Lessons I : Tìm hiểu cấu trúc và cú pháp của XML

Logo of Vovisoft

Bài 1

Tìm hiểu cấu trúc và cú pháp của XML

Để thấy ảnh hưởng rộng lớn của XML trong ngành Công Nghệ Thông Tin cận đại bạn chỉ cần để ý rằng XML là lý do của sự hiện hữu (raison d’être) của Microsoft .Net. Từ WindowsXP trở đi, bên trong đầy dẫy XML. Microsoft đã đầu tư hơn 3 tỷ đô la Mỹ vào kỹ thuật nầy, và trong tương lai gần đây tất cả phần mềm của Microsoft nếu không dọn nhà (được ported) qua .NET thì ít nhất cũng được .NET Enabled (dùng cho .NET được). Đi song song với .NET là SQLServer 2000, một cơ sở dữ liệu hổ trợ XML hoàn toàn.

Có lẽ bạn đã nghe qua Web Services. Đó là những dịch vụ trên Web ta có thể dùng on-demand , tức là khi nào cần cho chương trình của mình, bằng cách gọi nó theo phương pháp giống giống như gọi một Hàm (Function). Web Services được triển khai dựa vào XML và Http, chuẩn dùng để gởi các trang Web.

Điểm quan trọng của kỹ thuật XML là nó không thuộc riêng về một công ty nào, nhưng là một tiêu chuẩn được mọi người công nhận vì được soạn ra bởi World Wide Web Consortium – W3C (một ban soạn thão với sự hiện diện của tất cả các dân có máu mặt trên giang hồ Tin học) và những ai muốn đóng góp bằng cách trao đổi qua Email. Bản thân của XML tuy không có gì khó hiểu, nhưng các công cụ chuẩn được định ra để làm việc với XML như Document Object Model – DOM, XPath, XSL, v.v.. thì rất hữu hiệu, và chính các chuẩn nầy được phát triển không ngừng.

Microsoft committed (nhất quyết dấn thân) vào XML ngay từ đầu. Chẳng những có đại diện để làm việc thường trực trong W3C mà còn tích cực đóng góp bằng cách gởi những đề nghị. Vị trí của Microsoft về XML là khi tiêu chuẩn chưa được hoàn thành thì các sản phẩm của Microsoft tuân thủ (comply) những gì có vẽ được đa số công nhận và khi tiêu chuẩn hoàn thành thì tuân thủ hoàn toàn.

Cái công cụ XML sáng giá nhất của Microsoft là ActiveX MSXML. Nó được dùng trong Visual Basic 6, ASP (Active Server Pages) của IIS và Internet Explorer từ version 5.5. Hiện nay MSXML đã có version 4.0. MSXML parse (đọc và phân tích) và validate (kiểm tra sự hợp lệ) XML file để cho ta DOM, một tree của các Nodes đại diện các thành phần bên trong XML. MSXML cũng giúp ta dựa vào một XSL file để transform (biến thể) một XML file thành một trang Web (HTML) hay một XML khác.

XML là gì?

Một chút lịch sử

Như tất cả chúng ta đều biết, XML là viết tắt cho chữ eXtensible Markup Language – nhưng Markup Language (ngôn ngữ đánh dấu) là gì?

Trong ngành ấn loát, để chỉ thị cho thợ sắp chữ về cách in một bài vỡ, tác giả hay chủ bút thường vẽ các vòng tròn trong bản thão và chú thích bằng một ngôn ngữ đánh dấu tương tự như tốc ký. Ngôn ngữ ấy được gọi là Markup Language.

XML là một ngôn ngữ đánh dấu tương đối mới vì nó là một subset (một phần nhỏ hơn) của và đến từ (derived from) một ngôn ngữ đánh dấu già dặn tên là Standard Generalized Markup Language (SGML). Ngôn ngữ HTML cũng dựa vào SGML, thật ra nó là một áp dụng của SGML.

