43.1 XML-Grundlagen
XML ist die Abkürzung für »eXtensible Markup Language«.
Dabei handelt es sich um ein universelles, textbasiertes Datenformat,
das hauptsächlich zur Speicherung und zum Transfer von Daten
verwendet wird. XML-Dokumente sind selbst beschreibend und sowohl
menschen- als auch maschinenlesbar. Außerdem sind sie interoperabel,
also unabhängig von Betriebssystemen und Rechnerarchitekturen.
XML ist mächtig und ausdrucksstark, gleichzeitig ist es relativ
leicht zu erlernen, zu erzeugen und zu interpretieren und hat sich
daher in der digitalen Welt rasant verbreitet. XML entstand durch
die Weiterentwicklung des SGML-Standards unter
der Führung von John Bosac. Es ist ein
offener Standard des W3C-Konsortiums, dessen erste Version 1998 veröffentlicht
wurde.
Mittlerweile gibt es im Umfeld von XML eine ganze Reihe weiterer Standards
und es hat sich eine regelrechte Industrie rund um die Sprache entwickelt.
Einige der Standards im XML-Universum sind beispielsweise:
- SOAP als ein auf XML basierendes Netzwerkprotokoll
- SVG als Format für Vektorgrafiken
- XSL als Transformationssprache, etwa zum Erzeugen von HTML oder
anderen Textformaten
- XSD als Sprache zur Definition von XML-Grammatiken
Auch als Grundlage unternehmensspezifischer proprietärer Sprachen
ist XML weit verbreitet und fast jedes Standardprogramm bietet mittlerweile
Schnittstellen zum Lesen und Schreiben von XML-Daten.
43.1.1 Aufbau eines XML-Dokuments
Wir wollen uns zunächst ansehen, wie XML-Dokumente aussehen und
welchen Aufbau sie haben. Eine Datei, die dem XML-Standard folgt,
wird »XML-Dokument« genannt; das folgende Listing zeigt
ein einfaches Beispiel:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <gruss>
003 Hallo, Welt!
004 </gruss>
|
Listing 43.1: Ein einfaches XML-Dokument
Offenbar besteht das Dokument aus zwei verschiedenen Bestandteilen.
Einerseits erkennen wir mit Hallo, Welt!
rein textuelle Teile, die »einfach so« aufgeschrieben werden,
andererseits mit <gruss>
oder </gruss> befehlsartige
Elemente, die in spitze Klammern gesetzt werden.
Konkret lässt sich die Syntax eines XML-Dokuments vereinfacht
wie folgt angeben:
xml : [ prolog ] element
element : <tag> [ ( inhalt | element+ ) ] </tag>
|
Ein XML-Dokument beginnt optional mit einem Prolog, darauf folgt ein
Element, das sogenannte Wurzelelement. Elemente können weitere
Elemente oder Text enthalten und werden von einem öffnenden und
einem schließenden Tag eingeschlossen. Wir wollen uns die einzelnen
Bestandteile eines XML-Dokuments in den nächsten Abschnitten
genauer ansehen.
Prolog
In der ersten Zeile von Listing 43.1
sehen Sie den optionalen »Prolog«, mit dem die Datei als
XML-Dokument gekennzeichnet wird. Der Prolog beginnt mit der Zeichenfolge
<?xml
und endet mit ?>.
Er bestimmt mindestens die XML-Version (version="1.0")
und besitzt optional weitere Attribute, wie beispielsweise das Encoding
des Dokuments (encoding="iso-8859-15").
Wird die Encoding-Angabe weggelassen, wird als Zeichensatz UTF-8
bzw. UTF-16 angenommen.
Grundsätzlich sind alle Zeichensätze erlaubt, die von der
IANA (Internet Assigned Numbers Authority)
definiert wurden (siehe http://www.iana.org/assignments/character-sets).
Zu den wichtigsten in unserem Sprachraum gehören windows-1252
und iso-8859-15
sowie utf-8
bzw. utf-16.
Elemente
Jedes XML-Dokument besitzt genau ein Wurzelelement, das wiederum kein,
ein oder mehrere andere Elemente enthalten
kann. Jedes Element kann seinerseits Attribute haben und sowohl Text
als auch weitere Unterlemente enthalten. Auf diese Weise lassen sich
hierarchische, baumartige Datenstrukturen erzeugen.
