fronteras de Sharon L. Hoffman, publicado en el número 107 de NEWS/400. Convencido de ello, me hice el firme propósito de destinar algo de tiempo a indagar en los fundamentos de esa nueva panacea que prometía ser el XML (extensible Markup Language). Pero ya se sabe, cuando uno es algo perezoso y falto de voluntad, cualquier excusa es buena para posponer un buen propósito. Sin duda, para hacerme sentir culpable, en NEWS/400 volvieron a la carga, esta vez con un artículo divulgativo (francamente bueno) en donde Eduardo Ross (vicepresidente y director de investigación y desarrollo en ASNA desde 1987) nos exponía, bajo el sujestivo título de XML: lenguaje para negocios electrónicos (publicado en el número 111) los principios y posibilidades del XML de una forma clara y sencilla. Esta vez sí. Realmente estaba decidido: aprenderé XML sea como sea, me dije. Empecé a visitar páginas web específicas y a seleccionar y copiar parte de su contenido. Megas y megas de información acumulándose en carpetas y subcarpetas en el disco duro de mi PC esperando, vanamente, que alguien les diera una segunda oportunidad... Y al final, así ha sido. NEWS/400 tenía planificado para este número que los temas de portada se centraran en la utilización de XML en nuestra plataforma. Qué mejor ocasión para comprometerme públicamente a destinar algo de mi tiempo personal para aprender XML como si fuera un juego? Al fin y al cabo, para dar los primeros pasos, con un simple editor de textos (como el Notepad de Microsoft), una versión actualizada de su navegador y los cientos de artículos que podemos encontrar en Internet, es suficiente. Si como profesional te habías planteado profundizar un día de esos en alguna nueva tecnología, ésta debe ser, sin lugar a dudas, XML. Son tantas sus posibilidades y tantos los esfuerzos que realiza la industria para que el XML se generalice que hasta NOVATICA, la más decana y académica de las revistas informáticas españolas, le dedicará su próxima monografía. Y este mes de Septiembre, en que de forma alegórica iniciamos un nuevo curso, es el mejor momento para hacerlo. Me acompañas? SUMARIO 1 Voy a aprender XML me acompañas? 4 Estructura de un documento XML 8 DTD: Document Type Definitions NÚMERO 46 HELP400 Suplemento Técnico 1

2 El movimiento se demuestra andando Conste que os he tendido una trampa. En el momento de redactar estas líneas, aparte del firme propósito de seguir adelante, no tengo muy claro cuál es el camino a seguir ni los pasos que vamos a dar. Lo que si está claro es que la mejor forma de aprender a programar (una vez conocidos los fundamentos de un determinado lenguaje), es programando. Y aunque XML no sea un lenguaje de programación propiamente dicho sino un meta-lenguaje de marcado que permite describir secuencias de datos, sólo practicándolo lograremos familiarizarnos con él y con las tecnologías a él asociadas. Dicho esto, recomendarte un poco de constancia y de paciencia. El curso acaba de comenzar y durante varios meses (XML da para eso y mucho más), a través de HELP400 y de la información disponible en Internet, vamos a ser compañeros, y de paso, vamos a aprender un buen número de siglas y de nuevos conceptos. Eso sí: también deberías estar algo familiarizado con el desarrollo de páginas web (HTML y CSS) y algo de JavaScript y/o VisualScript porque me propongo, partiendo de asimilar las principales caracteristicas y posibilidades del XML, llegar hasta el desarrollo de una aplicación gráfica (para el Internet Explorer) que nos permita jugar con diferentes formatos XML aceptados como estándares, como puedan ser SVG (Scalable Vector Graphics) que permite crear páginas web con grafismos y textos vectorizados o RDF (Resource Description Framework) un modelo de datos en XML que permite describir recursos y su relación entre ellos Suplemento Técnico de NEWS/400 Director General Alberto C. Blanch Llangostera a.blanch@help400.com Director Antonio Montía a.montia@help400.com Coordinación Carlos Bell Jaime Gustavo Estany Maquetación y Producción Complay, S.L. complay@ret .es Impresión Policrom, S.A. EDITA Publicaciones HELP400, S.L. APTDO. DE CORREOS Barcelona Gran Vía C. Catalanes, 715, Entlo. 