SGML được phát minh bởi Ed Mosher, Ray Lorie và Charles F. Goldfarb của nhóm IBM research vào năm 1969, khi con người đặt chân lên mặt trăng. Lúc đầu nó có tên là Generalized Markup Language (GML), và được thiết kế để dùng làm meta-language, một ngôn ngữ được dùng để diễn tả các ngôn ngữ khác – văn phạm, ngữ vựng của chúng ,.v.v.. Năm 1986, SGML được cơ quan ISO (International Standard Organisation) thu nhận (adopted) làm tiêu chuẩn để lưu trữ và trao đổi dữ liệu. Khi Tim Berners-Lee triển khai HyperText Markup Language – HTML để dùng cho các trang Web hồi đầu thập niên 1990, ông ta cứ nhắc nhở rằng HTML là một áp dụng của SGML.

Vì SGML rất rắc rối, và HTML có nhiều giới hạn nên năm 1996 tổ chức W3C thiết kế XML. XML version 1.0 được định nghĩa trong hồ sơ February 1998 W3C Recommendation, giống như một Internet Request for Comments (RFC), là một “tiêu chuẩn”.

Từ HTML đến XML

Trong một trang Web, ngôn ngữ đánh dấu HTML dùng các cặp Tags để đánh dấu vị trí đầu và cuối của các mảnh dữ liệu để giúp chương trình trình duyệt (browser) parse (ngắt khúc để phân tích) trang Web và hiển thị các phần theo ý người thiết kế trang Web. Thí dụ như một câu HTML dưới đây:

<P align="center">Chào mừng bạn đến thăm 
   <STRONG>Vovisoft</STRONG>Web site
</P>

Câu code HTML trên có chứa hai markup Tags, <P><STRONG>. Mỗi cặp Tags gói dữ liệu nó đánh dấu giữa opening Tagclosing Tag. Hai closing Tags ở đây là </P></STRONG>. Tất cả những gì nằm bên trong một cặp Tags được gọi là Element. Để nói thêm đặc tính của một Element, ta có thể nhét Attribute như align trong opening Tag của Element ấy dưới dạng AttributeName=”value”, thí dụ như align=”center”.

Vì Tags trong HTML được dùng để format (trình bày) tài liệu nên browser cần biết ý nghĩa của mỗi Tag. Một browser hay HTML parser sẽ thu thập các chỉ thị sau từ câu HTML trên:

  • Bắt đầu một Paragraph mới và đặt Text ở giữa trang (<P align=“center”>).
  • Hiển thị câu Chào mừng bạn đến thăm
  • Hiển thị chữ Vovisoft cách mạnh mẽ (<STRONG>Vovisoft</STRONG>).
  • Hiển thị câu Web site
  • Gặp điểm cuối của Paragraph (</P>)

Để xử lý đoạn code HTML trên, chẳng những browser cần phải xác định vị trí các Tags mà còn phải hiểu ý nghĩa của mỗi Tag. Vì mỗi Tag có ý ngĩa riêng của nó, thí dụ P cho Paragraph, STRONG để nhấn mạnh, thí dụ như dùng chữ đậm (Bold).

Giống như HTML, XML đến từ SGML. Nó cũng dùng Tags để encode data. Điểm khác biệt chánh giữa HTML và XML là trong khi các Tags của HTML chứa ý nghĩa về formatting (cách trình bày) các dữ liệu, thì các Tags của XML chứa ý nghĩa về cấu trúc của các dữ liệu. Thí dụ như một tài liệu đặt hàng (order) XML dưới đây:

<Order OrderNo="1023">
   <OrderDate>2002-3-27</OrderDate>
   <Customer>Peter Collingwood</Customer>
   <Item>
      <ProductID>1</ProductID>
      <Quantity>5</Quantity>
   </Item>
   <Item>
      <ProductID>4</ProductID>
      <Quantity>3</Quantity>
   </Item>
</Order>

Tài liệu nầy chỉ chứa dữ liệu, không nhắc nhở gì đến cách trình bày. Điều nầy có nghĩa là một XML parser (chương trình ngắt khúc và phân tích) không cần phải hiểu ý nghĩa cũa các Tags. Nó chỉ cần tìm các Tags và xác định rằng đây là một tài liệu XML hợp lệ. Vì browser không cần phải hiểu ý nghĩa của các Tags, nên ta có thể dùng Tag nào cũng được. Đó là lý do người ta dùng chữ eXtensible (mở rộng thêm được), nhưng khi dùng chữ để viết tắt thì lại chọn X thay vì e, có lẽ vì X nghe có vẽ kỳ bí, hấp dẫn hơn.

