Esquema XML

Las DTD son quizás el lenguaje de esquema más ampliamente compatible con XML. Debido a que son uno de los primeros lenguajes de esquema para XML, definidos incluso antes de que XML tuviera soporte para espacios de nombres, cuentan con un amplio soporte. Las DTD internas suelen ser compatibles con los procesadores XML; las DTD externas lo son con menos frecuencia, aunque solo ligeramente. La mayoría de los analizadores XML de gran tamaño, aquellos que admiten múltiples tecnologías XML, también ofrecen soporte para DTD.

Entre las características disponibles en XSD que faltan en DTD se incluyen:

• Los nombres de los elementos y atributos tienen en cuenta el espacio de nombres.
• Se pueden definir restricciones ("tipos simples") para el contenido textual de elementos y atributos, por ejemplo, para especificar que sean numéricos o contengan fechas. Se proporciona un amplio repertorio de tipos simples de forma estándar, y a partir de estos se pueden derivar tipos adicionales definidos por el usuario, por ejemplo, especificando rangos de valores, expresiones regulares o enumerando los valores permitidos.
• Las herramientas para definir restricciones de unicidad e integridad referencial son más potentes: a diferencia de las restricciones ID e IDREF en las DTD, pueden tener un alcance de cualquier parte de un documento, pueden ser de cualquier tipo de datos , pueden aplicarse tanto al contenido de elementos como de atributos y pueden ser de varias partes (por ejemplo, la combinación de nombre y apellido debe ser única).
• Muchos requisitos que tradicionalmente se gestionan mediante entidades de parámetros en DTD cuentan con soporte explícito en XSD: por ejemplo, los grupos de sustitución permiten que un único nombre (como "block" o "inline") haga referencia a toda una clase de elementos; los tipos complejos permiten que varios elementos compartan (o adapten mediante restricción o extensión) el mismo modelo de contenido; y los grupos de modelos y los grupos de atributos permiten definir y reutilizar partes comunes de los modelos de componentes en un solo lugar.
• XSD 1.1 añade la capacidad de definir aserciones arbitrarias (mediante expresiones XPath ) como restricciones sobre el contenido de los elementos.

Los esquemas XSD se escriben convencionalmente como documentos XML, por lo que se pueden utilizar herramientas de edición y transformación habituales.

Además de la validación, XSD permite anotar las instancias XML con información de tipo (el conjunto de información posterior a la validación del esquema (PSVI) ), diseñada para facilitar la manipulación de la instancia XML en los programas de aplicación. Esto puede lograrse mediante la asignación de los tipos definidos en XSD a tipos en un lenguaje de programación como Java (" enlace de datos ") o enriqueciendo el sistema de tipos de lenguajes de procesamiento XML como XSLT y XQuery (conocido como "conciencia del esquema").

RELAX NG y el esquema XML del W3C permiten mecanismos de especificidad similares. Ambos admiten cierto grado de modularidad en sus lenguajes, incluyendo, por ejemplo, la posibilidad de dividir el esquema en varios archivos. Además, ambos se definen, o pueden definirse, en un lenguaje XML.

RELAX NG no tiene ningún equivalente a PSVI . A diferencia del esquema XML del W3C, RELAX NG se diseñó de manera que la validación y la ampliación (agregar información de tipo y valores predeterminados) estén separadas.

El esquema XML del W3C dispone de un mecanismo formal para adjuntar un esquema a un documento XML, mientras que RELAX NG evita intencionadamente dichos mecanismos por motivos de seguridad e interoperabilidad.

RELAX NG no tiene la capacidad de aplicar datos de atributos predeterminados a la lista de atributos de un elemento (es decir, cambiar el conjunto de información XML), mientras que el esquema XML de W3C sí la tiene. Nuevamente, este diseño es intencional y tiene como objetivo separar la validación y la ampliación. ^{[ 9 ]}

El esquema XML del W3C cuenta con un sistema de tipos simples integrado (xs:number, xs:date, etc., además de la derivación de tipos personalizados), mientras que RELAX NG tiene uno extremadamente simple, ya que está diseñado para usar bibliotecas de tipos desarrolladas independientemente de RELAX NG, en lugar de crear las suyas propias. Algunos consideran esto una desventaja. En la práctica, es común que un esquema RELAX NG utilice los tipos simples y las restricciones predefinidas (patrón, longitud máxima, etc.) del esquema XML del W3C.

En el esquema XML del W3C se puede expresar un número o rango específico de repeticiones de patrones, mientras que en RELAX NG (<oneOrMore> o <zeroOrMore>) prácticamente no es posible especificar nada.

El esquema XML del W3C es complejo y difícil de aprender, aunque eso se debe en parte a que intenta hacer algo más que una simple validación (véase PSVI ).

Si bien estar escrito en XML es una ventaja, también presenta algunas desventajas. El lenguaje de esquema XML del W3C, en particular, puede ser bastante extenso, mientras que un DTD puede ser conciso y relativamente fácil de editar.

Asimismo, el mecanismo formal de WXS para asociar un documento con un esquema puede plantear un problema de seguridad potencial. Para los validadores de WXS que siguen una URI a una ubicación en línea arbitraria, existe la posibilidad de leer algo malicioso desde el otro extremo del flujo. ^{[ 10 ]}

El esquema XML del W3C no implementa la mayor parte de la funcionalidad de DTD para proporcionar elementos de datos a un documento.