3ª Barcelona Tel. : Fax : suplemento@help400.com Web: Deposito legal: B I.S.S.N Suscripción: Anual (10 números al año). España: 96. Se distribuye conjuntamente con el ejemplar de NEWS/ 400, sin cargo para sus suscriptores. Publicaciones HELP400, S.L. Se prohibe la reproducción total o parcial del contenido sin autorización previa y por escrito de la empresa editora, titular del Copyright. Todos los derechos reservados en cualquier idioma. De las ideas expuestas en los artículos firmados son responsables sus autores. Corresponde al lector el asegurar que las noticias, técnicas y procedimientos descritos son adecuados para su instalación. Publicaciones HELP400 S.L. no asume ninguna garantía ni implícita ni explicitamente. IBM y AS/400 son marcas registradas por International Business Machines. Por qué XML? Desarrollado a partir de 1996 como un subconjunto de SGML (Standard Generalized Markup Language), en 1998 XML fue adoptado como estándar por el W3C (World Wide Web Consortium). Desde entonces se ha convertido en un estándar internacionalmente reconocido que no pertenece a ninguna compañía y cuya libre utilización y versatilidad (figura 1) facilitará el uso efectivo de Internet en diferentes alfabetos, por personas con minusvalías físicas y en diferente hardware (teléfonos celulares, PDAs, terminales Braille, etc.). Al ser fácilmente procesable tanto por humanos como por software y separar radicalmente la información o contenido de su presentación o formato, un documento XML puede tener muchas formas de presentación (HTML, PDF, SVG, VML...) facilitando a los diseñadores de páginas web hacer cambios de estilo de manera sistemática. De hecho XML es, además, el formato ideal para transacciones B2B, permitiendo poderosas técnicas de extracción y de data-mining. Los programadores también consideran que XML es un formato adecuado para intercambiar estructuras complejas como parámetros. Un ejemplo sería el Lenguaje de marcas de llamadas a programas (PCML) que utiliza IBM en su Toolbox para Java para hacer llamadas a programas. También pueden encontrarse ejemplos de XML siendo utilizado para implementar interfaces con objetos remotos para evitar la actividad general asociada a RMI (Remote Method Invocation) y a CORBA (Common Object Request Broker Architecture). XML se está convirtiendo en una herramienta imprescindible en la caja de herramientas de cualquier programador. Como se trata de una herramienta excelente para el intercambio de datos entre distintas aplicaciones, sistemas y empresas, XML está sustituyendo rápidamente a las tradicionales 2 HELP400 Suplemento Técnico

3 corrientes de datos EDI (como X.12) como sistema de intercambio de documentos entre empresas. Muchas industrias, empresas de servicios (compañías de seguros y bancos) y del ámbito de la distribución están definiendo diferentes DTD (Definición de Tipo de Documento) para los documentos clave que necesitan transmitirse entre sus miembros. El uso más ambicioso y prometedor de XML está en los servicios web (Web Services). Esta tecnología emergente se basa en localizar servicios, tanto si están en Internet como en una intranet, y en ejecutarlos se encuentren donde se encuentren y sea cual sea su plataforma. XML es un puntal fundamental para la comunicación de componentes, claves del modelo de servicios web. Es de destacar que Microsoft está adoptando en su iniciativa.net los servicios web y XML, lo que sienta las bases para la intercomunicación entre los sistemas.net y J2EE. Esta increíble gama de posibilidades es la que confiere a XML su potencia. El sencillo concepto en que se basa (datos que se describen a sí mismos) está teniendo un profundo impacto. Ha llegado la hora de averiguar en qué puede ayudarnos. Créditos y reconocimientos Como para elaborar estos apuntes recurriré a textos, artículos y ejemplos recuperados de Internet (sí, esos que dormían en el disco duro de mi PC o los nuevos que se van publicando), en modo alguno quisiera atribuirme su autoría. Y puesto que de forma consciente pretendo dar una hogeneidad al conjunto, en muchos casos me veré obligado a entremezclar contenidos de distinta procedencia (intentando respetar al máximo el original) de la que, en la medida de lo posible, indicaré sus referencias. Para establecer un primer contacto, he utilizado tres artículos: el primero, Introducción a XML en castellano - Versión 2.0, original de Alfredo Reino ( preparado para el IV Simpósium Internacional de Telemática, de la Universidad de Colima (México) en Mayo de 2000 (texto parcialmente utilizado en este número). El segundo, Introducción al XML - Versión 2-18/7/2001 original de Jaime E. Villate ( de la Universidad de