Ein Element besteht aus einem öffnenden und einem schließenden
»Tag«. Ein Tag hat einen festen
Namen und wird in spitze Klammern gesetzt. Das öffnende Tag wird
mit <
und >
umschlossen, das schließende Tag mit </
und >.
Listing 43.1 enthält
beispielsweise genau ein Element mit dem Namen gruss,
das in diesem Beispiel den Text Hallo, Welt!
enthält.
Das folgende Beispiel zeigt ein zweistufig hierarchisches Dokument
mit dem Wurzelelement gruesse.
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <gruesse>
003 <gruss bundesland="schleswig-holstein">
004 Moin, moin!
005 </gruss>
006 <gruss bundesland="bayern">
007 Grüß Gott!
008 </gruss>
009 </gruesse>
|
Listing 43.2: Ein zweistufiges, hierarchisches XML-Dokument
Das gruesse-Element enthält
zwei gruss-Elemente und jedes
gruss-Element besitzt ein bundesland-Attribut.
Enthält ein Element keinen Text und keine weiteren Elemente,
kann es in Kurzschreibweise geschrieben werden. Der Tagname wird dann
von <
und />
umschlossen:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <geschlecht>
003 <maennlich/>
004 </geschlecht>
|
Listing 43.3: Beispiel für die Kurzschreibweise
Attribute
Elemente können eine beliebige Anzahl von Attributen
besitzen, mit deren Hilfe sie konfiguriert werden können. Das
gruss-Element in Listing 43.2
enthält beispielsweise das Attribut bundesland,
mit dem die regionale Variante der Grußformel ausgewählt
wird. Attribute werden immer im öffnenden Tag angegeben und bestehen
aus einem Namen und einem Wert. Mit Attributen lassen sich spezifische
Eigenschaften eines Elements genauer beschreiben.
Kommentare
Kommentare sind fester Bestandteil der XML-Grammatik. Sie beginnen
mit der Zeichenfolge <!--
und enden mit -->.
Kommentare sind nicht schachtelbar, aber sie dürfen sich über
mehrere Zeilen erstrecken. Die Zeichenfolge --
ist in Kommentaren nicht erlaubt.
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <!-- Gruss an die Welt -->
003 <gruss>
004 Hallo, Welt!
005 </gruss>
|
Listing 43.4: Ein einfaches XML-Dokument mit Kommentar
43.1.2 Document Type Definition
Fester Bestandteil des XML-Universums ist die Möglichkeit, mit
Hilfe einer Grammatik den strukturellen Aufbau von XML-Dokumenten
zu definieren. Grammatiken werden entweder mit einer DTD
(Document Type Definition) oder mit einer XSD
(XML Schema Definition) beschrieben. XSD ist
selbst ein umfangreicher XML-Dialekt und es lassen sich damit sehr
präzise Grammatiken entwerfen. DTDs sind der ältere Standard,
sie stammen im Grundsatz noch aus der SGML-Ära. Sie sind weniger
aufwändig als XSDs, für viele praktische Anwendungsfälle
aber ausreichend. Weil DTDs einfacher zu erlernen und zu entwerfen
sind als XSDs, wollen wir uns zunächst den Umgang mit DTDs ansehen.
Zum Verständnis der folgenden Ausführungen sind zwei Begriffe
bedeutsam. Ein XML-Dokument heißt »wohlgeformt«
(»wellformed«), wenn es lexikalisch korrekt ist, also den
im vorigen Abschnitt beschriebenen Aufbau besitzt. Ein XML-Dokument
heißt »gültig« (»valid«),
wenn es wohlgeformt ist UND seiner Grammatik genügt.
Damit ein XML-Dokument ordnungsgemäß verarbeitet werden
kann, muss es mindestens wohlgeformt sein, eine Grammatik dagegen
ist nicht zwingend erforderlich. Diese empfiehlt sich aber immer dann,
wenn das Dokument komplex ist oder als Schnittstelle zwischen verschiedenen
Systemen oder Personen dient. Eine explizite Grammatik stellt nicht
zuletzt auch ein wichtiges Stück Dokumentation dar.
Aufbau einer DTD
DTDs selbst sind keine XML-Dokumente, sehen auf den ersten Blick aber
ein wenig so aus. Auch eine DTD beginnt beispielsweise zunächst
mit einem optionalen XML-Prolog, hinter dem die Definition der Elemente
und Attribute folgt. DTDs können auch Kommentare enthalten, sie
haben genau den gleichen Aufbau wie Kommentare in einem XML-Dokument.