Chúng ta hãy quan sát kỹ hơn cấu trúc của một XML. Trước hết, Element Order có Attribute OrderNo với value 1023. Bên trong Element Order có:

  • Một Child (con) Element OrderDate với value 2002-3-27
  • Một Child Element Customer với value Peter Collingwood.
  • Hai Child Elements Item, mỗi Element Item lại chứa một Child Element ProductID và một Child Element Quantity.

Đôi khi ta để một Element với tên đàng hoàng, nhưng không chứa một value, lý do là ta muốn dùng nó như một Element Nhiệm ý (Optional), có cũng được, không có cũng không sao. Cách tự nhiên nhất là gắn cái closing Tag ngay sau opening Tag. Thí dụ như Empty (trống rỗng) Element MiddleInitial trong Element customer dưới đây:

<Customer>
   <FirstName>Stephen</FirstName>
   <MiddleInitial></MiddleInitial>
   <LastName>King</LastName>
</Customer>

Có một cách khác để biểu diễn Empty Element là bỏ closing Tag và thêm một dấu “/” (slash) ở cuối openning Tag. Ta có thể viết lại thí dụ customer như sau:

<Customer>
   <FirstName>Stephen</FirstName>
   <MiddleInitial/>
   <LastName>King</LastName>
</Customer>

Dĩ nhiên Empty Element cũng có thể có Attribute như Element PhoneNumber thứ nhì dưới đây:

<Customer>
   <FirstName>Stephen</FirstName>
   <MiddleInitial></MiddleInitial>
   <LastName>King</LastName>
   <PhoneNumber Location="Home">9847 2635</PhoneNumber>
   <PhoneNumber Location="Work"></PhoneNumber>
</Customer>

Biểu diễn Data trong XML

Một tài liệu XML phải well-formedvalid. Mặc dầu hai từ nầy nghe tờ tợ, nhưng chúng có ý nghĩa khác nhau. Một XML well-formed là một XML thích hợp cho parser chế biến. Tức là XML tuân thủ các luật lệ về Tag, Element, Attribute , value .v.v.. chứa bên trong để parser có thể nhận diện và phân biệt mọi thứ.

Để ý là một XML well-formed chưa chắc chứa đựng những dữ liệu hữu dụng trong công việc làm ăn. Là well-formed chỉ có nghĩa là XML có cấu trúc đúng. Để hữu dụng cho công việc làm ăn, XML chẳng những well-formed mà còn cần phải valid. Một tài liệu XML valid khi nó chứa những data cần có trong loại tài liệu loại hay class ấy. Thí dụ một XML đặt hàng có thể bị đòi hỏi phải có một Attribute OrderNo và một Child Element Orderdate. Parser validate một XML bằng cách kiểm tra data trong XML xem có đúng như định nghĩa trong một Specification về loại tài liệu XML ấy. Specification nầy có thể là một Document Type Definition (DTD) hay một Schema.

Chốc nữa ta sẽ nói đến valid, bây giờ hãy bàn về well-formed.

Tạo một tài liệu XML well-formed

Để well-formed, một tài liệu XML phải theo đúng các luật sau đây:

  • Phải có một root (gốc) Element duy nhất, gọi là Document Element, nó chứa tất cả các Elements khác trong tài liệu.
  • Mỗi opening Tag phải có một closing Tag giống như nó.
  • Tags trong XML thì case sensitive, tức là opening Tag và closing Tag phải được đánh vần y như nhau, chữ hoa hay chữ thường.
  • Mỗi Child Element phải nằm trọn bên trong Element cha của nó.
  • Attribute value trong XML phải được gói giữa một cặp ngoặc kép hay một cặp apostrophe.