Oporto, preparado para un Seminario sobre Programación en entorno GNU/Linux, celebrado en la universidad Rey Juan Carlos (Madrid, España). El tercero, del que me hubiera gustado incluir varios fragmentos, es el artículo de Ramón Montero, titulado XML, el lenguaje universal, que puedes hallar en sus páginas web ( articulos/intro_xml-html.htm). Te recomiendo la lectura de los tres, casi casi de forma inmediata. Como podrás compobar, los fundamentos de XML son muy sencillos. En las siguientes páginas veremos cómo crear documentos XML bien-formados, y que sean válidos, es decir, que estén conformes a una determinada DTD (Document Type Definition). Próximamente veremos la creación y uso de hojas de estilo (XSL) para la presentación de los datos, así como diferentes aplicaciones actuales de XML. FIGURA 1 Versatilidad del contenido XML NÚMERO 46 HELP400 Suplemento Técnico 3

4 Estructura de un documento XML XML (extensible Markup Language) no es, como su nombre podría sugerirnos, un lenguaje de marcado. XML es un meta-lenguaje que nos permite definir datos y lenguajes de marcado, adecuados a usos determinados. Por Alfredo Reino FIGURA 1 Documento XML: un pequeño ejemplo <?xml version=»1.0"?> <!DOCTYPE MENSAJE SYSTEM "mensaje.dtd"> <mensaje> <remite> <nombre>alfredo Reino</nombre> < >alf@my .com</ > </remite> <destinatario> <nombre>bill Clinton</nombre> < >president@whitehouse.gov</ > </destinatario> <asunto>hola Bill</asunto> <texto> <parrafo> Hola qué tal? Hace <enfasis>mucho</enfasis> que no escribes. A ver si llamas y quedamos para tomar algo. </parrafo> </texto> </mensaje> FIGURA 2 Representación gráfica del ejemplo anterior mensaje remite destinatario asunto: Hola Bill texto Aunque a primera vista un documento XML puede parecer similar a HTML, hay una diferencia sustancial. Un documento XML contiene, exclusivamente, datos que se autodefinen. Un documento HTML contiene datos mal definidos, mezclados con elementos de formato. En XML se separa el contenido de la presentación de forma total. A un nivel muy básico, los documentos XML son ficheros de texto plano en los que sólo existen cinco caracteres especiales o reservados (los símbolos menor que <, mayor que >, las comillas dobles ", el apóstrofo [o comilla simple] ' y el caracter & ) que nos permiten crear las marcas (o etiquetas) que dan estructura al documento XML. Cada marca tiene un nombre que, a su vez, puede contener uno o más atributos. Como veremos, cuando en el texto de los datos es necesario utilizar uno de los 5 caracteres especiales, para evitar que sea interpretado como un marcador se sustituye por una entidad (<, >, ", &apos;, &). nombre: Alfredo Reino alf@ibiun.com nombre: Bill Clinton emial: president@whitehouse.gov parrafo: Hola qué tal?... Una forma de entender rápidamente la estructura de un documento XML, es analizando el pequeño ejemplo incluido en la figura 1. Este mismo documento, para comprender mejor su estructura, podría ser representado gráficamente como en la figura 2. Documentos XML bien-formados Existen un número de diferencias entre la sintaxis de HTML y XML. Es útil, para aquellos que saben HTML y quieren usar XML, conocerlas perfectamente, para poder crear documentos XML bien-formados. Estructura jerárquica de elementos. Los documentos XML deben seguir una estructura estrictamente jerárquica con lo que respecta a las etiquetas que delimitan sus elementos. Una etiqueta debe estar correctamente incluida en otra. Además, los elementos con contenido, deben estar correctamente cerrados. En el siguiente ejemplo, la primera línea <LI> sería incorrecta en XML, no así la segunda: <LI>HTML <B>permite <I>esto</B></I>. <LI>En XML la <B>estructura <I>es</I> jerárquica</b>.</li>... Etiquetas vacías. HTML permiten elementos sin contenido. Como ya veremos, XML también, 4 HELP400 Suplemento Técnico

