2.5 XML

Das World Wide Web Consortium (W3C) beschreibt die Extensible Markup Language (XML) in seiner Empfehlung (Recommendation) vom 6. Oktober 2000 wie folgt:

Extensible Markup Language, abbreviated XML, describes a class of data objects called XML documents and partially describes the behavior of computer programs which process them. XML is an application profile or restricted form of SGML, the Standard Generalized Markup Language [ISO 8879]. By construction, XML documents are conforming SGML documents. [W3C00]

XML ist demnach eine eingeschränkte Form von SGML und teilt somit viele seiner Eigenschaften. Im Gegensatz zu HTML, das ebenfalls aus SGML hervorgegangen ist, erlaubt XML die Definition eigener Tags. Auf diese Weise kann XML flexibel für die strukturierte Beschreibung verschiedenster Daten verwendet werden.

Mit Document Type Descriptions (DTD) wird die Struktur eines XML-Dokuments als Grammatik beschrieben, insbesondere wie die einzelnen Tags zueinander in Beziehung stehen. Weiterhin illustrieren die verschiedenen Möglichkeiten von Deklarationen in einer DTD die Mächtigkeit von XML. Ein XML-Dokument, daß den XML-Spezifikationen entspricht wird als wohlgeformt bezeichnet. Hält es sich zusätzlich noch an alle Regeln seiner DTD, so bezeichnet man es als gültig (vgl. [Eck00]). Zentrale Bestandteile einer DTD sind:

• Elementendeklarationen:

  Die Elementdeklaration <!ELEMENT> hat folgende Syntax:
  <!ELEMENT Elementname Regel>
  Dabei gibt die Regel, die dem Elementnamen folgt, wieder, wie aus diesem Element andere Elemente hervorgehen. Eine Elementdeklaration entsprich also im Grunde genommen einer Produktion in einer kontextfreien Grammatik (z. B. $A\rightarrow B C$). In diesem Zusammenhang ist #PCDATA das am häufigsten verwendete ,,Terminalsymbol`` - der Name steht für parsed character data - und beinhaltet ,,allgemeine Zeichendaten`` [Eck00]. Damit ist #PCDATA auch die Basis für textuellen Inhalt in einem XML-Dokument im Gegensatz zu allen anderen definierten Tags, die lediglich für die Struktur des XML-Dokuments verantwortlich sind. Eine weitere Möglichkeit für den Schritt zu Zeichenketteninhalten stellt das Pseudo-Element ANY dar, das einen beliebigen Übergang in gültige Tags oder Zeichendaten erlaubt. Für die Regeln gibt es, ähnlich wie bei kontextfreien Grammatiken, folgende Möglichkeiten:

  1. Das leere Element:

     <!ELEMENT a - - EMPTY>

  2. Übergang zu ,,Terminalsymbol``:

     <!ELEMENT a - - (#PCDATA)>

  3. Konkatenation:

     <!ELEMENT a - - (b,c)>

  4. Vereinigungsmenge:

     <!ELEMENT a - - (b|c)>

     (b|c) entspricht für B={b} und C={c} der Vereinigung $B\cup C$.

  5. Kleensche Hülle (beliebig häufige Wiederholung):

     <!ELEMENT a - - (b*)>

     (b*) umfasst die Menge von Produktionen b,bb,bbb,$\ldots$

  6. <!ELEMENT a - - (b+)> ist eine alternative Form für

     <!ELEMENT a - - (b,b*)>

     (b+) deklariert Elemente, die mindestens einmal auftreten sollen.

  7. <!ELEMENT a - - (b?)> ist eine alternative Form für

     <!ELEMENT a - - (b|)>

     Mit (b?) wird also ein optionaler Bestandteil b deklariert.

  8. Alle Kombinationen obiger Möglichkeiten.

• Entitäten (Entitities):

  Entitäten dienen gewissermaßen als Makros, um eine Zeichenkette in einem XML-Dokument durch eine andere Zeichenkette zu ersetzen. Es werden verschiedene Arten von Entitäten unterschieden:

  • Allgemeine Entitäten, die andere Zeichen innerhalb eines XML-Dokumentes substituieren können. Eine allgemeine Entität wird im folgenden Format deklariert:

    <!ENTITY Name "Substitut">

    Die gebräuchlichsten Beispiele für allgemeine Entitäten in HTML sind &lt; (<), &gt; (>), &amp; (&), &quot; (") und &apos; (').

  • Parameter-Entitäten, die nur in DTDs verwendet werden. Sie werden deklariert durch

    <!ENTITY % Name "Substitut">

    Diese Entitäten sind z. B. nützlich für wiederkehrende komplexe (Teile von) Regeln.

  • Externe Entitäten, die dazu dienen dazu, XML-Inhalte aus externen Dateien in ein XML-Dokument einzufügen. Die externe Datei wird dabei durch einen URI referenziert. Die Syntax ist folgende:

    <!ENTITY Name SYSTEM "URI">

  • Nicht analysierte Entitäten

    <!ENTITY Name SYSTEM "Pfad" NDATA Notation>

    Über diese Entitäten können beispielsweise Grafiken in XML-Dokumente eingebunden werden. Für die Notation gilt folgende Notationssyntax:

    <!NOTATION Name SYSTEM "Info ">

    Die spezifischere Information Info wird hierbei über das NDATA-Schlüsselwort referenziert und kann so an eine XML-Anwendung weitergereicht werden.

• Attributdeklarationen:

  XML-Elemente bestehen nicht nur aus einem Start- und einem End-Tag, sondern können auch noch Attribute enthalten, die über Attributdeklarationen festgelegt werden. Die Syntax dafür ist folgende:

  <!ATTLIST Name Attribut Datentyp Default>

  Mit dieser Deklaration wird ein Attribut mit Namen Attribut für den Tag Name (über <!ELEMENT Name - - Regel> bestimmt) deklariert. Mögliche Datentypen für Attribute sind beispielsweise CDATA (analog zu #PCDATA für Zeichendaten), Wert-Aufzählungen wie z. B. (ledig|verheiratet|geschieden|verwitwet) oder auch Entitäten, um nur einige zu nennen. Default bestimmt den initialen Wert dieses Attributs, wenn im XML-Dokument nichts anderes angegeben wird und kann durch die Modifikatoren #REQUIRED (obligatorischer Attributwert), #IMPLIED (optionaler Attributwert) und #FIXED (konstanter Attributwert) beeinflusst werden.

Ein Beispiel für eine einfach gehaltene DTD (ohne Attributdeklarationen), die im Rahmen dieser Arbeit entwickelt wurde, findet sich im Anhang A.1.