Tutorial de XML

Introducción al xml y estructura de un

documento xml
XML (eXtensible Markup Language) no es, como su nombre podría sugerir, un lenguaje de
marcado. XML es un meta-lenguaje que nos permite definir lenguajes de marcado
adecuados a usos determinados.

El HTML (HyperText Markup Language) se ha convertido en el lenguaje estándar (o lingua

franca) del World Wide Web. En sus casi diez años de andadura, y tras una fase de
desarrollo más o menos turbulento, se ha confirmado como un estándar aceptado y
aprobado por la industria. HTML se puede considerar una aplicación de SGML (Standard
Generalised Markup Language) Hay que desterrar ideas del tipo "XML es HTML mejorado"
o "XML es HTML ampliable y personalizable."

Los fundamentos de XML son muy sencillos. En las siguientes páginas aprenderemos cómo
crear documentos XML bien-formados, y que además sean válidos, es decir, que estén
conformes a una Definición de Tipo de Documento (DTD) dada. Además veremos la
creación y uso de hojas de estilo (XSL) para la presentación de los datos, así como
diferentes aplicaciones actuales de XML.

Estructura de un documento XML

Aunque a primera vista, un documento XML puede parecer similar a HTML, hay una
diferencia principal. Un documento XML contiene datos que se autodefinen,
exclusivamente. Un documento HTML contiene datos mal definidos, mezclados con
elementos de formato. En XML se separa el contenido de la presentación de forma total.

Una forma de entender rápidamente la estructura de un documento XML, es viendo un

pequeño ejemplo:

<?xml version="1.0"?>
<!DOCTYPE MENSAJE SYSTEM "[Link]">
<mensaje>
<remite>
<nombre>Alfredo Reino</nombre>
<email>alf@[Link]</email>
</remite>
<destinatario>
<nombre>Bill Clinton</nombre>
<email>president@[Link]</email>
</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>

Este mismo documento puede ser visto de forma gráfica, para comprender mejor la
estructura de un documento XML.

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 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 permite elementos sin contenido. Como veremos más adelante, XML tambien, pero la
etiqueta debe ser de la siguiente forma: 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>En XML, somos<BR/> más restrictivos.</LI>

Un solo elemento raiz

Los documentos XML sólo permiten un elemento raiz, del que todos los demás sean 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 encerradas en
comillas simples ( ' ) o dobles ( " ). En el siguiente ejemplo, la primera línea sería incorrecta en
XML, no así la segunda:

<A HREF=[Link]
<A HREF="[Link]

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", ni "eleMENto" para referirnos a él.

Existe unconjunto 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 el uso de esos "espacios en blanco" para hacer más legible el
código, y en general son ignorados por los procesadores XML.

En otros casos, sin embargo, los "espacios en blanco" resultan muy significativos, por ejemplo,
para separar las palabras en un texto, o 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
esta o de futuras versiones de esta especificación.

Resumiendo, no se pueden crear nombres que empiecen con la cadena "xml", "xMl", "XML" o
cualquier otra variante. Las letras y rayas se pueden usar en cualquier parte del nombre. También
se pueden incluir dígitos, guiones y caracteres de punto, 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, son los datos que resultan 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 ";".

Estructuras XML
Entidades predefinidas

En XML 1.0, se definen cinco entidades para representar caracteres especiales y que no se
interpreten como marcado por el procesador XML. Es decir, que así podemos usar el
carácter "<" sin que se interprete como el comienzo de una etiqueta XML, por ejemplo.

Entidad Caracter
&amp; &
&lt; <
&gt; >
&apos; '
&quot; "

Secciones CDATA

Existe otra construcción en XML que permite especificar datos, utilizando cualquier
carácter, especial o no, sin que se interprete como marcado XML. La razón de esta
construcción llamada CDATA (Character Data) es que a veces es necesario para los autores
de documentos XML, poder leerlo facilmente sin tener que descifrar los códigos de
entidades. Especialmente cuando son muchas.

Como ejemplo, el siguiente (primero usando entidades predefinidas, y luego con un

bloque CDATA)

<parrafo>Lo siguiente es un ejemplo de HTML.</html>

<ejemplo>
&lt;HTML>
&lt;HEAD>&lt;TITLE>Rock &amp; Roll&lt;/TITLE>&lt;/HEAD>
</ejemplo>
<ejemplo>
<![CDATA[
<HTML>
<HEAD><TITLE>Rock & Roll</TITLE></HEAD>
]]>
</ejemplo>

Como hemos visto, dentro de una sección CDATA podemos poner cualquier cosa, que no
será interpretada como algo que no es. Existe empero una excepción, y es la cadena "]] >"
con la que termina el bloque CDATA. Esta cadena 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 "-->".