5 pero la etiqueta debe ser <elemento-sin-contenido/> En el siguiente ejemplo, la primera línea sería incorrecta en XML, no así la segunda: <LI>Esto es HTML<BR>en el que casi todo está permitido</li> <LI>El XML, es<br/> más restrictivos.</li> Un solo elemento raiz. Los documentos XML sólo permiten un elemento raiz, del que todos los demás son parte. Es decir, la jerarquía de elementos de un documento XML bien-formado sólo puede tener un elemento inicial. Valores de atributos. Los valores de atributos en XML, al contrario de HTML, siempre deben estar encerrados entre comillas simples o dobles. En el siguiente ejemplo, la primera línea sería incorrecta en XML: <A HREF= <A HREF=" Tipo de letra, espacios en blanco. El XML es sensible al tipo de letra utilizado, es decir, trata las mayúsculas y minúsculas como caracteres diferentes. Si un elemento de XML está definido como ELEMENTO, no podemos usar elemento, ni Elemento para referirnos a él. Existe un conjunto de caracteres denominados espacios en blanco que los procesadores XML tratan de forma diferente en el marcado XML. Estos caracteres son los espacios (Unicode/ASCII 32), tabuladores (Unicode/ASCII 9), retornos de carro (Unicode/ASCII 13) y los saltos de línea (Unicode/ASCII 10). La especificación XML 1.0 permite su utilización para hacer más legible el código, y en general son ignorados por los procesadores XML. En otros casos, sin embargo, resultan muy significativos, por ejemplo, para separar las palabras en un texto, o para separar lineas de párrafos diferentes. Nombrando cosas. Al utilizar XML, es necesario asignar nombres a las estructuras, tipos de elementos, entidades, elementos particulares, etc. En XML los nombres tienen algunas características en común. Según la especificación XML 1.0: Un nombre [empieza] con una letra o uno o más signos de puntuación, y [continúa] con letras, dígitos, guiones, rayas, dos puntos o puntos, denominados de forma global como caracteres de nombre. Los nombres que empiezan con la cadena "xml", se reservan para la estandarización de ésta o de futuras versiones de esta especificación Resumiendo, no se pueden crear nombres que empiecen con la cadena xml, XML o cualquier otra variante. Las letras y rayas se pueden usar en cualquier parte del nombre. Se pueden incluir dígitos, guiones y caracteres de puntuación, pero no se puede empezar por ninguno de ellos. El resto de caracteres, como algunos símbolos, y espacios en blanco, no se pueden usar. Marcado y datos. Las construcciones como etiquetas, referencias de entidad y declaraciones se denominan marcas. Éstas son las partes del documento que el procesador XML espera entender. El resto del documento que se encuentra entre las marcas, contiene los datos entendibles por las personas. Es sencillo reconocer las marcas en un documento XML. Son aquellas porciones que empiezan con < y acaban con >, o bien, en el caso de las referencias de entidad, empiezan por & y acaban con ;. El prólogo Aunque no es obligatorio, los documentos XML pueden empezar con unas línea que describen la versión de XML, el tipo de documento, y otras cosas. NÚMERO 46 HELP400 Suplemento Técnico 5

6 La primera, o declaración XML, define la versión de XML utilizada. Hasta ahora sólo hay una, la 1.0. Además, en la declaración XML especificamos la codificación del documento, que puede ser, por ejemplo, US-ASCII (7 bits) o UTF- 8 (código Unicode del que el ASCII es un subconjunto), UCS-2, EUC-JP, Shift_JIS, Big5, ISO hasta ISO En general, y para uso con lenguajes europeos (incluyendo el juego de caracteres especiales del castellano, utilizaremos UTF-7 o ISO ) Además, se puede incluir una declaración de documento autónomo (standalone), que controla qué componentes de la DTD (Definición de Tipo de Documento) son necesarios para completar el procesado del documento. <?xml version="1.0" encoding="utf-7" standalone="yes"?> La segunda, o declaración de tipo de documento, define qué tipo de documento estamos creando para ser procesado correctamente. Es decir, definimos qué declaración de Tipo de Documento DTD valida y define los datos que contiene nuestro documento XML. En ella se define el tipo de documento, y dónde encontrar la información sobre su Definición de Tipo de Documento, mediante un identificador público (PUBLIC) que hace referencia a dicha DTD, o mediante un Identificador Universal de Recursos (URI) precedido por la palabra SYSTEM. Ejemplos: <!DOCTYPE MENSAJE SYSTEM "mensaje.dtd"> <!DOCTYPE HTML PUBLIC "-/ /W3C/ /DTD HTML 3.2 Final/ /EN"> <!DOCTYPE LABEL SYSTEM " Elementos Los elementos XML pueden tener contenido (más elementos, caracteres, o ambos a la vez), o bien ser elementos vacíos. Un elemento con contenido es, por ejemplo: <nombre>fulano Mengánez</nombre> <aviso tipo="emergencia" gravedad="mortal">que no cunda el pánico</aviso> Siempre empieza con una <etiqueta> que puede contener atributos o no, y termina con una </etiqueta> que debe tener el mismo nombre. Al contrario que HTML, en XML siempre se debe cerrar un elemento. Hay que tener en