С момента своего появления язык XML зарекомендовал себя с самой лучшей стороны, поэтому довольно быстро получил широкое распространение. Он оказался чрезвычайно полезной технологией, которая, однако, может оказаться весьма непростой для понимания — если попытаться рассмотреть все, что попадает под определение «XML». В этой серии статей автор кратко рассмотрит наиболее важные, по его мнению, XML-технологии и расскажет, какое место в мире XML занимает каждая из них. Кроме того, в конце каждого раздела, посвященного той или иной из обсуждаемых технологий, читатель сможет найти список рекомендуемых учебных пособий и других справочных материалов, которые могут оказаться полезными при ее изучении и апробировании.
Все технологии, представленные в этих статьях, являются стандартами, хотя само это слово довольно двусмысленно. Дело в том, что имеется множество всевозможных стандартов, и многие из них часто оказываются предназначенными для одной и той же предметной области, что приводит к их «конкуренции». При определении стандарта автор статьи будет стоять на позиции прагматизма, считая стандартом любую спецификацию, которая признана представительной выборкой поставщиков или рекомендована авторитетной независимой от них организацией.
Эта статья посвящена базовым XML-технологиям. Именно с помощью этих технологий выражаются XML-документы. В следующих статьях будут рассмотрены стандарты, относящиеся к обработке XML, а также ряд наиболее важных XML-приложений (или словарей).
Спецификация «XML 1.0 (Второе издание)» (XML 1.0 (Second Edition)) [Рекомендация консорциума W3C (W3C Recommendation)] — это, разумеется, «основной ствол ветвящегося дерева» XML. В ней используется спецификация Unicode [Технический отчет консорциума Unicode и стандарт ISO] для определения жестких правил формирования текстового формата и для задания языка проверки допустимости документа — Document Type Definition (DTD). Нынешнее (втрое издание) этого документа содержит ряд исправлений, накопившихся за время его существования. Эта спецификация переведена на множество языков, хотя только английская версия является нормативной, что означает, что лишь один документ может считаться стандартом.
Спецификация XML 1.1 [находится в процессе разработки] — это первая редакция, в которой изменено определение корректно оформленного (well-formed) XML-документа. Наиболее существенное изменение заключается в пересмотре обработки символов с целью более естественной адаптации спецификации XML к изменениям в стандарте Unicode и обеспечения нормализации символов для различных версий Unicode посредством указания на спецификацию «Модель символов для World Wide Web 1.0» (Character Model for the World Wide Web 1.0) [находится в процессе разработки]. Кроме того, в спецификации XML 1.1 в списке символов конца строки появился символ NEL, используемый для конца строки (EOL) в мейнфреймовых системах IBM. Это дополнение нельзя расценить однозначно — некоторые наблюдатели полагают, что та небольшая польза, которую извлекут пользователи мейнфреймов, не стоит внесения столь существенного изменения. С другой стороны, существует мнение, что все эти нововведения слишком незначительны, чтобы вызвать проблемы с совместимостью различных версий XML.
В основе XML лежит стандартный обобщенный язык разметки (Standard Generalized Markup Language, SGML), определенный в ISO 8879:1986 [стандарт ISO]. XML представляет собой значительно упрощенный вариант SGML, подвергнутый корректировке для лучшего соответствия среде Web.
В спецификации «Каталоги XML» (XML Catalogs) [спецификация
комитета организации OASIS] описывается формат инструкций, которые определяют,
как XML-процессор преобразует идентификаторы сущностей (entity) XML в фактические
документы. Например, каталог сущностей (entity catalog) можно использовать для
указания местоположения, с которого XML-процессор загружает DTD при наличии
системных и открытых идентификаторов для этого DTD. Системные идентификаторы
обычно задаются унифицированными идентификаторами ресурса (Uniform Resource
Identifier, URI), которые регулируются документом «Запрос на комментарий
2396: Унифицированные идентификаторы ресурса» (RFC 2396: Uniform Resource
Identifiers) [Запрос на комментарии Целевой группы инженерной поддержки
Internet (IETF RFC)]. Унифицированный идентификатор ресурса — это
всего лишь расширение унифицированного указателя информационного ресурса (Uniform
Resource Locator, URL), который используется в Web-браузерах. Все унифицированные
указатели ресурса — это унифицированные идентификаторы ресурса, но указатели
также включают унифицированные имена ресурса (Uniform Resource Name, URN), которые
регулируются документом «Запрос на комментарий 2141: Унифицированные
имена ресурса» (RFC 2141: Uniform Resource Names) [Запрос на комментарии
Целевой группы инженерной поддержки Internet], которые являются способом указания
Web-ресурсов по имени, а не по местоположению (см. «Устав
рабочей группы URN» («The URN Charter»)). Открытые идентификаторы
обычно определяются как формальные открытые идентификаторы (Formal Public Identifiers,
FPIs), которые определены на языке SGML. Каталоги также можно применять
в ситуациях, когда используемая машина не располагает сетевым доступом
к ресурсам, указанным унифицированным локатором, или когда организации
требуется заменить внешний ресурс локальной версией.