<?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 -->

Se pueden introducir comentarios en cualquier lugar de la instancia o del prólogo, pero

nunca dentro de las declaraciones, etiquetas, u otros comentarios.

Document Type Definitions (DTDs)

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 "bienfomado" 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 DTD determinada. También
existen documentos XML sin una DTD asociada, en ese caso no son "válidos", pero tampoco
"inválidos"… simplemente "bien-formados"… o no.

La DTD puede residir en un fichero externo, y quizá compartido por varios (puede que miles) de
documentos. O bien, puede estar contenida en el propio documento XML, como parte de su
declaración de tipo de documento.

Veamos un ejemplo:

<!ELEMENTO EJEMPLO (#PCDATA)>

<!-- ¡Eso es todo por ahora! -->
]>
<EJEMPLO>texto texto texto bla bla bla
<!-- Otro comentario -->
</EJEMPLO>
<!-- Ya acabamos -->
<!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>

La 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
documento. Sin embargo, la DTD se puede definir parcial o completamente en otro lugar. Por
ejemplo:

<?xml version="1.0"?>
<!DOCTYPE coche SYSTEM "[Link]
<coche>
<modelo>...</modelo>
...
</coche>

Declaraciones tipo elemento

Las declaraciones de tipo de elemento deben empezar con "<!ELEMENT" seguidas por el
identificador genérico del elemento que se declara. A continuación tienen una especificación de
contenido.

Por ejemplo:
<!ELEMENT receta (titulo, ingredientes, procedimiento)>

En este ejemplo, 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 elemento anterior, este ejemplo de documento XML sería válido:

<receta>
<titulo>...</titulo>
<ingredientes>...</ingredientes>
<procedimiento>...</procedimiento>
</receta>

Pero no este:

<receta>
<parrafo>Esto es un párrafo</parrafo>
<titulo>...</titulo>
<ingredientes>...</ingredientes>
<procedimiento>...</procedimiento>
</receta>

La especificación de contenido puede ser de cuatro tipos:

EMPTY

Puede no tener contenido. Suele usarse para los atributos.

<!ELEMENT salto-de-pagina EMPTY>

ANY

Puede tener cualquier contenido. No se suele utilizar, ya que es conveniente estructurar

adecuadamente nuestros documentos XML.

<!ELEMENT batiburrillo ANY>

Mixed

Puede tener caracteres de tipo datos o una mezcla de caracteres y sub-elementos especificados en
la especificación de contenido mixto.
<!ELEMENT enfasis (#PCDATA)>
<!ELEMENT parrafo (#PCDATA|enfasis)*>

Por ejemplo, el primer elemento definido en el ejemplo (<enfasis>) puede contener datos de
carácter (#PCDATA). Y el segundo (<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.

<!ELEMENT mensaje (remite, destinatario, texto)>

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 sencillo puede tener un solo tipo de sub-elemento:

<!ELEMENT aviso (parrafo)>

Esto indica que <aviso> sólo puede contener un solo <parrafo>.

<!ELEMENT aviso (titulo, parrafo)>

La coma, en este caso, 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.

<!ELEMENT aviso (titulo, (parrafo | grafico))>

En este último caso, el <aviso> debe contener un <titulo> seguido de un <parrafo> o de un

<grafico>.
Además, cada partícula de contenido puede llevar un indicador de frecuencia, que siguen
directamente a un identificador general, una secuencia o una opción, y no pueden ir
precedidos por espacios en blanco.

Indicadores de frecuencia
? Opcional (0 o 1 vez)
* Opcional y repetible (0 o más veces)
+ Necesario y repetible (1 o veces)

Para entender esto, vamos a ver un ejemplo.

<!ELEMENT aviso (titulo?, (parrafo+, grafico)*)>

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.

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.

<mensaje prioridad="urgente">
<de>Alfredo Reino</de>
<a>Hans van Parijs</a>
<texto idioma="holandés">
Hallo Hans, hoe gaat het?
...
</texto>
</mensaje>

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.
En el ejemplo anterior, para declarar la lista de atributos de los elementos <mensaje> y
<texto> haríamos lo siguiente:

<!ELEMENT mensaje (de, a, texto)>

<!ATTLIST mensaje prioridad (normal | urgente) normal>
<!ELEMENT texto(#PCDATA)>
<!ATTLIST texto idioma CDATA #REQUIRED>
Las declaraciones de los atributos empiezan con "<!ATTLIST", y a continuación del espacio
en blanco viene el identificador del elemento al que se aplica el atributo. Despues viene el
nombre del atributo, su tipo y su valor por defecto. En elejemplo anterior, 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, la palabra #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 en XML

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="15-7-1999">

Atributos enumerados y notaciones

Los atributos enumerados son aquellos que sólo pueden contener un valor de entre un número
reducido de opciones.