cuenta que el símbolo < siempre se interpreta como inicio de una etiqueta XML. Si no es el caso, el documento no estará bien-formado. Para ciertos símbolos se utilizan las entidades predefinidas, que se explican más adelante. Un elemento vacío, es, como su nombre indica, el que no tiene contenido; por ejemplo: <identificador DNI=" "/> o <linea-horizontal/> Al no tener una etiqueta de cierre que delimite un contenido, se utiliza la forma <etiqueta/>, que puede contener atributos o no. La sintaxis de HTML permite etiquetas vacías tipo <hr>, <br> o <img src="...">. En HTML reformulado para que sea un documento XML bien-formado, se debería utilizar <hr/>. <br/> o <img sec="..."/> Atributos Como ya se ha mencionado, los elementos pueden tener atributos, una manera de incorporar características o propiedades a los elementos de un documento. 6 HELP400 Suplemento Técnico

7 Por ejemplo, un elemento chiste puede tener un atributo tipo y un atributo calidad, con valores como vascos y bueno, respectivamente. <chiste tipo="vascos" calidad="bueno"> Esto es un dia que Patxi y Josu van paseando </chiste> En el DTD se especifican los atributos que puede tener cada tipo de elemento, así como sus posibles valores y tipos. Al igual que en otras cadenas literales de XML, pueden estar marcados entre comillas simples o dobles. Cuando uno delimita el valor del atributo, el otro se puede utilizar dentro. <verdura clase="zanahoria" longitud= 15" y media > <cita texto=" Hola buenos dias, dijo él"> A veces, un elemento con contenido, puede modelarse como un elemento vacío con atributos. Un concepto se puede representar de muy diversas formas, pero una vez elegida una, es aconsejable fijarla en el DTD, y usar siempre la misma consistentemente dentro de un documento XML. <gato><nombre>micifú</nombre><raza>persa</raza></gato> <gato raza="persa">micifú</gato> <gato raza="persa" nombre="micifú"/> Entidades En XML 1.0 existen cinco entidades predefinidas (<, >, ", &apos;, &). para representar los caracteres especiales menor que <, mayor que >, las comillas dobles ", el apóstrofo y el caracter & para que éstos no sean interpretados por el procesador XML como un marcado. Secciones CDATA Existe otra construcción en XML que permite especificar datos, utilizando cualquier carácter (especial o no) sin que se interprete como marcado XML. Esta construcción, llamada CDATA (Character Data) a veces es necesaria para que los autores de documentos XML, puedan leerlo facilmente sin tener que descifrar los códigos de entidades. La figura 3 muestra un ejemplo, primero usando entidades predefinidas, y luego con un bloque CDATA. Como vemos, dentro de una sección CDATA podemos poner cualquier cosa, que no será interpretada como algo que no es. Existe una excepción, la cadena ]]> con la que finaliza el bloque CDATA y que no puede utilizarse dentro de una sección CDATA. Comentarios A veces es conveniente insertar comentarios en el documento XML, que sean ignorados por el procesado de la información y las reproducciones del documento. Los comentarios tienen el mismo formato que los comentarios de HTML. Es decir, comienzan por la cadena <!-- y terminan con -->. Como vemos en la figura 4, se pueden introducir comentarios en cualquier lugar de la instancia o del prólogo, pero nunca dentro de las declaraciones, etiquetas, u otros comentarios. FIGURA 3 Secciones CDATA <ejemplo> <HTML> <HEAD><TITLE>Rock & Roll</TITLE></HEAD> </ejemplo> <ejemplo> <![CDATA[ <HTML> <HEAD><TITLE>Rock & Roll</TITLE></HEAD> ]]> </ejemplo> FIGURA 4 Comentarios <?xml version="1.0"?> <! Aquí va el tipo de documento > <!DOCTYPE EJEMPLO [ <! Esto es un comentario > <!ELEMENTO EJEMPLO (#PCDATA)> <! Eso es todo por ahora! > ]> <EJEMPLO>texto texto texto bla bla bla <! Otro comentario > </EJEMPLO> <! Ya acabamos > NÚMERO 46 HELP400 Suplemento Técnico 7