Luật thứ nhất đòi hỏi một root Element duy nhất, nên tài liệu dưới đây không well-formed vì nó không có một top level Element:

<Product ProductID="1">Chair</Product>
<Product ProductID="2">Desk</Product>

Một tài liệu XML không có root Element được gọi là một XML fragment (mảnh). Để làm cho nó well-formed ta cần phải thêm một root Element như dưới đây:

<Catalog>
   <Product ProductID="1">Chair</Product>
   <Product ProductID="2">Desk</Product>
</Catalog>

Luật thứ hai nói rằng mỗi opening Tag phải có một closing Tag giống như nó. Tức là mỗi Tag mở ra phải được đóng lại. Empty Element viết cách gọn như <MiddleInitial/> được gọi là có Tag tự đóng lại. Các Tags khác phải có closing Tag. Cái XML dưới đây không well-formed vì nó có chứa một một Tag <Item> thiếu closing Tag </Item>:

<Order>
   <OrderDate>2002-6-14</OrderDate>
   <Customer>Helen Mooney</Customer>
   <Item>
      <ProductID>2</ProductID>
      <Quantity>1</Quantity>
   <Item>
      <ProductID>4</ProductID>
      <Quantity>3</Quantity>
   </Item>
</Order>

Để làm cho nó well-formed ta phải thêm cái closing tag cho Element Item thứ nhất:

<Order>
   <OrderDate>2002-6-14</OrderDate>
   <Customer>Helen Mooney</Customer>
   <Item>
      <ProductID>2</ProductID>
      <Quantity>1</Quantity>
   </Item>
   <Item>
      <ProductID>4</ProductID>
      <Quantity>3</Quantity>
   </Item>
</Order>

Luật thứ ba nói là tên Tag thì case sensitive, tức là closing Tag phải đánh vần y hệt như opening Tag, phân biệt chữ hoa, chữ thường. Như thế <order> khác với <Order>, ta không thể dùng Tag </Order> để đóng Tag <order>. Cái XML dưới đây không well-formed vì opening Tag và closing Tags của Element OrderDate không đánh vần giống nhau:

<Order>
   <OrderDate>2001-01-01</Orderdate>
   <Customer>Graeme Malcolm</Customer>
</Order>

Muốn làm cho nó well formed, ta phải sửa chữ d thành chữ hoa (uppercase) D như sau:

<Order>
   <OrderDate>2001-01-01</OrderDate>
   <Customer>Graeme Malcolm</Customer>
</Order>

Luật thứ tư nói mỗi Child Element phải nằm trọn bên trong Element cha của nó, tức là không thể bắt đầu một Element mới khi Element nầy chưa chấm dứt. Thí dụ như tài liệu XML dưới đây không well-formed vì closing Tag của Category hiện ra trước closing Tag của Product.

<Catalog>
   <Category CategoryName="Beverages">
       <Product ProductID="1">
          Coca-Cola 
       </Category>
   </Product>
</Catalog>

Muốn sửa cho nó well-formed ta cần phải đóng Tag Product trước như dưới đây:

<Catalog>
   <Category CategoryName="Beverages">
       <Product ProductID="1">
          Coca-Cola 
       </Product>
   </Category>
</Catalog>

Luật cuối cùng về tài liệu XML well-formed đòi hỏi value của Attribute phải được gói trong một cặp apostrophe hay ngoặc kép. Tài liệu dưới đây không well-form vì các Attribute values không được ngoặc đàng hoàng, số 1 không có dấu ngoặc, số 2 có một cái apostrophe, một cái ngoặc kép:

<Catalog>
   <Product ProductID=1>Chair</Product>
   <Product ProductID='2">Desk</Product>
</Catalog>

Processing Instructions và Comments

Ngoài các dữ liệu cần thiết cho công việc làm ăn, một tài liệu XML cũng có chứa các Processing Instructions (chỉ thị về cách chế biến) cho parser và Comments (ghi chú) cho người đọc.

