3.04. XML

ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВНЕ ДЛЯ НОВИЧКОВВ РАЗРАБОТКЕ

Разработчику Аналитику Тестировщику
Архитектору Инженеру

XML

Основы XML

★ XML (eXtensible Markup Language) - универсальный язык разметки, предназначенный для хранения и передачи данных. Он позволяет структурировать информацию в виде текстового файла, который легко читается человеком и машиной. Его можно открыть в любом текстовом редакторе, работает на любых ОС и устройствах. Изначально он создавался как способ представления структурированных данных, и благодаря этому стал основой множества технологий, конфигурационных файлов, веб-сервисов, форматов документов и метаданных.

Структура XML-документа является самодокументируемой - описывает саму себя через теги и атрибуты. XML позволяет создавать собственные теги для описания данных.

Самодокументируемость — свойство формата данных или языка разметки, при котором структура и содержание документа позволяют понять его назначение, состав и логику без обращения к внешним пояснениям. В XML это достигается за счёт использования осмысленных имён тегов и атрибутов, которые явно отражают суть описываемых сущностей и их отношений. Например, тег <заказ> с атрибутом дата="2026-01-24" и вложенными элементами <товар>, <цена>, <количество> делает структуру документа понятной даже при первом чтении.

★ DTD (Document Type Definition) - стандартный способ описания структуры XML, и определяет, какие элементы (теги) могут использоваться, какие атрибуты могут быть у элементов, и каков порядок и вложенность элементов.

★ XSD (XML Schema Definition) - схема, которая описывает структуру документа. В отличие от DTD, XSD использует сам XML для описания правил.

Пример XSD:

<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
  <xs:element name="Test1">
    <xs:complexType>
      <xs:sequence>
        <xs:element name="Test2" type="xs:string"/>
      </xs:sequence>
      <xs:attribute name="Attribute1" type="xs:string" use="required"/>
    </xs:complexType>
  </xs:element>
</xs:schema>

Эта схема описывает, что элемент Test1 должен содержать обязательный строковый атрибут Attribute1, и вложенный элемент Test2.

★ Теги - основные элементы XML, которые «окружают» данные. Они определяют начало и конец элемента:

<note>
  <to>Alice</to>
  <from>Bob</from>
</note>

Здесь note, to, from - теги, а Alice и Bob - значения элементов.

★ Атрибуты - дополнительные параметры, которые добавляются к тегам для описания их свойств. Расширим наши note:

<note priority="high">
  <to>Alice</to>
  <from>Bob</from>
</note>

Здесь priority – это атрибут, а high - значение атрибута.

★ Узел - любая часть XML-документа, включая элементы, атрибуты, текст и комментарии. XML это дерево узлов, упорядоченных иерархично. В нашем документе будет:

• note - корневой узел;
• to - дочерний узел;
• Alice - текстовый узел.

---

Синтаксис и правила XML

XML — строго структурированный язык разметки. Его синтаксис определяет чёткие правила построения документа, которые обеспечивают однозначность интерпретации и надёжность обработки. Нарушение любого из этих правил делает документ недействительным.

1. Единственный корневой элемент

Каждый XML-документ обязан содержать ровно один корневой элемент. Он охватывает всё содержимое документа и служит точкой входа для парсера. Все остальные элементы находятся внутри него и считаются его дочерними.

Пример:

<note priority="high">
  <to>Alice</to>
  <from>Bob</from>
</note>

Здесь note — корневой элемент. Он не несёт самостоятельного семантического значения, но организует структуру: внутри него расположены элементы to и from, описывающие получателя и отправителя сообщения.

Если в документе окажется два или более элемента на верхнем уровне, парсер выдаст ошибку. Это правило гарантирует древовидную иерархию без разветвлений на корневом уровне.

2. Правильное закрытие тегов

Все элементы в XML должны быть явно закрыты. Это требование устраняет двусмысленность при чтении структуры.

Существуют два способа записи элементов:

• Парные теги — используются, когда элемент содержит текст или другие элементы:

  <title>Введение в XML</title>

• Пустые (одиночные) теги — применяются, когда элемент не содержит содержимого:

  <br/>

  Такая запись эквивалентна <br></br>, но короче и предпочтительнее.

Открывающий тег начинается с символа <, за которым следует имя элемента. Закрывающий тег начинается с </, затем следует то же имя и завершается >. Имена в открывающем и закрывающем тегах должны совпадать точно, включая регистр.

