Původní specifikace (W3C Recommendation) XML 1.0 na W3C: http://www.w3.org/XML/

4th Edition (aktualizace, opravy, ne změny) na Extensible Markup Language (XML) 1.0 (Fourth Edition)

výborná komentovaná verze téhož na XML.COM (Annotated XML): http://www.xml.com/pub/a/axml/axmlintro.html

XML 1.1 (Second Edition) - změny indukované zavedením UNICODE 3, lepší možnosti normalizace, upřesnění postupu manipulace se znaky ukončení řádku. XML 1.1 není už vázaný na konkrétní verzi UNICODE, ale vždy na verzi poslední.

nepíšeme-li parser, ale aplikaci, která generuje nebo vytváří XML (editor), používejme XML 1.0 (zpětná kompatibilita)

nové parsery by měly umět XML 1.1

Opakování: každý XML dokument MUSÍ být správně utvořený (well formed)

Nové: XML dokument můřže být platný (valid) dokument:

Platný podle specifikace znamená přísnější omezení než správně utvořený.

Obvykle se validitou myslí soulad s DTD (Document Type Definition) dokumentu nebo

(moderněji) - soulad s XML Schematem, případně jinými schématy (RelaxNG, Schematron).

Definice typu dokumentu (použití této definice je pak deklarace typu dokumentu).

Specifikována přímo (základním) standardem XML 1.0.

Popisuje přípustný obsah elementů, atributů, jejich implicitní (default) hodnoty, definuje použité entity.

Může být uvedena jako interní nebo externí DTD (internal and external subset) nebo "napůl" - tam i tam.

Dokument vyhovující DTD je označován jako valid (platný).

DTD a podobným jazykům se také říká modelovací -- modelují/definují konkrétní značkování.

Syntaxe DTD není XML (na rozdíl od většiny dalších modelovaních jazyků).

Zásadním úskalím DTD je "nekompatibilita" se jmennými prostory (XML Namespaces) a

slabá modelovací schopnost - řadu omezení v modelu nelze pomocí DTD popsat.

"Přímým" a mocnějším, ale také podstatně složitějším, nástupcem DTD je W3C XML Schema.

Existují rovněž zdařilé, jednoduché a mocné alternativy ke XML Schematu - jako je RelaxNG. (on Wikipedia:RELAX_NG)

Jednoduché, všechny validující parsery ho umí.

Pro mnoho jednoduchých značkování nepoužívajících jmenné prostory DTD dostačuje.

Webreview: http://www.webreview.com/2000/08_11/developers/08_11_00_2.shtml

ZVON: http://www.zvon.org/xxl/DTDTutorial/General/contents.html

XML DTD Tutorial (101): http://www.xml101.com/dtd/

W3Schools DTD Tutorial: http://www.w3schools.com

<!DOCTYPE jméno-kořenového-elt Externí-ID [ interní část DTD ]>

PUBLIC "PUBLIC ID" "URI" (hodí se pro "veřejná", obecně uznané DTD) nebo

SYSTEM "URI" - pro soukromá nebo jiná "ne zcela standardizovaná" DTD ("URI" nemusí být jen URL na síti, může být i jméno souboru, vyhodnocení se děje podle systému, na němž se vyhodnocuje)

<![IGNORE[ toto se bude ignorovat ]]>

<![INCLUDE[ toto se zahrne do DTD (tj. nebude se ignorovat)]]>

EMPTY - prázdný element, může být zobrazen jako <element/> nebo <element></element> - totéž

ANY - povolen je libovolný obsah elementu, tj. text, dceřinné elementy, ...

může obsahovat dceřinné elementy - <!ELEMENT jméno-elementu (specifikace dceřinných elementů)>

může být smíšený (MIXED) - obsahující text i dceřinné elementy dané výčtem <!ELEMENT jméno-elementu (#PCDATA | přípustné dceřinných elementy)*>. Nelze specifikovat pořadí nebo počet výskytů konkrétních dceřinných elementů. Hvězdička za závorkou je povinná - vždy je možný libovolný počet výskytů.

operátor sekvence (sequence, follow with) ,

operátor volby (výběru, select, choice) |

závorky () mají obvyklý význam

nelze kombinovat v jedné skupině různé operátory , |

počet výskytů dceřinného elementu omezujeme specifikátory "hvězdička", "otazník", "plus" s obvyklými významy. Bez specifikátoru znamená, že je povolen právě jeden výskyt.

CDATA

NMTOKEN

NMTOKENS

ID

IDREF

IDREFS

ENTITY

ENTITIES

výčet hodnot - např. (hodnota1|hodnota2|hodnota3)

výčet notací - např. NOTATION (notace1|notace2|notace3)

"implicitní hodnota" - atribut je nepovinný, ale není-li uveden, chápe se to, jako by měl hodnotu implicitní hodnota

#REQUIRED - atribut je povinný

#IMPLIED - atribut je nepovinný

#FIXED "pevná-hodnota" - atribut je povinný a musí mít právě hodnotu pevná-hodnota

"implicitní hodnota" - atribut je nepovinný, ale není-li uveden, chápe se to, jako by měl hodnotu implicitní hodnota

deklarace

reference (tj. použití) dané (již deklarované) entity.

parsované - soubory se (správně utvořeným) značkováním,

neparsované - např. binární soubory,

znakové - znaky, např. > je referencí na znakovou entitu

mohou být použity jen v rámci DTD

hodí se při např. deklaracích seznamu atributů (pokud je dlouhý a vícekrát použitý, nahradíme ho referencí na parametrickou entitu)

viz např. DTD pro HTML 4.01 - http://www.w3.org/TR/html4/sgml/dtd.html

definicí parametrické entity je např. <!ENTITY % heading "H1|H2|H3|H4|H5|H6">

XML Base, W3C Recommendation 27 June 2001: http://www.w3.org/TR/xmlbase/

Standard pro vyhodnocování relativních URL v odkazech z/na XML dokumenty.

Definuje použití vyhrazeného atributu xml:base označujícího základ pro vyhodnocování relativních URL.

Doplňuje se se standardem XLink.

Respektuje princip "překrývání" bázové adresy nastavené v nadřazeném elementu.

XML Namespaces (W3C Recommendation, aktuálně Namespaces in XML 1.0 (Second Edition) W3C Recommendation 16 August 2006): http://www.w3.org/TR/REC-xml-names

Existuje také nové Namespaces in XML 1.1 W3C Recommendation 4th February 2004. Andrew Layman, Richard Tobin, Tim Bray, Dave Hollander

Definují "logické prostory" jmen (elementů, atributů) v XML dokumentu.

Dávají uzlům ve stromu XML dokumentu "třetí dimenzi".

Logickému prostoru jmen odpovídá jeden globálně ("celosvětově") jednoznačný identifikátor, daný URI (URI tvoří nadmnožinu URL).

NS odpovídající danému URI nemá nic společného s obsahem nacházejícím se případně na tomto URL ("nic se odnikud automaticky nestahuje" - nedochází k tzv. dereferenci danéhol URI).

V rámci dokumentů se místo těchto URL používají zkratky, prefixy těchto NS namapované na příslušné URI atributem xmlns:prefix="URI".

Jméno elementu či atributu obsahující dvojtečku se označuje jako kvalifikované jméno, QName.

Dva NS jsou stejné, jestliže se jejich URI shodují po znacích přesně (v kódování UNICODE).

NS neovlivňují význam textových uzlů.

Element/atribut nemusí patřit do žádného NS.

Deklarace prefixu NS nebo implicitního NS má platnost na všechny dceřinné uzly rekurentně, dokud není uvedena jiná deklarace "přemapující" daný prefix.

Jeden NS je tzv. implicitní (default NS), deklarovaný atributem xmlns=

Na atributy se implicitní NS nevztahuje!!!, čili atributy bez explicitního uvedení prefixu nejsou v žádném NS.

XML Infoset 2nd Edition W3C Recommendation First published.og 24 October 2001, revised 4 February 2004, John Cowan, Richard Tobin, http://www.w3.org/TR/xml-infoset/

Infoset popisuje "jaké všechny informace lze o uzlu (elementu, dokumentu, atributu...) získat"

Jinými slovy: aplikace by neměla spoléhat na informace z XML dokumentu, které se po analýze (parsingu) neobjeví v Infosetu.

Každý správně utvořený XML dokument vyhovující standardu pro jmenné prostory má Infoset.

Infoset se skládá z Information items

Infoset se týká dokumentu s již expandovanými entitami

Rozlišuje se infoset dokumentu, elementu, atributu, znaku, instrukci pro zpracování, neexpandované entitě, neanalyzované entitě, notaci

Podrobněji viz specifikace.

Canonical XML Version 1.0, W3C Recommendation 15 March 2001, http://www.w3.org/TR/xml-c14n

Smyslem je popsat kritéria (a algoritmy), které pomohou rozhodnout, zda jsou dva XML dokumenty ekvivalentní, lišící se pouze fyzickou reprezentací (entity, pořadí atributů, kódování znaků)

Kanonizace "setře" rozdíly mezi takovými dokumenty, k nimž se analyzátor "bude jistě chovat stejně", tj. z pohledu aplikace jsou totožné.

Použití kanonického tvaru je nutné např. u elektronického podpisu XML dat (při výpočtu hodnoty digest).

Bylo by možné nad XML dokumenty definovat i jiné relace ekvivalence než je Canonical XML.

kódování v UTF-8

zlomy řádků (CR, LF) jsou normalizovány podle algoritmu uvedeného v std. XML 1.0

hodnoty atributů jsou normalizovány

reference na znakové a parsované entity jsou nahrazeny jejich obsahem

CDATA sekce jsou nahrazeny jejich obsahem

hlavička "xml" a deklarace typu dokumentu jsou odstraněny

bílé znaky mimo kořenový element jsou normalizovány

jiné bílé znaky (vyjma normalizace zlomu řádků) jsou zachovány

hodnoty atributů jsou uvozeny "

speciální znaky v hodnotách atributů a textovém obsahu elementů jsou nahrazeny referencemi na entity

nadbytečné deklarace jmenných prostorů jsou z každého elementu odstraněny

implicitní hodnoty atributů jsou dodány do každého elementu (kde je to relevantní)

na pořadí atributů a deklarací jmenných prostorů se uplatní lexikografické řazení

neparsované entity (např. binární entity) jsou po kanonizaci nepřístupné

notace

typy atributů (vč. implic. hodnot)

Vycházejí ze starších SGML katalogů

Jde o prostředek, jak se jednotně odkazovat na entity (dokumenty) umístěné na různých systémech na různých místech.

Dovoluje také praktické použití identifikátorů URI typu PUBLIC, které neodkazují na žádnou reálnou lokaci na internetu.

Existuje několik formátů pro katalogy - bohužel.