Si bien la capacidad del esquema XML del W3C para agregar atributos predeterminados a los elementos es una ventaja, también presenta algunas desventajas. Esto significa que un archivo XML podría no ser utilizable sin su esquema, incluso si el documento se validara según dicho esquema. En efecto, todos los usuarios de un documento XML de este tipo deben implementar la especificación del esquema XML del W3C, lo que excluye a los analizadores XML minimalistas o más antiguos. Además, puede ralentizar el procesamiento del documento, ya que el procesador podría tener que descargar y procesar un segundo archivo XML (el esquema); sin embargo, un esquema normalmente se almacena en caché, por lo que el costo solo se produce en el primer uso.

Varios paquetes de análisis XML de gran tamaño ofrecen compatibilidad con WXS. Tanto Xerces como la biblioteca de clases base de .NET Framework brindan soporte para la validación WXS.

Si bien el lenguaje RELAX NG se puede escribir en XML, también cuenta con una sintaxis equivalente que se asemeja mucho más a un DTD, pero con mayor capacidad de especificación. Esta sintaxis se conoce como sintaxis compacta. Las herramientas permiten convertir fácilmente entre ambas sin pérdida de funcionalidades ni necesidad de comentarios. Incluso los elementos arbitrarios especificados entre elementos XML de RELAX NG pueden convertirse a la sintaxis compacta.

RELAX NG ofrece un soporte muy sólido para contenido no ordenado. Es decir, permite que el esquema indique que una secuencia de patrones puede aparecer en cualquier orden.

RELAX NG también permite modelos de contenido no deterministas. Esto significa que RELAX NG permite especificar una secuencia como la siguiente:

<zeroOrMore> <ref name= "odd" /> <ref name= "even" /> </zeroOrMore> <optional> <ref name= "odd" /> </optional>

Cuando el validador encuentra algo que coincide con el patrón "odd", se desconoce si se trata de la última referencia "odd" opcional o simplemente de una en la secuencia zeroOrMore sin examinar los datos con antelación. RELAX NG permite este tipo de especificación. El esquema XML del W3C requiere que todas sus secuencias sean completamente deterministas, por lo que mecanismos como el anterior deben especificarse de otra manera o bien omitirse por completo.

RELAX NG permite que los atributos se traten como elementos en los modelos de contenido. En particular, esto significa que se puede proporcionar lo siguiente:

<element name= "some_element" > <choice> <attribute name= "has_name" > <value> false </value> </attribute> <group> <attribute name= "has_name" > <value> true </value> </attribute> <element name= "name" ><text /></element> </group> </choice> </element>

Este bloque indica que el elemento "some_element" debe tener un atributo llamado "has_name". Este atributo solo puede tomar los valores verdadero o falso, y si es verdadero, el primer elemento hijo debe ser "name", que almacena texto. Si "name" no necesitara ser el primer elemento, la opción podría incluirse dentro de un elemento "interleave" junto con otros elementos. El orden de especificación de los atributos en RELAX NG no tiene importancia, por lo que este bloque no tiene por qué ser el primero en la definición del elemento.

El esquema XML del W3C no puede especificar tal dependencia entre el contenido de un atributo y los elementos secundarios.

La especificación de RELAX NG solo enumera dos tipos integrados (cadena y token), pero permite definir muchos más. En teoría, la falta de una lista específica permite que un procesador admita tipos de datos muy específicos del dominio del problema.

La mayoría de los esquemas RELAX NG se pueden convertir algorítmicamente a esquemas XML del W3C e incluso a DTD (excepto cuando se utilizan características de RELAX NG no compatibles con esos lenguajes, como se mencionó anteriormente). Lo contrario no es posible. Por lo tanto, RELAX NG puede utilizarse como una versión normativa del esquema, y ​​el usuario puede convertirlo a otros formatos para herramientas que no lo admiten.

La mayoría de las desventajas de RELAX NG se tratan en la sección sobre las ventajas del esquema XML del W3C frente a RELAX NG.

Si bien la capacidad de RELAX NG para admitir tipos de datos definidos por el usuario es útil, tiene la desventaja de contar únicamente con dos tipos de datos en los que el usuario puede confiar. En teoría, esto significa que usar un esquema RELAX NG en varios validadores requiere proporcionar esos tipos de datos definidos por el usuario a dicho validador o usar solo los dos tipos básicos. Sin embargo, en la práctica, la mayoría de los procesadores RELAX NG admiten el conjunto de tipos de datos del esquema XML del W3C.

Debido a su naturaleza basada en reglas, Schematron ofrece una especificidad muy marcada. Puede requerir que el contenido de un elemento esté controlado por uno de sus elementos hermanos. También puede solicitar o exigir que el elemento raíz, independientemente de cuál sea, tenga atributos específicos. Incluso puede especificar relaciones obligatorias entre varios archivos XML.

Si bien Schematron maneja bien las estructuras relacionales, su capacidad para especificar la estructura básica de un documento, es decir, qué elementos pueden ir dónde, da como resultado un esquema muy extenso.

La solución habitual consiste en combinar Schematron con RELAX NG o W3C XML Schema. Existen varios procesadores de esquemas disponibles para ambos lenguajes que admiten esta combinación. Esto permite que las reglas de Schematron especifiquen restricciones adicionales a la estructura definida por W3C XML Schema o RELAX NG.

La implementación de referencia de Schematron es, en realidad, una transformación XSLT que convierte el documento Schematron en una cadena XSLT que valida el archivo XML. Por lo tanto, Schematron puede utilizar cualquier procesador XSLT, aunque libxml2 ofrece una implementación que no requiere XSLT. El validador de esquemas múltiples para Java de Sun Microsystems incluye un complemento que permite validar esquemas RELAX NG con reglas Schematron integradas.