Als erstes Beispiel sehen wir uns eine DTD für Listing 43.1
an:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <!ELEMENT gruss (#PCDATA)>
|
Listing 43.5: DTD des XML-HelloWorld-Beispiels
In der ersten Zeile sehen Sie den XML-Prolog, gefolgt von der Defintion
des einzigen Elements gruss.
Das gruss-Element kann Text
enthalten, was durch die Formulierung #PCDATA
zum Ausdruck gebracht wird.
Elementdefinition
In der Elementdefinition wird festgelegt, ob das Element Text aufnehmen
oder andere Elemente enthalten soll. Zudem muss zu jedem Kindelement
die Häufigkeit des Auftretens festgelegt werden. Die Elementdefintion
beginnt mit <!ELEMENT,
gefolgt von dem Namen des Elements. Nach dem Namen folgt der mögliche
Inhalt des Elements. #PCDATA
signalisiert, dass das Element Text enthalten kann. Enthält das
Element andere Elemente, werden diese in runden Klammern aufgezählt.
Die Reihenfolge der Elemente ist dabei von Bedeutung, d.h., die Elemente
müssen später in dem XML-Dokument in der festgelegten Reihenfolge
auftreten. Die Defintion eines Elements endet mit >.
001 <!-- Ein oder mehrere gruss-Kinder -->
002 <!ELEMENT gruesse (gruss+)>
003
004 <!-- Kein, ein oder mehrere gruss-Kinder -->
005 <!ELEMENT gruesse (gruss*)>
006
007 <!-- Ein gruss-Kind -->
008 <!ELEMENT gruesse (gruss)>
009
010 <!-- gruss enthält einen lang- und einen kurztext -->
011 <!ELEMENT gruss (langtext, kurztext)>
012
013 <!-- Entweder maennlich oder weiblich -->
014 <!ELEMENT geschlecht (maennnlich | weiblich)>
015
016 <!-- gruss enthält Text -->
017 <!ELEMENT gruss (#PCDATA)>
|
Listing 43.6: DTD-Elemente
Die Häufigkeit des Auftretens jedes Elements wird durch die angehängten
Symbole +, * usw. bestimmt. Ein + bedeutet, dass ein Element ein-
oder mehrere Male auftreten darf, ein * steht für beliebig häufiges
Auftreten und ein ? bedeutet, dass das Element entweder gar nicht
oder genau einmal auftreten kann. Werden mehrere Unterelemente mit
Kommata getrennt, müssen sie auch im XML-Dokument in genau dieser
Reihenfolge auftreten. Werden sie mit einem senkrechten Strich getrennt,
muss genau eines der aufgelisteten Elemente an der entsprechenden
Stelle auftauchen.
Attributdefinition
Die Attributdefinition beginnt mit <!ATTLIST,
gefolgt von dem Elementnamen, zu dem das Attribut gehört, gefolgt
von dem Namen des Attributs selbst Das Schlüsselwort CDATA
signalisiert, dass das Attribut beliebigen Text enthalten kann. Das
Attribut kann optional (#IMPLIED)
oder obligatorisch (#REQUIRED)
sein. Kann ein Attribut nur eines von wenigen zuvor festgelegten Werten
annehmen, werden diese in runden Klammern aufgezählt und mit
| voneinander getrennt. Die
Defintion des Attributs endet mit >.
Das folgende Listing zeigt die DTD von Listing 43.2.
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <!ELEMENT gruesse (gruss+)>
003 <!ELEMENT gruss (#PCDATA)>
004 <!ATTLIST gruss bundesland CDATA #REQUIRED>
|
Listing 43.7: DTD zum Dialekt-Beispiel
Das folgende Listing zeigt weitere Attributdefinitionen:
001 <!-- Attribut mit Defaultwert -->
002 <!ATTLIST auto anzahlreifen CDATA "4">
003
004 <!-- Obligatorisches Attribut -->
005 <!ATTLIST gruss bundesland CDATA #REQUIRED >
006
007 <!-- Optionales Attribut -->
008 <!ATTLIST gruss bundesland CDATA #IMPLIED >
009
010 <!-- Attribut mit Auswahlliste -->
011 <!ATTLIST person geschlecht (maennlich|weiblich) "maennlich" >
|
Listing 43.8: DTD-Attribute
Einbinden einer DTD
Soll ein XML-Dokument validiert werden können, muss es den Zusammenhang
zur DTD selbst herstellen. Eine DTD kann entweder direkt in das XML-Dokument
eingebettet sein oder als externe Datei referenziert werden. Da es
in der Praxis meist üblich ist, die DTD extern zu definieren,
wollen wir auf die internen DTDs an dieser Stelle nicht weiter eingehen.