<!ATTLIST mensaje prioridad (normal | urgente) normal>

Existe otro tipo de atributo parecido, llamado de notación (NOTATION). Este tipo de atributo
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 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 "[Link]

<!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
XML hace referencia a objetos (ficheros, páginas web, imágenes, cualquier cosa) que no deben ser
analizados sintácticamente según las reglas de XML, mediante el uso de entidades. 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
Generales o Parámetro

Entidades generales internas

Son las más sencillas. Son básicamente 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 "[Link]

Entidades no analizadas

Evidentemente, si el contenido de la entidad es un archivo MPG o una imagen GIF o un fichero

ejecutable EXE, el procesador XML no debería intentar interpretarlo como si fuera texto XML. Este
tipo de entidades siempre son generales y externas.

<!ENTITY logo SYSTEM "[Link]

Entidades parámetro internas y externas

Se denominan entidades parámetro a aquellas que sólo pueden usarse 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 "[Link]">
...
%elemento-alf;
]>

EJEMPLO DE DTD

Un ejemplo de DTD que puede servir para resumir todo lo visto hasta ahora podría ser un DTD que
nos defina un lenguaje de marcado para una base de datos de personas con direcciones e-mail.

El fichero [Link] podría ser algo así:

<?xml encoding="UTF-8"?>
<!ELEMENT listin (persona)+>
<!ELEMENT persona (nombre, email*, relacion?)>
<!ATTLIST persona id ID #REQUIRED>
<!ATTLIST persona sexo (hombre | mujer) #IMPLIED>
<!ELEMENT nombre (#PCDATA)>
<!ELEMENT email (#PCDATA)>
<!ELEMENT relacion EMPTY>
<!ATTLIST relacion amigo-de IDREFS #IMPLIED
enemigo-de IDREFS #IMPLIED>

Basándonos en este DTD, podríamos escribir nuestro primer listín en XML de la siguiente manera:

<?xml version="1.0"?>
<!DOCTYPE listin SYSTEM "[Link]">
<listin>
<persona sexo="hombre" id="ricky">
<nombre>Ricky Martin</nombre>
<email>ricky@[Link]</email>
<relacion amigo-de="laetitia">
</persona>
<persona sexo="mujer" id="laetitia">
<nombre>Laetitia Casta</nombre>
<email>castal@[Link]</email>
</persona>
</listin>

XML Schemas
La ventaja de los schemas con respecto a los DTDs son:

 Usan sintaxis de XML, al contrario que los DTDs.

 Permiten especificar los tipos de datos.
 Son extensibles.

Por ejemplo, un schema nos permite definir el tipo del contenido de un elemento o de un
atributo, y especificar si debe ser un número entero, o una cadena de texto, o una fecha,
etc. Los DTDs no nos permiten hacer estas cosas.
Veamos un ejemplo de un documento XML, y su schema correspondiente:

<documento xmlns="x-schema:[Link]">
<persona id="fulano">
<nombre>Fulano Menganez</nombre>
</persona>
</documento>

Como podemos ver en el documento XML anterior, se hace referencia a un espacio de

nombres (namespace) llamado "x-schema:[Link]". Es decir, le estamos
diciendo al analizador sintáctico XML (parser) que valide el documento contra el schema
"[Link]".
El schema sería algo parecido a esto:

<Schema xmlns="urn:schemas-microsoft-com:xml-data" xmlns:dt="urn:schemas-

microsoft-com:datatypes">
<AttributeType name='id' dt:type='string' required='yes'/>
<ElementType name='nombre' content='textOnly'/>
<ElementType name='persona' content='mixed'>
<attribute type='id'/>
<element type='nombre'/>
</ElementType>
<ElementType name='documento' content='eltOnly'>
<element type='persona'/>
</ElementType>
</Schema>

El primer elemento del schema define dos espacios de nombre. El primero "xml-data" le
dice al analizador que esto es un schema y no otro documento XML cualquiera. El segundo
"datatypes" nos permite definir el tipo de elementos y atributos utilizando el prefijo "dt".

ElementType

Define el tipo y contenido de un elemento, incluyendo los sub-elementos que pueda

contener.

AttributeType

Asigna un tipo y condiciones a un atributo.

attribute

Declara que un atributo previamente definido por AttributeType puede aparecer como
atributo de un elemento determinado.

element

Declara que un elemento previamente definido por ElementType puede aparecer como
contenido de otro elemento.