8 DOCUMENT TYPE DEFINITIONS (DTDs) Las posibles marcas o etiquetas que pueden aparecer en un documento XML y los atributos que éstas pueden tener, son definidas en un fichero llamado Definición del Tipo de Documento (en inglés Document Type Definition ) o simplemente DTD. Cada documento XML debe indicar al comienzo el DTD usado por medio de una marca <!DOCTYPE> Por Alfredo Reino FIGURA 1 DTD como parte del documento XML <!DOCTYPE etiqueta[ <!ELEMENT etiqueta (nombre, calle, ciudad, pais, codigo)> <!ELEMENT nombre (#PCDATA)> <!ELEMENT calle (#PCDATA)> <!ELEMENT ciudad (#PCDATA)> <!ELEMENT pais (#PCDATA)> <!ELEMENT codigo (#PCDATA)> ]> <etiqueta> <nombre>fulano Mengánez</nombre> <calle>c/ Mayor, 27</calle> <ciudad>valderredible</ciudad> <pais>españa</pais> <codigo>39343</codigo> </etiqueta> Crear una definición del tipo de documento (DTD) es como crear nuestro propio lenguaje de marcado, para una aplicación específica. Por ejemplo, podríamos crear un DTD que defina una tarjeta de visita. A partir de ese DTD, tendríamos una serie de elementos XML que nos permitirían definir tarjetas de visita. La DTD define los tipos de elementos, atributos y entidades permitidas, y puede expresar algunas limitaciones para combinarlos. Los documentos XML que se ajustan a su DTD, se denominan válidos. El concepto de validez no tiene nada que ver con el de estar bien-formado. Un documento XML bienfomado (o conformado según la terminología inglesa) simplemente respeta la estructura y sintaxis definidas por la especificación de XML. Un documento bien-formado puede, además, ser válido si cumple las reglas de una determinada DTD. También existen documentos XML sin una DTD asociada, en ese caso aunque no son válidos, tampoco son inválidos simplemente están bien-formados ( o no). Dónde reside una DTD La DTD puede residir en un fichero externo que quizá esté compartido por varios (puede que miles) de documentos. O bien, como hemos visto en el Prólogo de un documento XML, puede estar contenida en el propio documento XML, como parte de su declaración de tipo de documento (figura 1). En el ejemplo de la figura, a declaración del tipo de documento comienza en la primera línea y termina con ]>. Las declaraciones DTD son las líneas que empiezan con <!ELEMENT y se denominan declaraciones de tipo elemento. También se pueden declarar atributos, entidades y anotaciones para una DTD. En el ejemplo anterior, todas las declaraciones DTD que definen etiqueta residen dentro del propio documento. Sin embargo, la DTD se puede definir parcial o completamente en otro lugar (como en el ejemplo de la figura 2). FIGURA 2 DTD externa <?xml version=»1.0"?> <!DOCTYPE coche SYSTEM « <coche> <modelo>...</modelo>... </coche> Declaraciones tipo Elemento Los elementos son la base de las marcas XML, y deben ajustarse a un tipo de documento declarado en una DTD para que el documento XML sea considerado válido. Las declaraciones de tipo de elemento deben empezar con <!ELEMENT seguidas por el identificador genérico del elemento que se declara. A 8 HELP400 Suplemento Técnico

9 continuación tienen una especificación de contenido. En los ejemplos incluidos en la figura 3 el elemento <receta> puede contener dentro elementos <titulo>, <ingredientes> y <procedimiento>, que, a su vez, estarán definidos también en la DTD y podrán contener más elementos. Siguiendo la definición de este elemento, el primer ejemplo XML de la figura 3 sería válido, pero no así en el segundo. La especificación de contenido puede ser de cuatro tipos: EMPTY - Puede no tener contenido. Suele usarse para los atributos. ANY - Puede tener cualquier contenido. No se suele utilizar, ya que es conveniente estructurar adecuadamente nuestros documentos XML. Mixed - Puede tener caracteres de tipo datos o una mezcla de caracteres y sub-elementos especificados en la especificación de contenido mixto. Según los ejemplos de la figura 4, el elemento definido como <enfasis> puede contener datos de carácter (#PCDATA). Y el definido como <parrafo> puede contener tanto datos de carácter (#PCDATA) como sub-elementos de tipo <enfasis>. Element - Sólo puede contener sub-elementos especificados en la especificación de contenido. Para declarar que un tipo de elemento tenga contenido de elementos se especifica un modelo de contenido en lugar de una especificación de contenido mixto o una de las claves ya descritas. Modelos de contenido Un modelo de contenido es un patrón que establece los sub-elementos aceptados, y el orden en que se aceptan. Un modelo sencillo puede tener un solo tipo de sub-elemento; uno complejo, puede llegar a requerir indicadores de frecuencia. Analicemos algunos ejemplos: <!ELEMENT aviso (parrafo)> nos indica que <aviso> sólo puede contener un solo <parrafo>. <!ELEMENT aviso (titulo, parrafo)> En este caso la coma denota una secuencia. Es decir, el elemento <aviso> debe contener un <titulo> seguido de un <parrafo>. <!ELEMENT aviso (parrafo grafico)> La barra vertical indica una opción. Es decir, <aviso> puede contener o bien un <parrafo> o bien un <grafico>. El número de opciones no está limitado a dos, y se pueden agrupar usando paréntesis. FIGURA 3 Declaración de tipo de elemento <!ELEMENT receta (titulo, ingredientes, procedimiento)> --- Ejemplo XML correcto --- <receta> <titulo>...