Das XML-Dokument verweist auf seine externe DTD im Anschluss an die
Prologzeile:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <!DOCTYPE gruss SYSTEM "gruss.dtd">
003 <gruss>
004 Hallo, Welt!
005 </gruss>
|
Listing 43.9: HelloWorld mit externer DTD
In der Doctype Definition wird das Wurzelelement, also das Element
der höchsten Ebene, angegeben (in unserem Fall gruss).
Danach folgt das Schlüsselwort SYSTEM
und der Dateiname der DTD. Bevor wir uns nun der eigentlichen programmgesteuerten
Verarbeitung der XML-Dokumente zuwenden, wollen wir noch kurz auf
die zweite Form der XML-Grammatiken eingehen, die XML Schema Definitionen.
43.1.3 XML Schema Definition
Die »XML Schema Definition«, kurz XSD, ermöglicht ebenfalls
die Definition von XML-Grammatiken. Im Gegensatz zu DTDs sind XSD-Dateien
selbst XML-Dokumente, die ihrerseits einer Grammatik folgen. Die XML
Schema Definition bietet im Gegensatz zur DTD mehr Freiheitsgrade
und unterscheidet diverse elementare Datentypen. Außerdem erlaubt
sie es, einfache und komplexe Datentypen selbst zu definieren. Die
ausführliche Beschreibung der XML Schema Definition ist für
den Rahmen dieser Einführung viel zu umfangreich, wir wollen
uns daher im Folgenden lediglich einige Grundlagen dieses Standards
ansehen.
Eine XSD-Datei beginnt wie folgt:
<?xml version="1.0" encoding="iso-8859-15"?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
...
|
Listing 43.10: Beginn einer XSD-Datei
Den Prolog kennen wir aus Abschnitt 43.1.1.
Im schema-Wurzelelement verbinden
wir den Präfix xs
mit der Grammatik der XML Schema Definition. Der Name des Präfixes
ist frei wählbar, meist wird xs
verwendet, gelegentlich auch xsd.
Der Präfix (Namensraum) wird u.a. den Elementnamen vorangestellt,
gefolgt von einem :. In unserem
Fall lautet der komplette Präfix also xs:.
Elementdefinition
Elemente definiert man wie folgt:
Mit dem Attribut name wird der
Name des zu definierenden Elements festgelegt. Ein weiteres wichtiges,
aber optionales Attribut ist type
zur Definition des Datentyps des Elementinhalts.
<xs:element name="name" type="type">
|
Die XML Schema Definition bietet eine Reihe elementarer Datentypen
an, von denen die wichtigsten in der folgenden Tabelle aufgeführt
sind:
| Name |
Beschreibung |
| boolean |
Wahrheitswert, repräsentiert durch
den Ausdruck false
bzw. true
oder durch die Zahlen 0 und 1 |
| byte |
Ein acht Bit langer Ganzzahltyp, entsprechend
dem Wertebereich des Java-Datentyps byte |
| date |
Darstellung eines Datums, optional mit Zeitzone.