Tal como hemos visto, es necesario empezar el schema definiendo los elementos más
profundamente anidados dentro de la estructura jerárquica de elementos del
documentoXML. Es decir, tenemos que trabajar "de dentro hacia fuera".
Visto de otra manera, las declaraciones de tipo ElementType y AttributeType deben
preceder a las declaraciones de contenido element y attribute correspondientes.
Consulta la referencia de schemas XML de Microsoft ([Link]
para más información.

Extended style language (XSL)

Un mismo documento XML puede tener varias hojas de estilo XSL que lo muestren en diferentes
formatos (HTML, PDF, RTF, VRML, PostScript, sonido, etc.)
La aplicación de una hoja de estilo XSL a un documento XML puede ocurrir tanto en el origen (por
ejemplo, un servlet que convierta de XML a HTML para que sea mostrado a un navegador
conectado a un servidor de web), o en el mismo navegador (como es el caso del MS IE5, y en
breve, Netscape 5).

Básicamente, XSL es un lenguaje que define una transformación entre un documento XML de
entrada, y otro documento XML de salida.

Una hoja de estilo XSL es una serie de reglas que determinan cómo va a ocurrir la transformación.
Cada regla se compone de un patrón (pattern) y una acción o plantilla (template).

De este modo, cada regla afecta a uno o varios elementos del documento XML. El efecto de las
reglas es recursivo, para que un elemento situado dentro de otro elemento pueda ser también
transformado. La hoja de estilo tiene una regla raiz que, además de ser procesada, llama a las
reglas adecuadas para los elementos hijos. Vamos a ver un ejemplo de todo esto:

<libro>
<titulo>Un título cualquiera</titulo>
<capitulos>
<capitulo>
<titulo>Capítulo 1</titulo>
<parrafo>....</parrafo>
<parrafo>....</parrafo>
</capitulo>
<capitulo>
<titulo>Capítulo 2</titulo>
...
</capitulo>
</capitulos>
</libro>

Queremos convertir este documento XML en HTML bien-formado, de la siguiente manera:

<HTML>
<HEAD>
<TITLE>Un título cualquiera</TITLE>
</HEAD>
<BODY>
<H1>Un título cualquiera</H1>
<HR>
<H2>Capítulo 1</H2>
<P>...</P>
<P>...</P>
<HR>
<H2>Capítulo 2</H2>
<P>...</P>
</BODY>
</HTML>

La hoja de estilo XSL necesaria sería algo parecido a lo siguiente:

<?xml version="1.0"?>
<xsl:stylesheet xmlns:xsl="[Link]
<xsl:template match="libro">
<HTML>
<HEAD>
<TITLE><xsl:process select="titulo"/></TITLE>
</HEAD>
<BODY>
<H1><xsl:process select="titulo"/></H1>
<xsl:process select="capitulos"/>
</BODY>
</HTML>
</xsl:template>
<xsl:template match="capitulos">
<xsl:process select="capitulo">
</xsl:template>
<xsl:template match="capitulo">
<HR/>
<H2><xsl:process select="titulo"/></H2>
<xsl:process select="parrafo"/>
</xsl:template>
<xsl:template match="parrafo">
<P><xsl:process-children/></P>
</xsl:template>
</xsl:stylesheet>

XML Document Object Model y VisualBasic

Aunque los detalles puedan cambiar, la forma de trabajar va aser similiar para otros
parsers en otras plataformas de desarrollo (VC++, Java, etc.)

El parser o analizador de XML es el programa que lee el documento XML y hace que los
datos que contiene estén accesibles de una manera u otra. Además, el parser puede tener
otras funcionalidades, como validar el documento contra una DTD o un schema. El parser
de Microsoft ([Link]), que se distribuye con el IE5, hace eso mismo, haciendo que los
datos estén disponibles a través de una serie de objetos que el programador puede
utilizar.

La especificación "DOM Level 1" en la que esta basada esta implementación se puede
encontrar en [Link]

Este parser podemos utilizarlo tanto en programas VBScript que se ejecuten en un

servidor web (ASP, Active Server Pages) o en un programa Visual Basic. Por ejemplo, para
crear una instancia del parser en un ASP, hacemos lo siguiente:

Set objParser = [Link]("[Link]")

Para utilizarlo en Visual Basic, tenemos que añadir el objeto COM Microsoft XML, version
2.0, en las referencias del proyecto, y luego crear una instancia del objeto:

Dim objParser As [Link]

Set objParser = New [Link]

Para cargar un documento XML, usamos el método .Load del objeto, especificando la ruta
del documento, o bien mediante un URL que indique dónde se encuentra en la red.