</titulo> <ingredientes>...</ingredientes> <procedimiento>...</procedimiento> </receta> --- Ejemplo XML incorrecto --- <receta> <parrafo>esto es un párrafo</parrafo> <titulo>...</titulo> <ingredientes>...</ingredientes> <procedimiento>...</procedimiento> </receta> <!ELEMENT aviso (titulo, (parrafo grafico))> En ese caso, <aviso> debe contener un <titulo> seguido de un <parrafo> o de un <grafico>. Cada partícula de contenido puede llevar un indicador de frecuencia (figura 5), que siguen directamente a un identificador general, una secuencia o una opción, y no pueden ir precedidos por espacios en blanco. Para entenderlo, comentemos el último ejemplo incuido en la figura 4. En este caso, <aviso> puede tener <titulo>, o no (pero sólo uno), y puede tener cero o más conjuntos <parrafo><grafico>, <parrafo> <parrafo><grafico>, etc. FIGURA 4 Ejemplos de especificación de contenidos <!ELEMENT salto-de-pagina EMPTY> <!ELEMENT batiburrillo ANY> <!ELEMENT enfasis (#PCDATA)> <!ELEMENT parrafo (#PCDATA enfasis)*> <!ELEMENT mensaje (remite, destinatario, texto)> <!ELEMENT aviso (titulo?, (parrafo+, grafico)*)> FIGURA 5 Indicadores de frecuencia? Opcional (0 o 1 vez) * Opcional y repetible (0 o más veces) + Necesario y repetible (1 o más veces) NÚMERO 46 HELP400 Suplemento Técnico 9

10 Declaraciones de Lista de Atributos Los atributos permiten añadir información adicional a los elementos de un documento. La principal diferencia entre los elementos y los atributos, es que los atributos no pueden contener sub-atributos. Se usan para añadir información corta, sencilla y desestructurada. Otra diferencia entre los atributos y los elementos, es que cada uno de los atributos sólo se puede especificar una vez, y en cualquier orden. La figura 6 muestra un ejemplo XML y la lista de los elementos <mensaje> y <texto> de dicho ejemplo. Las declaraciones de los atributos empiezan con <!ATTLIST seguido del identificador del elemento al que se aplica el atributo. Le siguen el nombre del atributo, su tipo y su valor por defecto. En el ejemplo, el atributo prioridad puede estar en el elemento <mensaje> y puede tener el valor normal o urgente, siendo normal el valor por defecto si no especificamos el atributo. El atributo idioma, pertenece al elemento texto, y puede contener datos de carácter (CDATA). Es más, #REQUIRED significa que no tiene valor por defecto, ya que es obligatorio especificar este atributo. A menudo interesa que se pueda omitir un atributo, sin que se adopte automáticamente un valor por defecto. Para esto se usa la condición #IMPLIED. Por ejemplo, en una supuesta DTD que defina la etiqueta <IMG> de HTML: <!ATTLIST IMG URL CDATA #REQUIRED ALT CDATE #IMPLIED> es decir, el atributo URL es obligatorio, mientras que el ALT es opcional (y si se omite, no toma ningún valor por defecto). Tipos de atributos Atributos CDATA y NMTOKEN. Los atributos CDATA (character data) son los más sencillos, y pueden contener casi cualquier cosa. Los atributos NMTOKEN (name token) son parecidos, pero sólo aceptan los caracteres válidos para nombrar cosas (letras, números, puntos, guiones, subrayados y los dos puntos). <!ATTLIST mensaje fecha CDATA #REQUIRED> <mensaje fecha="15 de Julio de 1999"> <!ATTLIST mensaje fecha NMTOKEN #REQUIRED> <mensaje fecha=" "> Atributos enumerados y notaciones. Los atributos enumerados son aquellos que sólo pueden contener un valor de entre un número reducido de opciones. FIGURA 6 Ejemplo que ilustra la Lista de Atributos <mensaje prioridad="urgente"> <de>alfredo Reino</de> <a>hans van Parijs</a> <texto idioma="holandés"> Hallo Hans, hoe gaat het?... </texto> </mensaje> <!ELEMENT mensaje (de, a, texto)> <!ATTLIST mensaje prioridad (normal urgente) normal> <!ELEMENT texto(#pcdata)> <!ATTLIST texto idioma CDATA #REQUIRED> <!ATTLIST mensaje prioridad (normal urgente) normal> Existe otro tipo de atributo parecido, llamado de notación (NOTATION). Este tipo permite al autor declarar que su valor se ajusta a una notación declarada. <!ATTLIST mensaje fecha NOTATION (ISO-DATE EUROPEAN-DATE) #REQUIRED> Para declarar las notaciones, se utiliza <!NOTATION con una definición externa de la notación. La 10 HELP400 Suplemento Técnico