Каталог XML является XML-документом, однако, имеется более ранний формат для SGML и XML, который определяет формат каталога в более простом виде — «Управление сущностями: Техническая резолюция OASIS 9401:1997» (Entity Management, OASIS Technical Resolution 9401:1997) [Стандарт организации OASIS]. Этот формат часто называют Открытым каталогом OASIS (OASIS Open Catalog).
Обработка каталогов часто предоставляется как неотъемлемая часть XML-парсера, но в некоторых материалах вводного характера рассмотрен вопрос преобразования сущностей с использованием каталогов:
Многообразие стандартовВ процессе разработки стандартов участвует несколько организаций и неофициальных групп. Большинство из них приведены в разделе Ресурсы, а пока автор попытается объяснить некоторые из терминов, используемых в этой статье применительно к стандартам.Консорциум W3C издает официальные Рекомендации, которые технически являются просто предложениями для дальнейшей стандартизации, однако имеют свойство превращаться в стандарты де-факто. Спецификации получают этот статус после того, как Рабочая версия спецификации (Working Draft) становится Кандидатом к рекомендации (Candidate Recommendation — окончательная редакция документа, переданная на рассмотрение разработчикам с целью тестирования и внедрения), а затем Предложенной рекомендацией (Proposed Recommendation — документом, по которому ожидается голосование членов W3C). Международная организация по стандартизации (International Organization for Standardization (ISO)), вероятно, наиболее авторитетный орган стандартизации в мире. Многие из отраслевых стандартов ISO равносильны законам. Организация по стандартизации структурированной информации (Organization for the Advancement of Structured Information Standards (OASIS)) несколько изменилась со времен образования консорциума SGML, но результаты ее деятельности остались прежними. То, что ранее называлось Технические резолюции (Technical Resolutions), теперь известны как Спецификации комитетов (Committee Specifications), а их предназначение схоже с Рекомендациями W3C. Целевая группа инженерной поддержки Internet (Internet Engineering Task Force (IETF)) представляет собой модель организации, которая пытается привлечь к работе над стандартами широкие массы, формально оставаясь при этом организацией. Практически любой человек, имеющий доступ в Интернет, может подать на рассмотрение Рабочий вариант Интернет-документа (Internet Draft) и предложить его в качестве возможного стандарта. Группа, регулирующая процесс стандартизации (steering group), изучает этот документ и может рекомендовать его публикацию в качестве Запроса на комментарий (Request for Comment, RFC). Запросы могут быть помечены как Запрос на комментарий, рекомендованный как опытный стандарт (Standards Track RFC), и даже как Запрос на комментарий, рекомендованный как стандарт (Standard RFC), хотя большинство публикаций, появившихся как Запрос на комментарий, пользуются большим авторитетом и часто широко применяется. Наконец, само сообщество XML-разработчиков и пользователей славится своими успехами в разработке хоть и неофициальных, но важных стандартов, которые охватывают ниши, незамеченные крупными организациями. В качестве примера можно привести SAX, RDDL и EXSLT. OASIS старается взять под свое крыло подобную деятельность, однако, по-прежнему остается множество людей, которые ради утверждения разработанного ими документа в качестве стандарта, не испытывают желания вступать в официальную переписку. |
В спецификации «Пространства имен XML 1.0» (Namespaces in XML 1.0) [Рекомендация консорциума W3C] описывается механизм универсального обозначения имен элементов и атрибутов в XML-документах. Рассмотрим небольшой пример, который объясняет причины появления этой технологии: представим XML-словарь, в котором элементы с именами «head» и «body используются для описания частей человеческого тела. Предположим, что необходимо добавить в этот документ фрагмент XHTML (будет рассмотрено позднее). XHTML тоже определяет элементы «head» и «body». Возникает вопрос: как же тогда отличить эти XHTML-элементы от одноименных, представленных в главном словаре? Для решения этой задачи предлагается, используя пространства имен XML, назначать каждому словарю свой маркер. В пространствах имен XML каждый словарь называется пространством имен и для выражения маркеров словарей используется специальный синтаксис. Каждый элемент или атрибут может быть связан с одним пространством имен, и, таким образом, можно отличить элемент «head», используемый для описания части тела, от «head» в XHTML. Среди экспертов в области XML отсутствует однозначное мнение в отношении пространств имен, это связано с тем, что эти пространства довольно усложнили модель обработки XML, что сводит на нет все их преимущества. Тем не менее пространства имен превратились в фактически повсеместно признанный стандарт среди пользователей XML и, они задействованы практически во всех технологиях обработки XML.