If [Link]("c:\temp\xml\[Link]") Then
' Ha funcionado
Else
' Ha ocurrido un error
End If
' Ahora destruimos el objeto parser
Set objParser = nothing

El método .Load puede fallar porque el nombre o ubicación del documento sea erronea, o
bien porque el documento es inválido (no cumple las condiciones impuestas en su DTD o
schema)

La validación del documento se puede suprimir si hacemos lo siguiente antes de cargar el

documento:

[Link] = False

Una vez cargado, analizado y validado el documento, podemos empezar a utilizar la

información que contiene. Para eso utilizamos la interface IXMLDOMNode del parser, que
nos permite acceder a los diferentes nodos (elementos, atributos, texto, etc.) del
documento.

Este interface nos provee de ciertos métodos y propiedades para acceder con comodidad
a los contenidos del documento, tanto para lectura como para escritura.

nodeType

Nos da información sobre el tipo de un nodo. Este parser soporta 13 tipos diferentes de
nodo. (Están marcados en negrita los que más se usan)

Constantes de tipos de nodo

NODE_ATTRIBUTE
NODE_CDATA_SECTION
NODE_COMMENT
NODE_DOCUMENT
NODE_DOCUMENT_FRAGMENT
NODE_DOCUMENT_TYPE
NODE_ELEMENT
NODE_ENTITY
NODE_ENTITY_REFERENCE
NODE_INVALID
NODE_NOTATION
NODE_PROCESSING_INSTRUCTION
NODE_TEXT

nodeName

Si el tipo de nodo es adecuado, nodeName nos devuelve el nombre del nodo. Por ejemplo
un nodo tipo NODE_ELEMENT contendría en nodeName el nombre de un elemento de un
documento XML.

nodeValue

Nos devuelve el valor que contiene ese nodo, si es aplicable. childNodes

Contiene una colección de nodos "hijos" del nodo que estamos considerando. Esta
colección puede ser iterada por una construcción for each de Visual Basic.

hasChildNodes
Propiedad booleana que nos dice si un nodo tiene "hijos".
firstChild / lastChild
Contienen referencias al primer y último "hijos" de un nodo.

parentNode

Nos devuelve una referencia al "padre" del nodo.

nextSibling / previousSibling
Nos devuelve una referencia al siguiente/anterior "hermano" del nodo, es decir, al
siguiente/anterior nodo con el mismo "padre".

attributes

Nos devuelve una colección de los nodos tipo NODE_ATTRIBUTE del nodo.

Vamos a ver un ejemplo de un sencillo programa que selecciona todos los nodos tipo
texto (NODE_TEXT) de un documento XML de una forma recursiva.

Public Sub CargaDoc()

Dim oParser As [Link]
Set oParser = New [Link]
If [Link]("[Link]") Then
MuestraNodos [Link]
Else
MsgBox "Ha ocurrido un error."
End If
End Sub
Public Sub MuestraNodos(ByRef Nodos As [Link])
Dim oNodo As [Link]
For Each oNodo In Nodos
If [Link] = NODE_TEXT Then
[Link] [Link] & "=" & [Link]
End If
If [Link] Then
MuestraNodos [Link]
End If
Next oNodo
End Sub

Si el fichero [Link] que usa este programa fuera el siguiente:

<?xml version="1.0"?>
<documento>
<titulo>Un documento cualquiera</titulo>
<fecha><dia>1</dia><mes>12</mes><año>1999</año></fecha>
</documento>

El resultado sería:
titulo=Un documento cualquiera
dia=1
mes=12
año=1999

Para más información sobre el parser MSXML, visita el MSDN Online XML Developer
Center

XML Document Object Model y Java

Como ya hemos podido suponer, el empleo de tecnología XML, al ser un estándar internacional y
público, no nos ata a una plataforma o sistema de desarrollo concreto. Lo mismo se puede usar
Perl bajo UNIX para generar documentos XML a partir de una base de datos, como usar Python en
Windows NT para servir documentos HTML4 a navegadores web a partir de un documento XML.

Dicho esto, hay que decir que JAVA se posiciona como una opción interesante a la hora de
desarrollar aplicaciones usando XML.

Por ejemplo, a partir de fuentes de datos en XML, podemos escribir un servlet que analice
sintácticamente el XML, y que genere un árbol DOM (Document Object Model). Una vez generado
el árbol DOM, podemos ir extrayendo la información que contiene e ir generando un documento
HTML de acuerdo con ciertas reglas de formato, de modo que pueda ser visualizado por un
navegador web.

Vamos a suponer que nuestro servlet carga ese fichero XML en un objeto string de Java, que nos
vamos a disponer a analizar.

Lo primero que debemos hacer es crear un analizador sintáctico XML. Usamos el objeto
[Link] para ello.