11 definición externa puede ser pública o un identificador del sistema para la documentación de la notación, una especificación formal o un asistente de la aplicación que contenga objetos representados en la notación. <!NOTATION HTML SYSTEM " <!NOTATION HTML PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN"> Atributos ID e IDREF. El tipo ID permite que un atributo determinado tenga un nombre único que podrá ser referenciado por un atributo de otro elemento que sea de tipo IDREF. Por ejemplo, para implementar un sencillo sistema de hipervínculos en un documento: <!ELEMENT enlace EMPTY> <!ATTLIST enlace destino IDREF #REQUIRED> <!ELEMENT capitulo (parrafo)*> <!ATTLIST capitulo referencia ID #IMPLIED> En este caso, una etiqueta <enlace destino="seccion-3"> haría referencia a un <capitulo referencia="seccion-3">, de forma que el procesador XML lo podría convertir en un hipervínculo, u otra cosa. Declaración de entidades Mediante el uso de entidades, XML hace referencia a objetos (ficheros, páginas web, imágenes, etc) que no deben ser analizados sintácticamente según las reglas de XML. Se declaran en la DTD mediante el uso de <!ENTITY Una entidad puede no ser más que una abreviatura que se utiliza como una forma corta de algunos textos. Al usar una referencia a esta entidad, el analizador sintáctico reemplaza la referencia con su contenido. En otras ocasiones es una referencia a un objeto externo o local. Las entidades pueden ser: Internas o Externas, Analizadas o No analizadas, y Generales o Parámetro. Entidades generales internas. Son las más sencillas y básicamente son abreviaturas definidas en la sección de la DTD del documento XML. Son siempre entidades analizadas, es decir, una vez reemplazada la referencia a la entidad por su contenido, pasa a ser parte del documento XML y como tal, es analizada por el procesador XML. <!DOCTYPE texto[ <!ENTITY alf "Alien Life Form"> ]> <texto><titulo>un día en la vida de un &alf;</titulo></texto> Entidades generales externas analizadas. Las entidades externas obtienen su contenido en cualquier otro sitio del sistema, ya sea otro archivo del disco duro, una página web o un objeto de una base de datos. Se hace referencia al contenido de una entidad así mediante la palabra SYSTEM seguida de un URI (Universal Resource Identifier) <!ENTITY intro SYSTEM " Entidades no analizadas. Evidentemente, si el contenido de la entidad corresponde a un archivo MPEG, una imagen GIF o un fichero ejecutable EXE (por ejemplo), el procesador XML no debería intentar interpretarlo como si fuera texto XML. NÚMERO 46 HELP400 Suplemento Técnico 11

12 Este tipo de entidades siempre son generales y externas. <!ENTITY logo SYSTEM " Entidades parámetro internas y externas. Se denominan entidades parámetro a aquellas que sólo pueden utilizarse en la DTD, y no en el documento XML. Se pueden utilizar para agrupar ciertos elementos del DTD que se repitan mucho. Se diferencian las entidades parámetro de las generales, en que para hacer referencia a ellas, se usa el símbolo % en lugar de & tanto como para declararlas como para usarlas. <!DOCTYPE texto[ <!ENTITY % elemento-alf "<!ELEMENT ALF (#PCDATA)>">... %elemento-alf; ]> Tambien puede ser externa: <!DOCTYPE texto[ <!ENTITY % elemento-alf SYSTEM «alf.ent»>... %elemento-alf; ]> Ejemplo de DTD Un ejemplo de DTD que puede servir para resumir todo lo visto hasta ahora podría definrnos un lenguaje de marcado para una base de datos de personas con direcciones . El fichero LISTIN.DTD podría ser algo así: <?xml encoding="utf-8"?> <!ELEMENT listin (persona)+> <!ELEMENT persona (nombre, *, relacion?)> <!ATTLIST persona id ID #REQUIRED> <!ATTLIST persona sexo (hombre mujer) #IMPLIED> <!ELEMENT nombre (#PCDATA)> <!ELEMENT (#PCDATA)> <!ELEMENT relacion EMPTY> <!ATTLIST relacion amigo-de IDREFS #IMPLIED enemigo-de IDREFS #IMPLIED> Par finalizar, y basándonos en este DTD, podríamos escribir nuestro primer listín en XML: <?xml version="1.0"?> <!DOCTYPE listin SYSTEM "LISTIN.DTD"> <listin> <persona sexo="hombre" id="ricky"> <nombre>ricky Martin</nombre> < >ricky@puerto-rico.com</ > <relacion amigo-de="laetitia"/> </persona> <persona sexo="mujer" id="laetitia"> <nombre>laetitia Casta</nombre> < >castal@micasa.com</ > </persona> </listin> Alfredo Reino es informático profesional y posee las certificaciones MCSE y MCSA de Microsoft y CCNA de Cisco. Su página web la hallarás en 12 HELP400 Suplemento Técnico