Beispiel: 1972-03-03 |
| dateTime |
Darstellung eines Datums inkl. Zeitangabe,
optional mit Zeitzone. Beispiel: 1969-07-20T03:40:00 |
| double |
Eine 64 Bit-Fließkommazahl nach IEEE
754, entprechend dem Wertebereich des Java-Datentyps double |
| float |
Eine 32 Bit-Fließkommazahl nach IEEE
754, entsprechend dem Wertebereich des gleichnamigen Java-Datentyps |
| int |
Eine 32 Bit-Ganzzahl, entsprechend dem Wertebereich
des Java-Datentyps int |
| short |
Darstellung einer 16 Bit-Ganzzahl, entsprechend
dem Wertebereich des gleichnamigen Java-Datentyps |
| string |
Darstellung einer beliebigen Zeichenkette,
entsprechend dem Java-Datentyp String |
| time |
Darstellung einer Uhrzeitangabe. Beispiel:
23:59:59 |
Tabelle 43.1: Wichtige elementare Datentypen des XSD-Standards
Einige Beispiele dazu:
001 <!-- Element mit ganzzahligem Inhalt -->
002 <element name="anzahl" type="xs:int"/>
003
004 <!-- Element mit Uhrzeit-Inhalt -->
005 <element name="abfahrt" type="xs:time"/>
006
007 <!-- Element mit Zeichenketten-Inhalt -->
008 <element name="vorname" type="xs:string"/>
|
Listing 43.11: Elementdefinitionen
Elemente, die andere Elemente enthalten, heißen komplexe
Elemente und werden wie folgt definiert:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
003 <xs:element name="gruesse">
004 <xs:complexType>
005 <xs:sequence>
006 <xs:element name="gruss" type="xs:string"/>
007 </xs:sequence>
008 </xs:complexType>
009 </xs:element>
010 </xs:schema>
|
Listing 43.12: XSD-Wurzelelement mit genau einem Kind
In diesem Beispiel enthält das gruesse-Element
genau ein gruss-Kind; im folgenden
Listing kann es kein, ein oder mehrere Kinder enthalten:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
003 <xs:element name="gruesse">
004 <xs:complexType>
005 <xs:sequence>
006 <xs:element name="gruss" type="xs:string"
007 minOccurs="0" maxOccurs="unbounded"/>
008 </xs:sequence>
009 </xs:complexType>
010 </xs:element>
011 </xs:schema>
|
Listing 43.13: XSD-Wurzelelement mit beliebig vielen Kindern
Die Attribute maxOccurs
und minOccurs
haben die Voreinstellung 1. Statt in einem sequence-Element
können Sie die Kindelemente auch mit einem all-
(beliebige Reihenfolge der Kindelemente) oder choice-Element
(nur ein Kindelement) umschließen.
Attributdefinition
Elemente, die Attribute enthalten, heißen ebenfalls komplexe
Elemente und werden so definiert:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
003 <xs:element name="gruesse">
004 <xs:complexType>
005 <xs:sequence>
006 <xs:element name="gruss" maxOccurs="unbounded">
007 <xs:complexType>
008 <xs:simpleContent>
009 <xs:extension base="xs:string">
010 <xs:attribute name="bundesland" type="xs:string"/>
011 </xs:extension>
012 </xs:simpleContent>
013 </xs:complexType>
014 </xs:element>
015 </xs:sequence>
016 </xs:complexType>
017 </xs:element>
018 </xs:schema>
|
Listing 43.14: XSD-Attribute
Das vorangegangene Beispiel zeigt eine gültige XSD für das
XML-Dokument in Listing 43.2.
In Zeile 006 bis Zeile 014
wird das gruss-Kindelement deklariert.
Das Element soll Inhalte vom Typ String enthalten. Dies können
wir aber an dieser Stelle nicht über das type-Attribut
am gruss-Element ausdrücken,
weil es ein complexType-Element
enthält. Mit dem extension-Element
leiten wir es stattdessen von einem Element ab, das einen String aufnehmen
kann. Außerdem definieren wir ein bundesland-Attribut,
das Inhalte vom Typ String aufnehmen kann.
Kommentare
Da XML Schema Definitionen XML-Dokumente sind, kann man natürlich
normale XML-Kommentare verwenden. In XSDs gibt es einen weiteren Weg,
der es im Gegensatz zu den normalen XML-Kommentaren ermöglicht,
Kommentare maschinell zu verarbeiten, denn es handelt sich um normale
Elemente. Das ist beispielsweise praktisch, um aus einer XML Schema
Definiton eine Dokumentation zu generieren:
001 <?xml version="1.0" encoding="iso-8859-15"?>
002 <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
003 <xs:element name="gruesse">
004 <xs:annotation>
005 <xs:documentation xml:lang="DE">
006 Grüße in verschiedenen Bundesländern
007 </xs:documentation>
008 </xs:annotation>
009 ...
010 </xs:element>
011 </xs:schema>
|
Listing 43.15: XSD-Kommentare
Einbinden einer XSD
Wie bei einer DTD muss auch ein XSD-validierbares XML-Dokument den
Zusammenhang zu seiner Grammatik selbst herstellen. Das XML-Dokument
referenziert dazu seine XSD im Wurzelelement. Im folgenden Beispiel
wird die XSD so eingebunden, dass man den Elementen keinen Namesraum-Präfix
voranstellen muss:
001 <?xml version="1.0" encoding="UTF-8"?>
002 <gruesse xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
003 xsi:noNamespaceSchemaLocation="gruesse.xsd">
004 ...
|
Listing 43.16: Einbinden einer XSD