Parser parser = new Parser("[Link]");

El fichero "[Link]" será el registro de cualquier error que ocurra mientras procesamos el
documento XML, que debe ser convertido a un InputStream.

ByteArrayInputStream bais = new ByteArrayInputStream([Link]());

Ahora le decimos al parser que ignore las declaraciones de tipo de documento, los comentarios,
etc.

[Link](false);
[Link](false);
[Link](false);
[Link](false);

Analizamos el documento, y cerramos el InputStream.

doc = [Link];
[Link]();

Ahora contenemos el árbol DOM en el objeto "doc", y lo que tenemos que hacer es movernos por
el árbol DOM e ir sacando los datos que contiene. Vamos a ver los métodos que tenemos para
navegar el DOM (definidos en [Link])

getDocumentElement()

Devuelve el elemento raiz

getFirstChild()
Devuelve el nodo que es el primer "hijo" de este nodo.
getNextSibling()
Devuelve el nodo que es el siguiente "hermano" de este nodo.
getLastChild()
Devuelve el nodo que es el último "hijo" de este nodo.
getPreviousSibling()
Devuelve el nodo que es el último "hermano" de este nodo.
getAttribute([Link] attrName)

Devuelve un objeto string que representa el valor de un atributo.

Existen más métodos para manipular el DOM. La especificación "DOM Level 1"
([Link] aporta más información sobre métodos del DOM.

LENGUAJE DE ENLACE XML (XLINK)

XLink es una aplicación XML que intenta superar las limitaciones que tienen los enlaces de
hipertexto en HTML. Es una especificación que todavía está en desarrollo, y que todavía no tiene
"rodaje" en el mundo real.

Los enlaces en HTML tienen una serie de limitaciones, que los hacen bastante pobres. Porejemplo,
sólo tienen dos extremos, la terminación origen y la destino, y son unidireccionales.

Si yo creo un enlace en mi página web personal que me lleve hasta la página principal de Coca-
Cola, estoy creando un "vínculo" entre esta página y la mia.

<a href="[Link]

Este vínculo es unidireccional, porque un visitante cualquiera que entre en la página de Coca-Cola,
no tiene forma de saber que mi página (así como otros cientos de miles) enlaza con ella.

El objetivo de XLink es crear enlaces entre recursos, de una forma de la que HTML no es capaz.

Por ejemplo, un estudiante podría hacer anotaciones a los apuntes que un profesor tiene
disponibles en la red, por el método de insertar un enlace desde los apuntes (a los que no tiene
acceso de escritura o modificación) y su propia página de anotaciones y comentarios.

O bien, podremos vincular dos páginas cualquiera, por ejemplo enlazando el texto de una noticia
en un diario on-line, con el texto de la noticia equivalente en el diario competidor. Y no hay
porqué quedarse en enlaces con dos extremos. Los enlaces extendidos permiten mucho más que
eso.

En el momento actual, la tecnología para poder mantener una base de datos de enlaces mundial,
no está desarrollada, pero se puede hacer a nivel local.

Por ejemplo, nuestra empresa quiere comprar ciertos productos de un suministrador. Los
trabajadores de la empresa podrán visitar la página web del proveedor y hacer enlaces externos a
comentarios sobre las especificaciones de tal producto. Cuando otro compañero de la empresa
visite la página, el servidor de enlaces de nuestra empresa le mostrará la página junto con los
enlaces externos creados, y mostrar nuestros comentarios como si fueran parte del documento
original.

Etiquetas básicas
Párrafos

Los párrafos estructuran el contenido. Contienen una o más frases relacionadas entre sí, igual que
en el mundo real. Si queremos crear un párrafo, metemos el texto entre las etiquetas <p> y </p> .

Por ejemplo:

<p>
Hola, me llamo Luke Skywalker y soy piloto
de una X- Wing en el Rogue Squadron. También
soy un Jedi del Lado Luminoso de la Fuerza.
Mis maestros han sido Yoda y Obi -Wan Kenobi.
</p>

Si pruebas este ejemplo en el navegador, notarás que pasa por alto los saltos de línea. Podrías
haber puesto todo el párrafo en la misma línea y hubieras obtenido el mismo resultado.

Saltos de línea

Hay veces que necesitamos forzar un salto de línea dentro de un párrafo. Para ello, usamos la
etiqueta <br /> , así:

<p>
Dark Chest of Wonders <br />
Seen trought the eyes <br />
Of the one with pure heart <br />
Once , so long ago.
</p>

Aunque estéticamente podamos obtener el mismo resultado mediante párrafos (con <p> ) que
con saltos de línea ( <br /> ) de forma indiscriminada, debemos recordar que un documento
XHTML utiliza un lenguaje semántico, es decir que lo importante para que esté bien estructurado
es el significado de las etiquetas que utilizamos y no el efecto estético que generan.

Los títulos (headings)

Los títulos agrupan y ordenan información. Imaginemos la sección de enlaces de nuestra página. El
título principal podría ser Mis links favoritos. Luego tendríamos los links clasificados por secciones,
cada una de ellas bajo un subtítulo diferente: Blogs, descargas y videojuegos. Incluso podríamos
tener subcategorías dentro de una misma sección, como por ejemplo RPG’s, Aventuras Gráficas y
Arcades.
Para conseguir esto, tenemos las etiquetas <hx> y </hx> , donde x es un número del 1 al 6. <h1>
corresponde al título más importante y sólo debería haber uno por página. Luego le siguen <h2> ,
<h3> , y así sucesivamente. Los elementos de encabezado, deben guardar un orden lógico y no
debemos saltar ninguno de los niveles.

Ejemplo:

<h1>Mis links favoritos</h1>

<h2>Blogs</h2>
<! -- bla bla bla -->
<h2>Videojuegos</h2>
<h3>RPG ?s</h3>
<! -- bla bla bla -->
<h3>Arcades</h3>
<! -- bla bla bla -->

Si ves el código anterior en un navegador, aparecerán los títulos más importantes de mayor
tamaño que los menos importantes (pero el tamaño de cada título siempre puede cambiarse con
CSS).

Citas

Hay tres etiquetas diferentes para escribir citas: <blockquote> , <q> y <cite> . Con <blockquote> y
<q> escribimos la cita en sí, mientras que con <cite> marcamos su origen (persona, libro, canción,
etc.).

La diferencia entre <blockquote> y <q> es que <blockquote> se emplea para escribir citas largas,
esta etiqueta contiene párrafos, en cambió <q> funciona a la inversa porque está hecha para
escribir citas cortas, entonces va dentro de párrafos. Técnicamente hablando, <blockquote> es un
elemento block, y <q> es inline, los elementos inline no pueden ir “sueltos” en un documento
xhtml.

Para ejemplificar todo lo anterior:

<p>Aquí os dejo un fragmento de la canción

<cite>Die for Rock ?n? Roll </cite>, de Dover:</p>

<blockquote>
<p>
Everybody danced (while)<br />
I was lying on the floor <br />
I was ready to die <br />
for Rock ?n? Roll <br />
</p>
</blockquote>

<p>Mi parte preferida es cuando dice lo de

<q>I was ready to die [...] </q>.</p>

Separadores horizontales

Para los separadores horizontales se emplea la etiqueta <hr /> (horizontal rules), pero
actualmente casi no son utilizados gracias a que el empleo de estilos CSS permite crear bordes
delimitadores muy interesantes.

Ejemplo:

<h2>Los videojuegos</h2>
<p>Bla bla bla?</p>
<hr />
<h2>Música</h2>
<p>Bla bla bla?</p>

Comentarios

Los comentarios se utilizan para indicar partes del código de una página a modo de nota, pero son
invisibles para el navegador. Sirven como guía para el desarrollador o como ayuda para usuarios
que utilizan navegadores especiales, como por ejemplo los no videntes.

Para escribir un comentario en el código fuente, lo hacemos entre <!-- y -->, recordando siempre
de hacerlo en una sola línea:

<!-- Esto es un comentario -->

Etiquetas de formato
Recuerda que siempre nos referimos a destacar semánticamente, el aspecto de todos los formatos
se controla con CSS.

Acerca de <b> y sus secuaces

Si eres de la vieja escuela de webmasters, probablemente estés acostumbrado a usar etiquetas

como <b> , <i> y compañía para poner negrita, cursiva, subrayado, monoespaciado, etc. ¡Olvídalo!

El HTML 4 nos permitía controlar el aspecto con el que se iba a mostrar el texto con etiquetas
como <font> con la que cambiábamos tamaño, fuente y color del texto. Con XHTML nos limitamos
a estructurar el contenido y a asegurarnos de que sea semántico.

¿Qué es esto de la semántica? Sería algo así como lograr que una máquina pueda entender un
texto. Por ejemplo, un ordenador no sabe qué significa el que algo esté en negrita. Pero sí
entiende que algo que tiene énfasis es “importante”, y debe ser destacado de alguna manera.
Puede parecer una tontería, pero a la hora de trabajar con navegadores aurales (para ciegos), de
texto, o desde móviles, la cosa cobra importancia.

Énfasis

Para dar énfasis a un texto o parte de texto usaremos la etiqueta <em> y si queremos marcar un
texto en negritas utilizaremos <strong> .

Por ejemplo, este código:

<p>
<em>Far</em> is not the word because I'm never far
<strong>enough</strong>.
</p>

Se vería en el navegador así:

Far is not the word because I'm never far enough.

Es importante que sepas que estas dos etiquetas van dentro de elementos block, como párrafos.

Preformato

Si has practicado algo de los capítulos anteriores, te habrás dado cuenta de que cuando el
navegador interpreta el código XHTML, ignora múltiples espacios en blanco, saltos de línea,
tabuladores, etc. del código. Hay ocasiones en las que necesitamos mantener este “formato”, por
ejemplo cuando queremos mostrar código fuente. Para eso existe la etiqueta <pre> , que tampoco
se utiliza mucho actualmente.

Un ¡Hola mundo! en C nos quedaría así:

<pre>#include <stdio.h>

int main() {
   printf("Hello World!n");

   return(0);

}</pre>

Acrónimos y abreviaturas

Para utilizar acrónimos y abreviaturas tenemos las etiquetas <acronym> y <abbr>

respectivamente. En el navegador se genera el mismo efecto; se muestra su significado al pasar el
mouse por encima.

Para que funcionen, estas etiquetas necesitan el atributo title donde colocamos su significado.

Ejemplo:

<p>
Mi ordenador tiene 512 <abbr title="Megabytes">MB</abbr>
de memoria <acronym title="Random Access Memory">RAM</acronym>.
</p>

Si no conoces la diferencia entre acrónimo y abreviatura, en nuestro manual de accesibilidad

encontrarás una ayuda.

Paginación de registros con XML

Hoy en día es muy conocido el XML como fuente de datos y, no tanto el acceso a datos mediante
RDS (Remote Data Service). El ejemplo que voy a poner ahora lo he realizado con XML en vez de
con RDS por este motivo.

<html>
<head>
<title>Prueba de paginación</title>
</head>

<xml id="xmlPrueba">
<LISTADO>
<REGISTRO>
<NOMBRE>Ismael</NOMBRE>
<APELLIDOS>Zori Martinez</APELLIDOS>
</REGISTRO>
<REGISTRO>
<NOMBRE>Alicia</NOMBRE>
<APELLIDOS>Campos Ortega</APELLIDOS>
</REGISTRO>
<REGISTRO>
<NOMBRE>Julio</NOMBRE>
<APELLIDOS>Camino del Bosque</APELLIDOS>
</REGISTRO>
<REGISTRO>
<NOMBRE>Juan</NOMBRE>
<APELLIDOS>Diges Sierra</APELLIDOS>
</REGISTRO>
<REGISTRO>
<NOMBRE>Roberto</NOMBRE>
<APELLIDOS>Cabeza Benito</APELLIDOS>
</REGISTRO>
<REGISTRO>
<NOMBRE>Rosa</NOMBRE>
<APELLIDOS>Jimenez Sancho</APELLIDOS>
</REGISTRO>
<REGISTRO>
<NOMBRE>Eva</NOMBRE>
<APELLIDOS>Soria del Pinar</APELLIDOS>
</REGISTRO>
<REGISTRO>
<NOMBRE>Pedro</NOMBRE>
<APELLIDOS>Zamora Reinoso</APELLIDOS>
</REGISTRO>
</LISTADO>
</xml>

<script language="JavaScript">
function go(numDonde)
{
switch (numDonde)
{
case 0:
[Link]();
break;
case 1:
[Link]();
break;
case 2:
[Link]();
break;
case 3:
[Link]();
break;
default:
alert("Opción de navegación incorrecta. Fallo de programación");
}
}
</script>

<body>
<center>
<table datasrc="#xmlPrueba" datapagesize="5" id="tablaPrueba" border="1" cellpadding="1"
cellspacing="0">
<thead>
<tr>
<td align="center"><b>Nombre</b></td>
<td align="center"><b>Apellidos</b></td>
</tr>
</thead>
<tr>
<td><span datafld="NOMBRE"></span></td>
<td><span datafld="APELLIDOS"></span></td>
</tr>
</table>
<br><br>
<input type="button" name="btnPrimero" value="|<" onclick="go(0)">
<input type="button" name="btnAnterior" value="<" onclick="go(1)">
<input type="button" name="btnSiguiente" value=">" onclick="go(2)">
<input type="button" name="btnUltimo" value=">|" onclick="go(3)">
</center>
</body>
</html>

Por desgracia los registros te los tienes que traer todos del servidor por lo que la página ocupa
mucho, pero no hace falta que el XML vaya en la página, puede estar en un [Link], en ese
caso en vez de poner

<XML id="xmlPrueba"><LISTADO>........</LISTADO></XML>
podemos poner

<XML id="xmlPrueba" src="[Link]"></XML>