3. Чувствительность к регистру

XML различает заглавные и строчные буквы в именах элементов и атрибутов. Элементы <Message> и <message> считаются разными. Это требование обеспечивает точность и предотвращает случайные коллизии имён.

Следствие: если схема или приложение ожидает элемент с именем User, использование user приведёт к ошибке валидации или игнорированию данных.

4. Экранирование специальных символов

Некоторые символы имеют особое значение в XML и не могут использоваться напрямую в текстовом содержимом или значениях атрибутов. К ним относятся:

• < — начало тега
• > — конец тега
• & — начало сущности
• " — ограничитель значений атрибутов в двойных кавычках
• ' — ограничитель значений атрибутов в одинарных кавычках

Чтобы включить эти символы в данные, их заменяют на предопределённые сущности:

Символ	Сущность
<	&lt;
>	&gt;
&	&amp;
"	&quot;
'	&apos;

Пример:

<description>Цена &lt; 1000 руб.</description>

Без экранирования парсер попытается интерпретировать < 1000 как начало тега и выдаст ошибку.

Альтернативный способ — использовать секции CDATA, если требуется вставить большой фрагмент текста с множеством специальных символов:

<code><![CDATA[if (x < y && y > 0) { return "ok"; }]]></code>

Всё содержимое внутри <![CDATA[ ... ]]> обрабатывается как чистый текст, без анализа тегов и сущностей.

---

Структура XML

XML-документ состоит из двух основных частей: пролога и корневого элемента. Эта структура обеспечивает единообразие, предсказуемость и совместимость между разными системами.

Пролог

Пролог — необязательная, но рекомендуемая часть документа, которая располагается в самом начале. Он задаёт базовые параметры интерпретации содержимого:

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

Эта строка содержит две ключевые директивы:

• version="1.0" указывает, что документ соответствует первой версии спецификации XML. На сегодняшний день это единственная широко используемая версия.
• encoding="UTF-8" определяет кодировку текста. UTF-8 поддерживает все символы Unicode и является стандартом для современных систем. Если кодировка не указана, парсер предполагает UTF-8 или UTF-16 в зависимости от байтового порядка (BOM).

Пролог может также включать атрибут standalone, который принимает значения "yes" или "no" и сигнализирует, зависит ли документ от внешних сущностей (например, DTD). В большинстве случаев этот атрибут опускается.

Если пролог отсутствует, парсер применяет значения по умолчанию: версия 1.0 и кодировка UTF-8. Однако явное указание пролога повышает читаемость и исключает неоднозначности при обработке в разных средах.

Корневой элемент

Все данные XML-документа находятся внутри одного корневого элемента. Это требование гарантирует древовидную структуру без разрывов на верхнем уровне.

Пример:

<catalog>
  <book id="101">
    <title>Основы XML</title>
    <author>Иван Петров</author>
  </book>
  <book id="102">
    <title>Современные форматы данных</title>
    <author>Анна Смирнова</author>
  </book>
</catalog>

Здесь catalog — корневой элемент. Он объединяет все записи каталога и служит контекстом для дочерних элементов book. Каждый book, в свою очередь, содержит собственные вложенные элементы и атрибуты.

Корневой элемент может иметь атрибуты, текстовое содержимое и любую вложенную структуру, допустимую согласно схеме или логике приложения. Его имя выбирается автором документа и должно отражать общее назначение данных.

---

XPath

XPath (XML Path Language) — язык выражений для адресации и выбора узлов в XML-документе. Он позволяет точно указывать путь к элементам, атрибутам, тексту или другим частям XML-структуры, независимо от её глубины или сложности.

В основе XPath лежит модель документа как дерева узлов. Каждый элемент, атрибут, текстовый фрагмент, комментарий и даже сам документ рассматриваются как отдельные узлы. XPath предоставляет средства для навигации по этому дереву с помощью путей, условий и функций.

Основные компоненты синтаксиса

• / — выбирает дочерний узел относительно текущего контекста. Если путь начинается с /, поиск ведётся от корня документа.

  /library/book

  Этот запрос возвращает все элементы book, которые являются прямыми потомками корневого элемента library.

• // — выбирает узлы на любом уровне вложенности, начиная с текущего контекста. Это сокращение от оси descendant-or-self.

  //author

  Возвращает все элементы author в документе, независимо от их положения.

• @ — обращается к атрибутам элемента.

  /library/book[@id='2']

  Выбирает элемент book, у которого атрибут id равен "2".

• [] — задаёт предикат (условие фильтрации). Внутри скобок можно использовать позиционные функции, сравнения, вызовы других функций.

  /library/book[1]/title

  Возвращает элемент title первой книги в списке.

Оси навигации

XPath определяет оси — направления движения по дереву узлов. Наиболее часто используемые:

• child:: — дочерние узлы (по умолчанию, поэтому /book/title эквивалентно /book/child::title);
• descendant:: — все потомки любого уровня;
• attribute:: — атрибуты (можно сократить до @);
• parent:: — родительский узел (сокращается до ..);
• following-sibling:: — последующие элементы на том же уровне;
• ancestor:: — все предки вплоть до корня.

Пример:

//book[author = 'Лев Толстой']/title

Выбирает заголовок книги, автор которой — Лев Толстой.

Функции XPath

XPath включает встроенные функции для работы со строками, числами, узлами и логикой:

• text() — извлекает текстовое содержимое узла:

  //title/text()

  Возвращает строки "Война и мир" и "Мастер и Маргарита".

• position() и last() — позволяют работать с порядком элементов:

  //book[position() <= 2]

  Выбирает первые две книги.

• contains(), starts-with(), ends-with() — проверяют подстроки:

  //book[contains(author, 'Булгаков')]

• count() — подсчитывает количество узлов:

  count(//book)

  Возвращает число 2.

Пример. У нас есть XML:

<library>
  <book id="1">
    <title>Война и мир</title>
    <author>Лев Толстой</author>
  </book>
  <book id="2">
    <title>Мастер и Маргарита</title>
    <author>Михаил Булгаков</author>
  </book>
</library>

К такому документу можно обращаться, используя XPath-запросы, чтобы получить информацию из определённого элемента. Допустим:

1. Выбрать все книги - /library/book
2. Выбрать заголовок первой книги - /library/book[1]/title
3. Выбрать книгу с id равным «2» - /library/book[@id='2']
4. Выбрать всех авторов - //author

Это используется для извлечения информации из XML, таким образом обрабатывая их, проверяя структуру и т.д.

Чит-лист - https://cheatsheets.zip/xpath

---

XSLT

XSLT (Extensible Stylesheet Language Transformations) — язык преобразования XML-документов. Он позволяет взять исходный XML и, применив к нему шаблон, получить новый документ в другом формате: HTML, текст, другой XML или даже CSV. XSLT работает на основе декларативных правил и шаблонов, а не последовательного кода, что делает его особенно подходящим для задач, где важна структура данных.

Принцип работы

Процесс преобразования состоит из трёх компонентов:

1. Исходный XML-документ — содержит данные.
2. XSL-шаблон — описывает, как эти данные следует представить.
3. XSLT-процессор — программа, которая применяет шаблон к XML и формирует результат.

Результатом может быть любой текстовый формат. Чаще всего XSLT используется для генерации HTML-страниц на основе XML-данных, особенно в системах, где контент и представление строго разделены.

Пример преобразования

Рассмотрим XML-документ с библиотекой книг:

<library>
  <book id="1">
    <title>Война и мир</title>
    <author>Лев Толстой</author>
  </book>
  <book id="2">
    <title>Мастер и Маргарита</title>
    <author>Михаил Булгаков</author>
  </book>
</library>

Для его преобразования создаётся XSL-файл:

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
  <xsl:template match="/">
    <html>
      <body>
        <h1>Список книг</h1>
        <ul>
          <xsl:for-each select="library/book">
            <li>
              <xsl:value-of select="title"/> (<xsl:value-of select="author"/>)
            </li>
          </xsl:for-each>
        </ul>
      </body>
    </html>
  </xsl:template>
</xsl:stylesheet>

После обработки XSLT-процессором получается HTML-документ:

<html>
  <body>
    <h1>Список книг</h1>
    <ul>
      <li>Война и мир (Лев Толстой)</li>
      <li>Мастер и Маргарита (Михаил Булгаков)</li>
    </ul>
  </body>
</html>

Этот HTML можно сразу открыть в браузере или встроить в веб-приложение.

Ключевые элементы XSLT

• <xsl:template match="..."> — определяет правило для обработки узла, соответствующего указанному XPath-выражению. match="/" означает корень документа.
• <xsl:for-each select="..."> — повторяет блок для каждого узла, найденного по XPath.
• <xsl:value-of select="..."> — вставляет текстовое содержимое выбранного узла.
• <xsl:if> и <xsl:choose> — позволяют добавлять условия и ветвления.
• <xsl:apply-templates> — вызывает другие шаблоны рекурсивно, что даёт возможность строить модульные и переиспользуемые преобразования.

Практическое применение

XSLT используется в следующих сценариях:

• Генерация отчётов — например, из XML-логов или финансовых данных создаются читаемые HTML- или PDF-документы.
• Публикация контента — системы управления контентом (CMS) могут хранить статьи в XML и преобразовывать их в HTML при запросе.
• Интеграция систем — когда две системы используют разные XML-схемы, XSLT служит мостом для конвертации структур.
• Поддержка старых форматов — многие государственные и промышленные системы до сих пор используют XML + XSLT для формирования интерфейсов и выгрузок.

Версии XSLT

• XSLT 1.0 — самая распространённая версия, поддерживается практически везде, включая старые браузеры и .NET Framework.
• XSLT 2.0 и 3.0 — добавляют функции группировки, регулярных выражений, переменных, функций и даже потоковой обработки. Однако требуют специализированных процессоров, таких как Saxon.

---

Применение XML

XML позволяет структурировать информацию и сделать её машиночитаемой. Например, когда я работал в государственном секторе, у нас была задача по цифровизации путём перевода документов в электронный вид. Началось всё с заявлений, когда человек оформляет их через Госуслуги, формируя XML-файл.

Для пользователя всё просто - он заполняет интерактивную форму в браузере или приложении, и система получает отдельные блоки с информацией, к примеру:

Имя: Иван
Фамилия: Иванов
Отчество: Иванович
Дата рождения: 01.01.1999

И для того, чтобы таким массивом информации поделиться, система формирует файл XML-файл согласно заложенной схеме, например:

<Name>Иван</Name>
<Surname>Иванов</Surname>
<Patronymic>Иванович</Patronymic>
<Birthdate>01.01.1999</Birthdate>

Можно даже сделать более детально:

<Name>Иван</Name>
<Surname>Иванов</Surname>
<Patronymic>Иванович</Patronymic>
<Birthdate>
	<Day>01</Day>
	<Month>01</Month>
	<Year>1999</Year>
</Birthdate>

В дальнейшем этот файл отправляется по сети в соответствующие системы, к примеру, СМЭВ, а затем уже получателю - системе соответствующих органов власти. Чтобы получатель смог понять структуру файла, он дорабатывает свою систему под последнюю версию XSD-схемы, чтобы обеспечить читаемость файла.

Как результат - когда и отправитель, и получатель знают схему, они могут совместимо обмениваться информацией, и данные раскладываются в целевых базах.

XML получил широкое распространение благодаря такой простой схеме, но в последние годы уступил место JSON в большинстве новых систем, из-за производительности - XML надёжный, но медленный. Почему надёжный - потому что XML имеет ряд возможностей, встроенных в язык:

• XSD — язык описания структуры документа. С его помощью можно определить допустимые элементы, атрибуты, типы данных и отношения между ними. Валидация происходит до парсинга, что исключает ошибки на раннем этапе. JSON Schema существует, но остаётся внешним инструментом, не имеющим статуса стандарта и редко применяемым в реальных проектах.

• Пространства имён. XML позволяет комбинировать элементы из разных словарей в одном документе без коллизий. Каждый префикс явно указывает на источник определения. В JSON подобная функциональность отсутствует, и разработчики вынуждены использовать соглашения об именовании или вкладывать объекты вручную.

• XML изначально поддерживает комментарии, что делает документы самодостаточными и понятными даже без внешней документации. JSON запрещает комментарии, поскольку они нарушают требования к чистоте данных и усложняют парсинг.

• Хорошо составленный XML-документ содержит ссылку на свою схему или включает поясняющие атрибуты и теги. Это позволяет понять назначение полей без дополнительного контекста. В JSON значение "status": 1 остаётся загадкой без внешнего описания.

Microsoft долгое время использовала XML в ключевых технологиях: MSBuild, WPF, App.config, SOAP-сервисы. Даже после перехода .NET Core на JSON для конфигурации, XML сохранился в форматах проектов (.csproj), где важна расширяемость и точность.

XML применяется для обмена данными между системами, конфигурационных файлов, а порой и для хранения данных в виде файлов. К примеру, Microsoft Office форматы (тот же Word, Excel) это на самом деле XML.

Подробнее об XML также рекомендую почитать на https://www.w3.org/XML/ (официальный сайт W3C, Консорциума Всемирной паутины). Он не переведён на русский язык, но можно найти много интересного.

Практическое задание

Попробуйте составить XML-файл. Создайте родительский тег и закройте его. Добавьте дочерний элемент и закройте его. Добавьте значение дочернего элемента. Добавьте атрибут дочернего элемента. Добавьте значение атрибута.