Processing Instruction nằm trong cặp Tags <??>. Thông thường nó cho biết version của XML Specification mà parser cần làm theo. Có khi nó cũng cho biết data trong XML dùng encoding nào, thí dụ như uft-8. Còn một Attribute nữa là standalone. standalone cho parser biết là tài liệu XML có thể được validated một mình, không cần đến một DTD hay Schema.

Mặc dầu một tài liệu XML well-formed không cần có một Processing Instruction, nhưng thông thường ta để một Processing Instruction ở đàng đầu tài liệu, phần ấy được gọi là prologue (giáo đầu). Dưới đây là một thí dụ có Processing Instruction trong prologue của một tài liệu XML:

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<Order>
   <OrderDate>2002-6-14</OrderDate>
   <Customer>Helen Mooney</Customer>
   <Item>
      <ProductID>1</ProductID>
      <Quantity>2</Quantity>
   </Item>
   <Item>
      <ProductID>4</ProductID>
      <Quantity>1</Quantity>
   </Item>
</Order>

Có một loại Processing Instruction khác cũng rất thông dụng là cho biết tên của stylesheet của XML nầy, thí dụ như:

<?xml-stylesheet type="text/xsl" href="order.xsl"?>

Ở đây ta cho XML stylesheet parser biết rằng stylesheet thuộc loại text/xsl và nó được chứa trong file tên order.xsl. Bạn cũng có thể cho thêm Comment bằng cách dùng cặp Tags <!––> như sau:

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<!-- Below are details of a purchase order. -->
<Order>
   <OrderDate>2002-6-14</OrderDate>
   <Customer>Helen Mooney</Customer>
   <Item>
      <ProductID>1</ProductID>
      <Quantity>2</Quantity>
   </Item>
   <Item>
      <ProductID>4</ProductID>
      <Quantity>1</Quantity>
   </Item>
</Order>

Namespaces

Có một ý niệm rất quan trọng trong XML là Namespace. Nó cho ta cách cùng một tên của Element để nói đến hai thứ dữ liệu khác nhau trong cùng một tài liệu XML. Giống như có hai học sinh trùng tên Tuấn trong lớp học, ta phải dùng thêm họ của chúng để phân biệt, ta gọi Tuấn Trần hay Tuấn Lê. Thí dụ như có một order được người ta đặt trong tiệm sách như sau:

<?xml version="1.0"?>
<BookOrder OrderNo="1234">
   <OrderDate>2001-01-01</OrderDate>
   <Customer>
      <Title>Mr.</Title>
      <FirstName>Graeme</FirstName>
      <LastName>Malcolm</LastName>
   </Customer>
   <Book>
      <Title>Treasure Island</Title>
      <Author>Robert Louis Stevenson</Author>
   </Book>
</BookOrder>

Khi quan sát kỹ, ta thấy có thể có sự nhầm lẫn về cách dùng Element Title. Trong tài liệu có hai loại Title, một cái dùng cho khách hàng Customer nói đến danh hiệu Mr., Mrs., Dr., còn cái kia để nói đến đề tựa của một quyển sách Book.

Để tránh sự lầm lẫn, bạn có thể dùng Namespace để nói rõ tên Element ấy thuộc về giòng họ nào. Giòng họ ấy là một Universal Resource Identifier (URI). Một URI có thể là một URL hay một chỗ nào định nghĩa tính cách độc đáo của nó. Một namespace cũng không cần phải nói đến một địa chỉ Internet, nó chỉ cần phải là có một, không hai.