Документ «Пространства имен XML 1.1» (Namespaces in XML 1.1) [находится в процессе разработки] — это уточненная версия спецификации, в которой учтены дополнения и исправления, а также, помимо прочего, добавлена поддержка локализованных унифицированных локаторов ресурса.
Важный вопрос, который возникает в связи с рассмотрением пространств имен XML, это какие виды ресурсов должны идентифицировать унифицированные идентификаторы ресурсов пространства имен. Эксперты в области XML, ведомые Джонатаном Борденом (Jonathan Borden) и Тимом Брейем (Tim Bray), разработали «Язык описания каталога ресурсов» (Resource Directory Description Language (RDDL)), стандарт для компоновки информации в пространствах имен. Этот стандарт использует XHTML для предоставления текстового описания словаря, в котором для облегчения понимания и обработки пространства имен используются вложенный XLink (см. ниже), который предоставляет указатели на основные ресурсы. Документ RDDL 2.0 [находится в процессе разработки] — это уточненная версия спецификации, в которой предпринята попытка заменить XLink следующими технологиями: "Инфраструктурой описания ресурсов" (Resource Description Framework (RDF)) (будет рассмотрено позднее) и альтернативными предложениями в области задания ссылок XML, которые были выдвинуты в ходе обмена электронными сообщениями, отправляемыми в адрес Группы технического проектирования W3C (W3C Technical Architecture Group, TAG).
Пространства имен XML рассмотрены в некоторых учебных пособиях о XML 1.0, приведенных выше. Кроме них стоит отметить следующие материалы:
В спецификации XML Base определяется способ ассоциирования XML-элементов с унифицированными идентификаторами ресурса с целью более точного задания того, как преобразовывать относительные унифицированные идентификаторы при проведении операций обработки XML. Предположим в качестве примера, что XML-элемент содержит сылку, которая использует относительный унифицированный локатор ресурса. В этом случае абсолютный унифицированный локатор, для которого необходимо задать ссылку, будет определятся путем указания на базовый унифицированный идентификатор этого элемента. Большинство XML-процессоров допускают базовый унифицированный идентификатор ресурса для каждой сущности XML, которая образует этот документ. Это поведение процессоров (по умолчанию) можно отменить, воспользовавшись технологией XML Base.
В спецификации «Включения XML (XInclude) 1.0» (XML Inclusions (XInclude) 1.0) [находится в процессе разработки] определяется система для объединения XML-документов. Обычно XInclude используется, если необходимо разбить XML-документы на управляемые части. Документы могут быть разбиты произвольным образом, а затем объединены обратно с помощью XInclude. Внешние разобранные сущности (External parsed entities), конструкции XML 1.0, которые позволяют загружать разделы документа из отдельного файла, могут быть использованы аналогичным образом. Некоторые обозреватели отмечают, что XInclude — это ненужная спецификация. Однако, XInclude предлагает некоторые специальные функциональные возможности, в том числе и выбор разделов документа для включения.
В спецификации «Информационный набор XML» (XML Information Set) [Рекомендация консорциума W3C], также известной как XML Infoset, определяется абстрактный способ описания XML-документа в виде набора объектов, называемых информационными единицами (information items), обладающих специальными свойствами. Этот абстрактный набор данных объединяет свойства XML-документов, которые определяются в спецификациях XML 1.0, «Пространства имен XML 1.0» и XML Base. Спецификация XML Infoset используется как основание для нескольких других спецификаций, которые пытаются разбить XML-документы на некую совокупность составных объектов.
В спецификации «Канонический XML, версия 1.0» (Canonical XML Version 1.0) [Рекомендация консорциума W3C] определяется стандартный метод генерации физического представления XML-документа, называемого канонической формой. В этой спецификации объясняется, как выполнять эти модификации, допустимые с точки зрения синтаксиса XML, не меняя при этом содержания. Например, порядок атрибутов в XML не имеет значения, поэтому, если в одном документе все атрибуты отсортированы в алфавитном порядке, а другой документ отличается от первого только тем, что атрибуты располагаются в каком-то ином порядке, эти два документа являются идентичными с точки зрения XML 1.0, несмотря на различия в физическом представлении. В результате, возникают серьезные практические проблемы. Например, в случае если необходимо поставить цифровую подпись на документ, чтобы гарантировать его целостность, изменение порядка атрибутов приводит к нарушению подписи, несмотря на то, что сам документ при этом не изменяется. Решение этой проблемы заключается в преобразовании документов в каноническую форму (процесс называемый «канонизацией c14n») до того, как будут выполняться различные операции над документом: его подписание, сравнение текста и т.п. Благодаря этому, изменения, не существенные с точки зрения XML 1.0, вносятся корректным образом.
Иногда, XML-документ, который необходимо сравнить или подписать, на самом деле является просто разделом более крупного документа. Спецификация c14n учитывает и этот случай — указывая порядок обработки конструкций XML, например, объявлений пространств имен. В том случае, если требуется, чтобы эта спецификация ограничивалась подмножеством документа, необходимо использовать соответствующий алгоритм «Исключающая канонизация XML, версия 1.0» (Exclusive XML Canonicalization Version 1.0) [Рекомендация консорциума W3C].
В спецификации XML Path Language (XPath) 1.0 [Рекомендация консорциума W3C] определяются синтаксис и модель данных для адресации частей XML-документа. В ней описываются некоторые функциональные возможности универсального языка выражений. Данная спецификация задумана как простой язык, который можно использовать для не зависящей от приложения обработки в XML-системах. Например, с помощью XPath можно определять в документе место элементов, являющихся заголовками разделов.
XPath, пожалуй, самая успешная XML-технология, за исключением XML 1.0. Она является основой XSLT (будет рассмотрено позднее), очень удачного языка трансформаций XML, поддерживается практически во всех платформах, предназначенных для обработки XML. В спецификации XPath 2.0 [находится в процессе разработки] предусматривается значительное расширение функциональных возможностей, включая поддержку XML-схемы W3C (см. ниже) и множество новых базовых функций. Эта спецификация вызывает весьма неоднозначные оценки — по причине своей крайней сложности; многие пользователи и разработчики, включая автора этой статьи, утверждают, что не будут ее использовать, если только эта версия языка не будет существенно упрощена.
Практически в любом материале о XSLT содержится и описание XPath. Ниже приведены учебные пособия, которые посвящены только XPath:
Спецификация «Структура расширяемого языка указателей» (XPointer Framework) [Рекомендация консорциума W3C] определяет язык, который можно использовать для указания фрагментов XML-документа. Вероятно, читатель уже знаком с тем, как использовать унифицированные локаторы ресурса со знаком решетки («#»), чтобы связываться с отдельным разделом HTML-документа. Язык XPointer характеризуется аналогичными, но гораздо более широкими возможностями по заданию ссылок или сносок на XML-документы. Эту структуру можно использовать с xpointer() scheme [находится в процессе разработки], element() scheme [Рекомендация консорциума W3C] и xmlns() scheme [Рекомендация консорциума W3C], в которых определены специальные инструкции для выражения интересуемых фрагментов документа в рамках структуры XPointer.
История разработки и принятия этой спецификации довольно непростая. Так, сами члены Рабочей группы разработали спецификацию FIXptr [Общественный стандарт (Community Standard)], являющуюся полной противоположенностью XPointer. Некоторые альтернативные схемы XPointer включают xpath1() scheme [Рабочий вариант Интернет-документа Целевой группы инженерной поддержки Internet (IETF Internet Draft)].
В спецификации «Расширяемый язык задания ссылок XLink 1.0» (XML Linking Language (XLink) 1.0) [Рекомендация консорциума W3C] определяется общая структура для выражения ссылок в XML-документах. Поскольку основу Web-а составляет гипертекс, связанный при помощи ссылок, реализация возможностей задания сложных ссылок всегда рассматривалась как краеугольный камень XML. На самом деле первоначально XLink называлась «XML, часть 2». К сожалению, определить систему задания ссылок для XML оказалось намного сложнее, чем для статических словарей, как, например, HTML. Спецификация XLink прошла нелегкий и долгий путь разработки и утверждения. Например, разработчики XHTML (будет рассмотрено позднее) решили не использовать XLink и разработали свою собственную систему HLink [находится в процессе разработки]. Даже сегодня, спустя несколько лет после завершения работ над XLink, эта технология пока не пользуется широким признанием.
Тем не менее XLink играет значительную роль, находясь в центре многих важных XML-проектов, и обеспечивает задание гораздо более мощных ссылок по сравнению с простыми однонаправленными ссылками HTML. XLink поддерживает как ссылки HTML (простые ссылки, simple links), так и более сложные, которые могут иметь многочисленные конечные точки (расширенные ссылки, extended links), а также ссылки, которые выражаются не в связанных документах, а в специальных «кольцевых» документах (hub documents), называемых базами связей (linkbases).
Ряд учебных пособий по XLink посвящен более ранним, ныне устаревшим рабочим версиям этого языка. Ниже приведены материалы, отвечающие текущей редакции XLink:
В спецификации RELAX NG [Спецификация комитета организации OASIS и стандарт ISO] описывается язык XML-схемы, то есть язык, который можно использовать для определения и ограничения XML-словарей. Исходным языком XML-схемы является Document Type Definition (DTD), определенный в XML 1.0. Тем не менее некоторым разработчикам не нравится язык DTD из-за его неудобного синтаксиса, ограниченности в возможности выразить конструкции для текста и разметки, а также из-за сложностей при обработке пространств имен XML. В результате, появилось несколько новых языков XML-схемы, предназначенных для замены или улучшения DTD, включая RELAX NG, который пользуется признанием за свое простоту и выразительность. Основная спецификация RELAX NG определяет синтаксис схем; в спецификации «Компактный синтаксис RELAX NG» (RELAX NG Compact Syntax) [Спецификация комитета организации OASIS] описывается простой текстовый синтаксис для схем RELAX NG. Ожидается, что этот текстовый синтаксис будет включен в стандарт ISO в качестве приложения. RELAX NG — это часть проекта ISO «Языки описания схемы документа» (Document Schema Definition Languages (DSDL)), целью которого является стандартизация систем обработки XML-схем.
В спецификациях «XML-схема, часть 1: структуры» (XML Schema Part 1: Structures) и «XML-схема, часть 2: типы данных» (XML Schema Part 2: Datatypes) [Рекомендации консорциума W3C] определяется еще один язык схемы для XML. Первая спецификация позволяет накладывать ограничения на структуру документа, вторая — на содержание простых элементов и атрибутов. Спецификация XML-схема W3C (W3C XML Schema, WXS) была подвергнута серьезной критике за свою сложность и отсутствие выразительности; результатом чего явилось существование других конкурирующих языков, как, например, RELAX NG. Однако, сейчас пользователи всё чаще просто используют тот язык схемы, который их устраивает больше всего, а затем с помощью одного из широко представленных на рынке инструментальных средств выполняют преобразование из одного языка схем в другой. Несмотря на многочисленные просьбы разработать альтернативные системы типов, в многих других спецификациях используются типы «XML-схема, часть 2: типы данных». Рабочая группа начала работы над WXS 1.1.
В спецификации «Язык утверждений Schematron 1.5» (The Schematron Assertion Language 1.5) [Общественный стандарт и рабочая версия стандарта ISO] определяется язык схемы, который использует подход, отличный от примененного в DTD, RELAX NG или WXS. Schematron предполагает задание совокупности правил, по которым проверяется XML-документ, а не отображение всей структуры дерева XML-формата, который выражается от корневого узла до листьев. Благодаря этому Schematron оказывается очень удобным не только как язык схемы, но и как дополнение к другим языкам схем. Поскольку на Schematron можно выражать ограничения, которые невозможно записать на других языках схем, перечисленных выше, его часто используют совместно с ними.
В этой статье были рассмотрены наиболее важные XML-стандарты. В следующей статье речь пойдет о стандартах, играющих особую роль для обработки приложений.
Юч Огбуджи (Uche Ogbuji) - консультант и один из основателей Fourthought, компании, занимающейся поставками программного обеспечения и предоставлением консалтинговых услуг в области XML-решений для корпоративного управления знаниями. Fourthought разрабатывает 4Suite, платформу с открытым исходным кодом, для XML, RDF и приложений по управлению знаниями. Юч Огбуджи - инженер в области вычислительной техники, он родился в Нигерии, сейчас живет и работает в Боулдер-Сити (Boulder), штат Колорадо, США. С ним можно связаться по адресу uche.ogbuji@fourthought.com.