XML сегодня: правильная сформированность и валидность, пространства имён и когда он всё ещё уместен

Что это такое

Рекомендация XML 1.0 (см. источник) отделяет ограничения правильной сформированности, которым обязан отвечать каждый XML-документ (один корневой элемент, правильная вложенность и закрытие элементов, значения атрибутов в кавычках, экранирование & и < в содержимом), от ограничений валидности, применяемых только к документам, проверяемым по определению типа документа или, на практике, с помощью языка схем. Рекомендация Namespaces (см. источник) добавляет расширенные имена: имя элемента или атрибута — пара из имени пространства имён (URI) и локального имени. Префиксы связываются через xmlns:p="uri" и служат локальным удобством; пространство по умолчанию xmlns="uri" применяется к именам элементов без префикса, а рекомендация прямо указывает, что объявления пространства по умолчанию не применяются непосредственно к именам атрибутов. Область действия объявления — элемент, на котором оно находится, и всё под ним.

Почему это важно

Именно в пространствах имён чаще всего ошибается обработка XML: сравнивают префиксы вместо URI, забывают, что пространство по умолчанию незаметно меняет идентичность всех элементов ниже, или сериализуют с другим префиксом, ломая потребителя, сопоставляющего строки. Понимание того, где находится идентичность (URI плюс локальное имя), устраняет целый класс ошибок. Различие между правильной формой и валидностью показывает, что реально проверил парсер без схемы: только синтаксис.

Как применять

• Выбирайте XML для похожих на документы данных со смешанным содержимым (текст со встроенной разметкой), для уже существующих XML-словарей (векторная графика, ленты, офисные и издательские форматы) и для обмена с партнёрами, чьи инструменты валидации и подписания основаны на XML.
• Предпочитайте JSON для записей, которыми обмениваются программы, без встроенной разметки: там выигрывают более простая модель данных и поддержка библиотек.
• Сравнивайте имена как (URI пространства имён, локальное имя). При запросах через XPath или DOM свяжите префикс с URI в запросе, даже если документ использует пространство по умолчанию: имя без префикса в запросе не означает «что бы ни было по умолчанию».
• На границе проверяйте по схеме и отключайте разрешение внешних сущностей в каждом парсере (см. связанную статью).
• Объявляйте кодировку и обеспечивайте соответствие байтов; считайте пробельные символы между элементами данными, если схема не говорит обратного.

Подводные камни

Имя пространства сравнивается как строка: http://example.org/ns и http://example.org/ns/ — разные пространства имён. Префикс без объявления в области видимости — ошибка, а не предупреждение. Повторное объявление пространства по умолчанию внутри фрагмента меняет смысл всего ниже. Текстовые узлы хранят содержимое с декодированными сущностями; экранирование при выводе — задача сериализатора, а двойное экранирование даёт &.