Bạn có thể khai báo namespaces trong một Element bằng cách dùng Attribute xmlns (ns trong chữ xmlns là viết tắt cho namespace) bạn cũng có thể khai báo một default namespace để áp dụng cho những gì nằm bên trong một Element, nơi bạn khai báo namespace. Thí dụ cái tài liệu đặt hàng có thể được viết lại như sau:

<?xml version="1.0"?>
<BookOrder OrderNo="1234">
   <OrderDate>2001-01-01</OrderDate>
   <Customer xmlns="http://www.northwindtraders.com/customer">
      <Title>Mr.</Title>
      <FirstName>Graeme</FirstName>
      <LastName>Malcolm</LastName>
   </Customer>
   <Book xmlns="http://www.northwindtraders.com/book">
      <Title>Treasure Island</Title>
      <Author>Robert Louis Stevenson</Author>
   </Book>
</BookOrder>

Ta đã tránh được sự nhầm lẫn vì bên trong Customer thì dùng namespace http://www.northwindtraders.com/customer và bên trong Book thì dùng namespace http://www.northwindtraders.com/book.

Tuy nhiên, ta sẽ giải quyết làm sao nếu trong order có nhiều customer và nhiều book. Nếu cứ thay đổi namespace hoài trong tài liệu thì chóng mặt chết. Một cách giải quyết là khai báo chữ viết tắt cho các namespaces ngay ở đầu tài liệu, trong root Element (tức là Document Element). Sau đó bên trong tài liệu ta sẽ prefix các Element cần xác nhận namespace bằng chữ viết tắt của namespace nó. Thí dụ như sau:

<?xml version="1.0"?>
<BookOrder xmlns="http://www.northwindtraders.com/order" xmlns:cust="http://www.northwindtraders.com/customer" xmlns:book="http://www.northwindtraders.com/book" OrderNo="1234">
   <OrderDate>2001-01-01</OrderDate>
   <cust:Customer>
      <cust:Title>Mr.</cust:Title>
      <cust:FirstName>Graeme</cust:FirstName>
      <cust:LastName>Malcolm</cust:LastName>
   </cust:Customer>
   <book:Book>
      <book:Title>Treasure Island</book:Title>
      <book:Author>Robert Louis Stevenson</book:Author>
   </book:Book>
</BookOrder>

Trong tài liệu XML trên ta dùng 3 namespaces: một default namespace tên http://www.northwindtraders.com/order, namespace http://www.northwindtraders.com/customer (viết tắt là cust) và namespace http://www.northwindtraders.com/book (viết tắt là book). Các Elements và Attributes không có prefix (tức là không có chữ tắt đứng trước) như BookOrder, OrderNo, và OrderDate, được coi như thuộc về default namespace. Để đánh dấu một Element hay Attribute không thuộc về default namespace, một chữ tắt, đại diện namespace sẽ được gắn làm prefix cho tên Element hay Attribute. Thí dụ như cust:LastName, book:Title.

CDATA

CDATA là khúc dữ liệu trong tài liệu XML nằm giữa <![CDATA[]]>. Data nằm bên trong những CDATA được cho thông qua parser y nguyên, không bị sửa đổi. Điểm nầy rất quan trọng khi bạn muốn cho vào những dữ liệu có chứa những text được xem như markup. Bạn có thể đặt những thí dụ cho XML trong những CDATA và chúng sẽ được parser bỏ qua. Khi dùng XSL stylesheets để transform một XML file thành HTML, có bất cứ scripting nào bạn cũng phải đặt trong những CDATA. Dưới đây là các thí dụ dùng CDATA:

<![CDATA[…place your data here…]]>

<SCRIPT>
<![CDATA[
function warning()
{
alert(“Watch out!”);
}
]]>
</SCRIPT>

Entity References

Entity nói đến cách viết một số dấu đặc biệt đã được định nghĩa trước trong XML. Có 5 entities dưới đây:

Entity

Description

&apos; dấu apostrophe
&amp; dấu ampersand
&gt; dấu lớn hơn
&lt; dấu nhỏ hơn
&quot; dấu ngoặc kép

Trong bài tới ta sẽ học về cách process (chế biến) một tài liệu XML.

  Học XML

  1. Leave a comment

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: