La mayoría de la gente ha oído hablar del XML, siendo muy corriente que se tenga la idea de que es una especie de HTML avanzado, por lo que siempre que sale el tema del XML surgen dos cuestiones fundamentales: ¿qué es exactamente el XML? y ¿tiene alguna aplicación en la actualidad?. Aunque XML da para varios tratados, en este artículo se va a explicar lo más importante de dichas cuestiones, y de paso, vamos a aprender un buen número de siglas nuevas.

Apartados:

Lenguajes de marcas - HTML - ¿Qué es XML? - DTD/Esquema - CSS/XSL - XLink/XPointer - Parser/DOM - Aplicaciones de XML - Aclaraciones

Nota:
Para comprobar los ejemplos que siguen a continuación, es imprescindible disponer de un navegador/visualizador compatible con XML, como Microsoft Internet Explorer 5.

El mayor error consiste en considerar a XML una versión extendida de HTML. Sus iniciales provienen de Extensible Markup Language, o lo que es lo mismo, "lenguaje de marcas ampliable", pero como para la mayoría de la gente, el único lenguaje de marcas que conoce es el HTML (HyperText Markup Language), da por hecho que XML es una ampliación de HTML. Es por tanto imprescindible empezar hablando de los lenguajes de marcas.

Lenguajes de marcas

En los años 60 (¿por qué se hicieron tantas cosas en los 60?), IBM intentó resolver sus problemas asociados al tratamiento de documentos por diferentes plataformas a través de lo que denominó GML (Generalized Markup Language, lenguaje de marcas generalizado).

El problema es que cada aplicación utiliza sus propias marcas para describir las entidades de los documentos. Las "marcas" son los códigos que indican al programa cómo debe tratar a su contenido, y así, si se desea que un texto aparezca en cursiva, cada aplicación introduce al principio y al final del texto correspondiente una marca que le permita mostrarlo en pantalla e imprimirlo adecuadamente. Lo mismo ocurre con las tablas, los márgenes, las imágenes, los tipos de letra, los enlaces, etc.

Los usuarios de WordPerfect conocen perfectamente este sistema de marcas, ya que las aprovechan desde las primeras versiones del programa para controlar a la perfección sus documentos. Word también permite tratar algunas de las marcas que utiliza, aunque muchas menos de las que en realidad utiliza internamente. No obstante, las marcas que utiliza cada sistema propietario son intratables directamente desde el código interno del archivo que describe el documento.

Conocer las marcas que utiliza cada programa de tratamiento de documentos hace posible diseñar filtros que permiten pasar la información de unos formatos de marcas a otros sin perder el diseño. La forma que IBM creó para solventar este problema se basaba en tratar con marcas accesibles desde documentos universales TXT, o sea, en código ASCII, haciendo así posible su tratamiento desde cualquier sistema.

Más tarde, GML cayó en manos de ISO, que lo convirtió en un estándar oficial en los 80 (ISO 8879), denominándose SGML (Standard Generalized Markup Language, lenguaje de marcas generalizado estándar). Esta norma de carácter general se aplica desde entonces para diseñar lenguajes de marcas específicos, cuyos ejemplos más conocidos son el HTML y el RTF (Rich Text Format, formato de texto enriquecido). En la figura 1 se puede ver un mismo documento formateado con dos lenguajes de marcas diferentes.

Fue a finales de los 80 cuando Tim Berners-Lee aplicó las normas del SGML para diseñar el HTML como solución para publicar las investigaciones de muy diversas fuentes y autores que se producían en el CERN.

Los lenguajes de marcas no son equivalentes a los lenguajes de programación, aunque se definan igualmente como "lenguajes". Son sistemas complejos de descripción de información, normalmente documentos, que si se ajustan a SGML, se pueden controlar desde cualquier editor ASCII. Las marcas más utilizadas suelen describirse por textos descriptivos encerrados entre signos de "menor" (<) y "mayor" (>), siendo lo más usual que existan una marca de principio y otra de final, y así por ejemplo, la siguiente marcación: <NOMBRE>Duna</NOMBRE>, deja bien claro que "Duna" no es la descripción de una acumulación de arena, sino que corresponde a un nombre, y de paso, nos indica con claridad el principio <NOMBRE> y el final </NOMBRE> de la marcación.

Existe la posibilidad de aprovechar la etiqueta para incluir atributos internos, ahorrando así otras etiquetas. En el ejemplo:

<LIBRO Nº="1">El Quijote</LIBRO>

La utilización del atributo "Nº" nos permite evitar que sea más complejo:

<LIBRO>
<Nº>1</Nº>
<TITULO>El Quijote</TITULO>
</LIBRO>

La importancia de "marcar" adecuadamente la información se puede ver con un simple ejemplo. Si se nos presenta la siguiente información:

Légendes traditionnelles de la Bretagne
O.- L. Aubert
Les légendes du Faouët
C'est à l'intérieur de la Bretagne qu'il faut aller, si l'on veut avoir une idée de ce qu'était jadis la Celtie.

Seguramente tendremos problemas para entender de qué se trata, aunque sepamos francés. Ahora bien, si se nos presenta la información de la siguiente forma:

<LIBRO>
<TITULO>Légendes traditionnelles de la Bretagne</TITULO>
<AUTOR>O.- L. Aubert</AUTOR>
<CAPITULO ORDEN="30">Les légendes du Faouët</CAPITULO>
<PARRAFO ORDEN="1">C'est à l'intérieur de la Bretagne qu'il faut aller, si l'on veut avoir une idée de ce qu'était jadis la Celtie.</PARRAFO>
</LIBRO>

Es muy fácil comprender de qué va la información, aunque no sepamos francés y no entendamos los detalles.

Se puede decir que existen tres utilizaciones básicas de los lenguajes de marcas: los que sirven principalmente para describir su contenido, los que sirven más que nada para definir su formato y los que realizan las dos funciones indistintamente. Las aplicaciones de bases de datos son buenas referencias del primer sistema, los programas de tratamiento de textos son ejemplos típicos del segundo tipo, y aunque no lo parezca, el HTML es la muestra más conocida del tercer modelo.

Como la mayoría de los lectores estarán pensando que hay un error y que el HTML debe encasillarse en el segundo patrón, no queda más remedio que hablar un poco sobre el HTML.

HTML

El lenguaje HTML es originariamente un subconjunto del más completo SGML, especializado en la descripción de documentos en pantalla a través de marcas (tags, etiquetas). El proyecto inicial se basaba en una colección de etiquetas que permitían describir documentos de texto y vínculos de hipertexto que permitían desplazarse entre diferentes documentos, siempre con independencia de la máquina. Conociendo las normas de actuación de estas etiquetas y disponiendo de un sencillo editor ASCII de textos, se pueden confeccionar fácilmente documentos HTML.

La facilidad de uso y la particularidad de que no es propiedad de nadie, hizo al HTML el sistema idóneo para compartir información en Internet. La expansión de Internet le ha dado una posición de privilegio y ha hecho que la idea inicial se modifique considerablemente.

En principio, la intención de HTML era que las etiquetas fueran capaces de marcar la información de acuerdo con su significado, sin importar cómo se mostraban en la pantalla. Lo importante era el contenido y no la forma, o sea, que era un lenguaje de marcas orientado a describir los contenidos. En otras palabras: el título del documento, los títulos de los apartados, el autor del documento, los textos resaltados,..., eran marcados por las etiquetas TITLE, Hx, ADDRESS, STRONG, etc., dejando a cada visualizador (browser) la tarea de formatear el documento según su criterio.

Esto daba lugar a que una aplicación podía presentar una etiqueta H2 como texto centrado, con tamaño de 20 puntos y color rojo, mientras otra lo podía mostrar alineado a la izquierda, con tipo de letra Arial de 16 puntos y color Azul, por ejemplo. Una etiqueta STRONG podría tomarse como cursiva, negrita o color verde, por ejemplo, según la interpretase el visualizador empleado.

Esto producía presentaciones diferentes, pero permitía controlar fácilmente su contenido. Si una persona o un motor de búsqueda quería conocer el título del documento, el autor de la página o las cabeceras de los capítulos, siempre buscaba en el código las etiquetas TITLE, ADDRESS o Hx. Además, si a alguien no le gustaba la idea de dejar a cada aplicación la decisión de cómo mostrar el contenido de las etiquetas, siempre le quedaba la posibilidad de controlar el formato del documento con descripciones particulares, como es el caso de las hojas de estilo en cascada (CSS).

Por diversos motivos, los creadores de los navegadores fueron añadiendo más etiquetas HTML dirigidas a controlar la presentación, como FONT, I, CENTER, xCOLOR, etc., y los usuarios las utilizaron para que sus documentos estuviesen perfectamente formateados, sin permitir diferencias importantes entre visualizadores distintos, por lo que HTML pasó a ser un lenguaje de marcas más dirigido al control de la presentación. Ahora es más difícil encontrar al autor o las cabeceras de los capítulos de un documento, pues todos los textos se describen con P y FONT, sobre todo si se utilizan los editores WYSIWYG (Microsoft FrontPage, Netscape Composer) que proliferan por doquier.

Si a esto le añadimos que para facilitar la vida a los usuarios, los analizadores sintácticos de las marcas que incluyen los navegadores permitieron saltarse algunas normas sin que el propio usuario lo notase (por ejemplo, permiten trabajar solo con la etiqueta <P>, cuando lo correcto es que se necesite las etiquetas de principio y de final: <P> y </P>), dando como resultado que HTML ya no es un lenguaje que sigue las normas estrictas del SGML.

En las figura 2 y figura 3 se puede ver la transformación del HTML, que en un principio era un subconjunto de SGML (2), pero que ahora es una entidad con mucha autonomía propia (3), más difícil de controlar.

Llegados a un punto en el que HTML dejó de servir para su función inicial, no le ha quedado más remedio al Consorcio World Wide Web (W3C) la descripción de un nuevo subconjunto del SGML que sirva para describir contenidos de documentos, al que ha denominado XML, publicando las especificaciones de la versión 1.0 en 1998. Se puede decir por tanto que XML es más un "SGML light" que un "HTML plus".

Creo que ya podemos empezar a hablar de XML con un poco de visión retrospectiva de los motivos de su aparición.

¿Qué es XML?

En primer lugar hay que olvidarse un poco de HTML (solo un poco) para entender mejor XML. En la situación actual, en teoría, HTML es un subconjunto de XML especializado en presentación de documentos para la Web (ver la figura 4), mientras que XML es un subconjunto de SGML especializado en gestión de información para la Web. En la práctica, HTML está un poco dentro de XML (que a su vez es parte de SGML) y otro poco fuera de SGML (ver la figura 5). Para reconducir esta situación, el grupo W3C ha dictado reglas expresas para distinguir el HTML que sigue a rajatabla las normas de XML, denominándolo XHTML (eXtendible HyperText Markup Language), que no es más que una reformulación de HTML 4 dentro de las normas de XML (ver la figura 6).

La particularidad más importante del XML es que no posee etiquetas prefijadas con anterioridad, ya que es el propio diseñador el que las crea a su antojo, dependiendo del contenido del documento. De esta forma, los documentos XML con información sobre libros tienen etiquetas como <AUTOR>, <EDITORIAL>, <Nº_DE_PÁGINAS>, <PRECIO>, <ISBN>, etc., mientras que los documentos XML relacionados con educación incluyen etiquetas del tipo de <ASIGNATURA>, <ALUMNO>, <CURSO>, <NOTA>, etc.

Esta característica proporciona una gran facilidad de control de cualquier documento, y así por ejemplo, la información incluida por un código típico HTML como el siguiente:

<TABLE>
<TR>
    <TD>Título</TD>
    <TD>Autor</TD>
    <TD>Precio</TD>
</TR>
<TR>
    <TD>AutoSketch</TD>
    <TD>Ramón Montero</TD>
    <TD>2.500</TD>
</TR>
<TR>
    <TD>Windows 98</TD>
    <TD>Jaime de Yraolagoitia</TD>
    <TD>3.250</TD>
</TR>
<TR>
    <TD>Web Graphics</TD>
    <TD>Ron Wodaski</TD>
    <TD>8.975</TD>
</TR>
</TABLE>

Se definiría en XML (libros.xml) de una forma similar a:

<LIBROS>
   <LIBRO>
      <TITULO>AutoSketch</TITULO>
      <AUTOR>Ramón Montero</AUTOR>
      <PRECIO>2.500</PRECIO>
   </LIBRO>
   <LIBRO>
      <TITULO>Windows 98</TITULO>
      <AUTOR>Jaime de Yraolagoitia</AUTOR>
      <PRECIO>3.250</PRECIO>
   </LIBRO>
   <LIBRO>
      <TITULO>Web Graphics</TITULO>
      <AUTOR>Ron Wodaski</AUTOR>
      <PRECIO>8.975</PRECIO>
   </LIBRO>
</LIBROS>

Mucho más fácil de entender por cualquiera, permitiendo también que las búsquedas de títulos o el cálculo de los costes sea directo.

Otra cuestión que hay que aclarar es que XML es más un sistema complejo de tratamiento de información que un simple lenguaje de descripción. XML es más una familia de lenguajes, y al igual que podemos decir que HTML es un "lenguaje", para ser exactos, hay que definir al XML como un "metalenguaje", o sea, un lenguaje capaz de definir otros lenguajes. Veamos esto con más detalle.

DTD/Esquema

Cualquier diseñador de HTML está totalmente despreocupado de las interioridades del sistema que hacen posible la creación de los archivos HTML (o HTM) cuando utiliza algún editor de los que genera el código de forma automática. Es suficiente con componer el documento de forma similar a como se hace con un programa de tratamiento de textos, activar la opción de "Guardar como HTML" y ya está. A partir de entonces, cualquiera que abra el archivo desde un navegador, verá dicho documento en su pantalla.

Esto que parece tan sencillo (gracias al esfuerzo realizado por las empresas creadoras de los navegadores), exige que se estén manejando varias herramientas internas al sistema.

Cuando se genera el documento en un editor HTML, el código HTML que se crea está basado en un DTD (Document Type Definition, definición de tipo de documento) interno, que es una definición de las normas que regulan la formación de las etiquetas de un lenguaje de marcas determinado, en este caso el HTML. Por lo tanto, en el DTD que integra cada editor de HTML se especifican todas las etiquetas existentes, sus atributos, sus valores, etc., haciendo posible que se vayan integrando en el código del documento únicamente de acuerdo con dichas normas. Se puede decir que un DTD es una definición exacta de la gramática de un documento, con la misión de que se genere el código adecuado sin errores.

El fichero HTML creado con el editor, al cargarse en un navegador, es vuelto a analizar por su DTD interno para descubrir las etiquetas correctas y las equivocadas, siempre de acuerdo a sus normas internas. Por este motivo, si se crea una página web con el editor de una empresa y se visualiza con el navegador de otra, puede ocurrir que algunas entidades no se vean bien (o incluso puede pasar que no se puedan controlar), bien porque no existan dichas etiquetas (casos de BLINK o MARQUEE), o bien porque no se gestionen con las mismas normas (caso de TABLE).

En XML no existen DTDs predefinidas, por lo que es labor del diseñador especificar su propia DTD para cada tipo de documento XML. En la especificación de XML se describe la forma de definir DTDs particularizadas para documentos XML, que pueden ser internas (cuando van incluidas junto al código XML) o externas (si se encuentran en un archivo propio).

Para el ejemplo del documento XML libros.xml, se podría crear un archivo conteniendo el siguiente código:

<!ELEMENT LIBROS (LIBRO)+>
<!ELEMENT LIBRO (TITULO,AUTOR,PRECIO)>
<!ELEMENT TITULO (#PCDATA)>
<!ELEMENT AUTOR (#PCDATA)>
<!ELEMENT PRECIO (#PCDATA)>

En el DTD del ejemplo se definen los elementos (!ELEMENT) que integran el documento XML. En la primera línea se indica que el elemento principal es LIBROS, del que dependen uno o más (+) elementos LIBRO. La segunda línea sirve para especificar que el elemento LIBRO contiene tres elementos (TITULO,AUTOR,PRECIO) que se deben marcar en dicho orden. Las restantes líneas aclaran que los elementos TITULO, AUTOR y PRECIO contienen valores de cadenas de texto.

Este sencillo DTD se guarda como libros.dtd (también se puede integrar dentro del código del propio documento XML) y es llamado desde el documento XML con la siguiente línea:

<!DOCTYPE LIBROS SYSTEM "libros.dtd">

Que cada usuario pueda crear su propia DTD es una gran ventaja, ya que proporciona total libertad de adecuación a cada documento, pero también puede suponer un grave inconveniente, ya que es muy fácil que para documentos de un mismo sector (arquitectura, edición, educación, etc.), existan muy variadas DTDs, haciendo muy difícil su manejo por usuarios distintos a los que hayan diseñado la información.

Por este motivo, en la actualidad se están definiendo DTDs por grupos sectoriales con similares intereses, de forma que existirán DTDs estándares avalados por asociaciones de empresas y organismos que garanticen que cualquier usuario que las adopte como suyas, trabaje con las mismas etiquetas e idénticas normativas (de forma similar al actual HTML). Como ejemplos de estas DTDs estándares tenemos: CDF - Channel Definition Format (define canales para enviar información periódica a los clientes), CML - Chemical Markup Language (define información del sector químico), MathML - Mathematical Markup Language (define datos matemáticos), SMIL - Synchronized Multimedia Integration Language (define presentaciones de recursos multimedia), y así podríamos continuar rellenando páginas y páginas.

Últimamente se está imponiendo otra forma más eficaz de definición de elementos, conocida como "esquema" (schema), que de forma sencilla, se puede definir como un DTD que permite su ampliación mediante un lenguaje de definición de esquemas. Se pueden ver ejemplos de esquemas en el código XML que añade Office 2000 al principio de sus documentos.

El navegador, después de chequear sintácticamente el código del archivo, debe presentar la información del documento con un formato determinado. Los documentos HTML utilizan las descripciones de formatos internas del propio navegador, o si existen descripciones CSS (que son opcionales), utilizan la información de la hoja de estilo para ajustar la presentación en la pantalla. Los documentos XML siempre necesitan normas que describan su presentación, por lo que el paso siguiente obliga a que hablemos de este tema.

CSS/XSL

Para describir cómo se deben presentar los documentos XML podemos optar por dos soluciones: las mismas descripciones CSS que se utilizan con HTML y/o las descripciones que se basan en XSL (Extensible Stylesheet Language, lenguaje de hojas de estilo extensible).

CSS (Cascading Style Sheets, hojas de estilo en cascada) es sobradamente conocido por todos los diseñadores profesionales de HTML. Si el lector no conoce las posibilidades de las especificaciones CSS (actualmente en su versión 2), debe entenderlas como una descripción del formato en el que se desea que aparezcan las entidades definidas en un documento.

Por ejemplo, si se define una hoja de estilo ligada con un archivo HTML con el siguiente código:

P {font-family:Verdana; font-size:10 pt}
TABLE {border:2; font-family:Tahoma; font-size:9 pt}
H3 {font-family:Comic Sans MS; font-size:12 pt; color:blue}

Se indica al navegador que presente los textos incluidos entre <P> y </P> con un tipo de letra Verdana de 9 puntos, las tablas con una fuente de letra Tahoma de 9 puntos y un ancho de 2 en los bordes, y los titulares incluidos entre <H3> y </H3> con una letra Comic Sans MS de 12 puntos y color azul.

Utilizar CSS con XML es similar, con la excepción de que las etiquetas son diferentes a las de HTML. Un código como el siguiente:

AUTOR {display:block; font-family:Arial; font-size:small; width:30em}
PRECIO {display:block; padding:1.2em; font-size:x-small}
TITULO {display:block; font-size:x-large; text-align:center; color:#888833}

Sería perfectamente válido para que los datos de las etiquetas <AUTOR>, <PRECIO> y <TITULO> se presentasen según su descripción.

Si ya existe una forma de definir las presentaciones de los documentos web, ¿por qué se ha sacado a la luz otra (XSL), específica para XML?

La respuesta es que CSS es eficaz para describir formatos y presentaciones, pero no sirve para decidir qué tipos de datos deben ser mostrados y cuáles no deben salir en la pantalla. Esto es, CSS se utiliza con documentos XML en los casos en los que todo su contenido debe mostrarse sin mayor problema.

XSL no solo permite especificar cómo queremos presentar los datos de un documento XML, sino que también sirve para filtrar los datos de acuerdo a ciertas condiciones. Se parece un poco más a un lenguaje de programación.

No es éste el lugar adecuado para ver las posibilidades del XSL, siendo suficiente con entender que además de permitir la descripción de la presentación física, también posibilita la ejecución de bucles, sentencias del tipo IF...THEN, selecciones por comparación, operaciones lógicas, ordenaciones de datos, utilización de plantillas,..., y otras cuestiones similares.

Para que el lector se haga un pequeña idea de cómo es un código XSL (libros.xsl), a continuación se muestra un sencillo ejemplo que permitiría mostrar todos los contenidos de las etiquetas <TITULO>, <AUTOR> y <PRECIO> de un documento XML (ver la figura 7), mediante un bucle sin condiciones:

<xsl:template match="/">
<HTML>
<BODY>
<xsl:for-each select="/LIBROS/LIBRO">
Título:
<xsl:value-of select="TITULO"/><BR/>
Autor:
<xsl:value-of select="AUTOR"/><BR/>
Precio:
<xsl:value-of select="PRECIO"/> pesetas<BR/>
</xsl:for-each>
</BODY>
</HTML>
</xsl:template>

Solo me queda por comentar que un estándar basado en SGML que regula las normas de presentación de documentos de marcas para la Web se denomina DSSSL (Document Style Semantics & Specification Language, lenguaje de especificación y semántica de estilo de documentos), del que se puede decir que XSL es un subconjunto, siempre cumpliendo las normas del XML.

Una de las características de todo documento web es la inclusión de enlaces de todo tipo: a imágenes, a sonidos, a vídeos, a otros párrafos, a otros documentos, etc. En HTML la cuestión está resuelta, ya que existen etiquetas para cada caso, pero ya sabemos que en XML todo está por hacer, así que vamos a ver cómo se diseñan los enlaces de forma particular.

XLink/XPointer

La cuestión de los enlaces e hipervínculos es tan importante para los documentos XML que el W3C ha sacado las especificaciones que las controlan fuera de las descripciones del DTD, no conformándose con crear una sola norma, ya que existen dos: XLink y XPointer.

XLink (anteriormente conocido como XLL, Extensible Linking Language) define la forma en la que los documentos XML deben conectarse entre sí. XPointer describe cómo se puede apuntar a un lugar específico de un determinado documento XML. Resumiendo, XLink determina el documento al que se desea acceder y XPointer marca el lugar exacto de dicho documento.

A los diseñadores de HTML les puede parecer que esto es una complicación sin sentido, ya que están acostumbrados a las pocas posibilidades que brinda la etiqueta <A>, pero si pensamos en las muchas variaciones que pueden tener los vínculos, se comprende la solución adoptada.

Las especificaciones de los hipervínculos para XML permiten cosas como: adherirse a cualquier etiqueta, hacer referencia a un lugar concreto de un documento determinado a través de su nombre o localización, ser descritos en documentos externos, ser procesados de formas distintas (automáticamente, activándolo,...), ser multifuncionales (permitir varios saltos), etc.

Al contrario de lo que ocurre con HTML, en XML existen dos tipos básicos de hipervínculos: simples y extendidos.

Un ejemplo de hipervínculo simple sería:

<AUTOR xlink:href="autores.xml#juan" xlink:show="new">
<NOMBRE>Juan Primero Segundo</NOMBRE>
</AUTOR>

Otro ejemplo de hipervínculo extendido podría ser:

<EDITOR_AUTOR xlink:extended>
<xlink:locator href="#ana" id="editor"/>
<xlink:locator href="autores.xml#juan" id="autor"/>
<xlink:arc from="editor" to="autor" show="replace"/>
</EDITOR_AUTOR xlink:extended>

En el primero se puede observar la definición de un hipervínculo simple que se abre en una nueva ventana (show="new"), mientras que en el segundo se definen un hipervínculo con tres posibilidades diferentes: a una sección determinada del documento (#ana), o a un determinado lugar de otro documento (autores.xml#juan), o a una zona delimitada por dos marcadores (editor y autor). El funcionamiento de un hipervínculo simple no tiene secretos, pues es similar al que se utiliza en HTML. En la figura 8 se puede ver en acción un enlace extendido que permite elegir entre cuatro posibles saltos.

Aunque no se han explicado todas las posibilidades de los hipervínculos XML, sí debe quedar claro que los enlaces XML son más variados que los que nos proporciona la sencilla, útil y conocida etiqueta <A> del HTML.

Parser/DOM

Siguiendo con el proceso que se desarrolla en el interior del navegador, después de recoger la información de todos los documentos que definen la información XML, se genera internamente una estructura que organiza a los elementos que describen las etiquetas en forma de árbol jerárquico, lo que facilita el control de dichos elementos.

En la figura 9 se observa el árbol que describe Microsoft Explorer 5 con el archivo libros.xsl (sí, los archivos XSL son archivos XML). Estos árboles presentan ramas expansibles (+) y contraíbles (-) a través de pulsaciones del ratón (ver la figura 10).

En caso que se detecte algún error incompatible con las estrictas normas XML, el navegador interrumpe el proceso y muestra dicho error en la pantalla (ver la figura 11).

Todo este proceso se puede realizar gracias al analizador (parser) interno que incluye cada navegador, que en la mayoría de los casos se relaciona directamente con el estándar DOM (Document Object Model, modelo de objeto de documento), que entre otras cosas permite acceder a cada nodo del árbol a través de scripts.

Las reglas mínimas que hay que cumplir para no ser rechazados por un analizador XML son:

Solo se permite un elemento raíz. Es imprescindible cumplir esta norma para que el parser pueda saber que el documento está completo. Es el equivalente a la etiqueta <HTML> del HTML.
Ejemplo correcto:
<DISCOS> <DISCO> ... </DISCO> <DISCO> ... </DISCO> <DISCO> ... </DISCO> </DISCOS>
Ejemplo incorrecto:
<DISCO> ... </DISCO> <DISCO> ... </DISCO> <DISCO> ... </DISCO>
Incluir etiquetas de inicio (sin la "barra") y final (con la "barra") para todos los elementos. Siempre debe existir una marca <ETIQUETA> y otra </ETIQUETA> antes y después de cada elemento. No se permiten casos de etiquetas "sueltas" como las <P> o <LI> del HTML.
Ejemplo correcto:
<CIUDAD>Atenas</CIUDAD>
Ejemplo incorrecto:
Atenas<CIUDAD>
En caso de trabajar con etiquetas "vacías", hay que incluir la "barra" (/) antes del signo "mayor" (>). Cuando se trata con elementos que no se desean marcar con etiquetas de principio y de final (normalmente llevan atributos), se pueden utilizar marcas únicas del tipo <ETIQUETA />. Serían los casos típicos de <HR> o <BR> del HTML.
Ejemplo correcto:
<ALUMNO NUMERO="1" />
Ejemplo incorrecto:
<ALUMNO NUMERO="1">
Hay que anidar las etiquetas correctamente. Las etiquetas anidadas deben situarse en el mismo orden de apertura que de cierre: <ETIQUETA1> ... <ETIQUETA2> ... <ETIQUETA3> ... </ETIQUETA3> ... </ETIQUETA2> ... </ETIQUETA1>. No se permiten códigos como <B><I>Texto de prueba</B></I>, permitidos en HTML.
Ejemplo correcto:
<ROJO>Color rojo <CLARO> claro </CLARO> normal</ROJO>
Ejemplo incorrecto:
<ROJO>Color rojo <CLARO> claro </ROJO> </CLARO> normal
Es obligatorio que los valores de los atributos vayan entre comillas. Las etiquetas con atributos deben marcar sus valores entre comillas: <ETIQUETA ATRIBUTO="x" />. En HTML suele ser optativo.
Ejemplo correcto:
<LIBRO ISBN="84-415-0845-3" />
Ejemplo incorrecto:
<LIBRO ISBN=84-415-0845-3 />
XML distingue entre mayúsculas y minúsculas. Puede utilizar los dos tipos de letra, pero no las considera iguales. Al contrario de HTML, que no se preocupa de que sus etiquetas estén en mayúsculas, minúsculas o mezcladas, aceptando sin problemas etiquetas como <tAbLe>, <table> o <TABLE>, en XML se produciría un error.
Ejemplo correcto:
<AMIGOS> <amigo> Pepe </amigo> </AMIGOS>
Ejemplo incorrecto:
<AMIGOS> <amigo> Pepe </AMIGO> </AMIGOS>

Cumpliendo estrictamente las reglas anteriores (existen otras reglas menores) se consigue lo que se denomina un documento XML "bien formado" (well-formed), pero si el documento XML dispone de un DTD de referencia (puede no tenerlo), y cumple también sus descripciones, se dice que es un documento XML "válido".

Una vez vistos los estándares principales (hay algunos más), las normas más importantes (no son las únicas) que se precisan para trabajar con los documentos XML, y dejado claro que XML es un sistema de archivos de descripción de información, rigurosa y libre, que se complementan entre sí, lo que me supongo que contesta a la pregunta: ¿qué es el XML?, vamos a pasar a la parte que da respuesta a la otra pregunta: ¿tiene el XML aplicación en la actualidad?.

Aplicaciones de XML

La respuesta a si ya se puede utilizar XML en la Web es un rotundo SI, aunque dado que es una normativa nueva, no todas las herramientas relacionadas con Internet son capaces de trabajar con XML, pero según van actualizándose (Office, Oracle, Explorer), adoptan sus recomendaciones.

Si el lector se para a pensar que a través del XML se puede crear cualquier tipo de documento y manejar datos del lado del cliente, sin la necesidad de motores especiales en el lado del servidor, tendrá la respuesta a cualquier duda que tenga respecto al futuro del XML.

En realidad, con un editor de textos ASCII (el Bloc de notas, por ejemplo) y con un visualizador que incluya un parser adaptado a XML (Microsoft Internet Explorer 5, por ejemplo), ya se pueden crear y ver documentos XML.

No obstante, existen muchas nuevas herramientas que facilitan un poco la labor del diseñador, algunas de ellas gratuitas, como el "Microsoft XML Notepad", que aprovecha los motores internos del Explorer para trabajar (ver la figura 12).

La versión 4.x del Netscape Navigator no soporta XML, y aunque se supone que la versión 5 sí lo permitirá, la política comercial actual de Netscape no permite asegurar cuándo ni cómo será.

Existen otros varios visualizadores/navegadores que admiten XML, como Amaya, HotMetal o HyBrick, aunque casi cada día están saliendo nuevos productos (analizadores, visualizadores, motores, editores, DTDs, etc.). Si el lector solicita información en un buscador sobre XML, se sorprenderá de la enorme relación de recursos que surgirán.

Por supuesto que también existen grupos de discusión (news), listas de distribución, tutoriales, libros,..., incluso en español.

Aunque la versión 1.0 de XML es ya definitiva, no pasa lo mismo con las demás normativas que le acompañan, que poco a poco van pasando del estado de "borrador de trabajo" al de "recomendación" (http://www.w3c.org/). Este es otro de los motivos por los que XML no termina de generalizarse, ya que las empresas se piensan mucho invertir en productos que no están soportados por estándares definitivos.

En resumen, se puede decir que hay bastantes herramientas ya en circulación, y que hay muchas en camino.

Aclaraciones

Hay varias cuestiones sobre el XML que deben quedar claras:

La existencia de XML no implica que desaparecerá el HTML. Dado que la mayor parte de las páginas web son documentos de texto con algunas imágenes, HTML seguirá siendo el medio más eficaz para crearlas y publicarlas, aunque muy probablemente se tenderá a utilizar la versión XHTML.
XML puede convivir con los restantes lenguajes, tales como HTML, JAVA, JavaScript, VBScript, Visual Basic, etc. En muchos de estos casos, XML hará las veces de "base de datos", los scripts servirán para realizar búsquedas selectivas y el HTML permitirá que se muestre la información resultante en la pantalla.
Hasta que no se publiquen todas las recomendaciones oficiales de los estándares que complementan a la de XML, no "explotará" la publicación de páginas XML en Internet, ya que todavía se modificarán algunas cuestiones importantes.
Aunque la versión 5 de Microsoft Explorer ya permite trabajar con XML y existen otros visualizadores compatibles con el nuevo estándar, el espaldarazo definitivo se dará cuando todos los navegadores lo acepten, sobre todo el Navigator de Netscape.
XML se utiliza principalmente por los profesionales, debido a la complejidad de las especificaciones, pero según vayan saliendo al mercado editores WYSIWYG que permitan conseguir documentos XML, se podrá utilizar por cualquier persona, de forma similar a como se trabaja con los editores de textos actuales.
Para evitar que no existan innumerables formas de describir documentos de un determinado sector, ya se está trabajando en la definición de DTDs sectoriales de carácter público que estén arropados por el máximo de empresas y organismos posibles. Según se vayan publicando, se crearán nuevas herramientas para su tratamiento. En el cuadro 1, se relacionan algunos de los principales DTDs que se están elaborando (alguno ya se ha terminado) en la actualidad.

Consciente de que esta introducción al XML no resuelve todas las dudas de los lectores, sobre todo de los programadores-web, y con la esperanza de haber aclarado las principales cuestiones relativas al XML, quiero terminar recordando el título del artículo: "XML, el lenguaje universal", ya que si todo sigue al ritmo actual, dentro de poco, XML será el lenguaje que nos garantizará el intercambio de cualquier información, sin que ocasione problemas que sea de tipo "contenido" o de tipo "presentación".

<< Volver

Contacto

Colabora