Abstract

Nach einer einführenden Übersicht über die einzelnen Mitglieder der XML-Sprachfamilie werden in diesem Abschnitt die grundlegenden Strukturelemente der XML und des XML Information Set eingeführt.
Sie erfahren, welche Strukturelemente es in der XML gibt und was die Wohlgeformtheit eines XML-Dokuments bedeutet.

Definition XML-Sprache

Eine Anwendung der XML wird XML-Sprache genannt. Sie besteht aus einem Vokabular, das aus Symbolen und der ihnen zugewiesenen Bedeutung (Semantik) gebildet wird. Das Vokabular wird durch Regeln ergänzt, die die Kombination der Elemente aus dem Vokabular steuern: die grammatikalische Struktur sowie die Gültigkeitsregeln für den Inhalt (z.B. Datentypen).
Eine Anwendung einer neu geschaffenen XML-Sprache L werden als XML-Dokumente, auch L -Dokumente bezeichnet.

Die XML-Sprachfamilie

• Basis
  • XML Information Set , definiert die Grundbausteine und zentralen Konzepte der XML
  • Unicode , ein Standard zur plattformunabhängigen Zeichencodierung u.a. internationaler Zeichensätze
• Dokumenttypdefinitionen (DTDs): Als Untermenge der SGML definiert, besitzt die XML wie diese die Möglichkeit der Grammatikdefinition via DTDs (=eine textbasierte Sprache, um das Vokabular einer XML-Sprache festzulegen).
• XML selbst
• XML Namensräume (Namespaces): mit ihrer Hilfe können gleiche Namen von Bezeichnern in einem Dokument eindeutig voneinander unterschieden werden. Somit kann jeder, der eine XML-Sprache definiert, Element- und Attributnamen völlig frei wählen. Er muß nicht darauf achten, ob sein Dokument irgendwann einmal mit einem anderen Dokument kombiniert werden könnte (etwa im Rahmen einer Syndikatisierung) und dann Namenskonflikte auftreten könnten.
• XHTML: eine präsentationsorientierte Auszeichnungssprache (die Weiterentwicklung/Neuformulierung der HTML 4.01 aus dem Jahre 1999, die durch das W3C nicht mehr weiterentwickelt wird).
• XLink: Verknüpfungsmechanismus zur nichtlinearen Navigierbarkeit. Erlaubt mehrgliedrige Verweise, die auf eine Menge von Dokumenten verweisen, sowie unterschiedliche Verhaltensmuster beim Verfolgen eines Links. Entspricht dem Referenzieren einzelner Dokumente in einem XML-Dokument.
• XPath: Ermöglicht das extrahieren verschiedener Information aus einem XML-Dokument: Knotenmengen, Positionsangaben, Werte, ...
• XSLT: XML-Sprache zur Umformung von XML-Dokumenten (eigentlich: Bäumen).
• XSL-FO: Ein Vokabular, um Formatierungsangaben für Dokumentstrukturen auszudrücken. Daraus können wiederum beispielsweise PDF-Dokumente erzeugt werden.
• XQuery: Eine SQL-artige algebraische Anfragesprache für XML-Quellen. Die XML-Repräsentation von XQuery trägt den Namen XQueryX .
• RDF verwendet Namensräume als Grundlagen. Erlaubt die Formulierung und maschinelle Auswertung von Aussagen über Web Ressourcen (Prädikatenlogik).
• XML Schema stellt u.a. ein Typsystem und eine Vielzahl von Regeln zur Verfügung, damit eine XML-Sprache genau definiert werden kann.
• Schema verwendend haben WSDL und SOAP im Bereich Web Services große Bedeutung erlangt. Mit WSDL werden die Schnittstellen sowie die Eigenschaften von Funktionalitäten (=Diensten / Services) beschrieben, die über Internetprotokolle zur Verfügung gestellt werden. SOAP erlaubt die Übertragung von XML-basierten Nachrichten unabhängig vom verwendeten Transportprotokoll.

Einführende Definitionen (1/3)

XML-Dokument
Ein XML-Dokument ist ein Datenstrom (der nicht zwingend als Datei vorliegen muß), der den Strukturierungsprinzipien (=Wohlgeformtheit) der Extensible Markup Language genügt.

Einführende Definitionen (2/3)

XML Information Set
Die Spezifikation des XML Information Sets definiert die zentralen Begriffe der XML. Es setzt diese Begriffe miteinander in Beziehung und definiert so unabhängig von der Syntax die Struktur eines XML-Dokumentes.

Einführende Definitionen (3/3)

XML-Prozessor
Ein XML-Prozessor ist eine maschinelle Komponente (typischerweise: Software), die zum Lesen, Speichern und Verarbeiten eines XML-Dokuments eingesetzt wird. Er erlaubt Zugriff auf den Inhalt und die Struktur des XML-Dokuments.

Ein erstes XML-Dokument

Das folgende Listing zeigt ein einfaches XML-Dokument mit den am meisten verwendeten Sprachelementen der XML: Element, Attribut, Text.

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<Vorlesung>
  <Pflichtfach/>
  <Hochschule>Fachhochschule Augsburg</Hochschule>
  <Studiengang semester="3">IAM</Studiengang>
  <Titel>XML</Titel>
  <Semester>WS 2008/2009</Semester>
  Montag, 08:00h - 09:30h
  <Praktikum>Seminar</Praktikum>
</Vorlesung>

Das Information Set des ersten XML-Dokuments

Für jedes XML-Dokument gibt es ein abstraktes Information Set (auch kurz als "Infoset" bezeichnet). In ihm sind alle Informationselemente in Form einer Baumstruktur enthalten.
Die untenstehende Abbildung gibt einen Auszug der Knoten aus dem Information Set unseres ersten XML-Dokuments in einem UML-Diagramm wieder. Die Knoten sind als Objekte, ihre Eigenschaften als Attribute dargestellt.

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<Vorlesung>
  <Pflichtfach/>
  <Hochschule>Fachhochschule Augsburg</Hochschule>
  <Studiengang semester="3">IAM</Studiengang>
  <Titel>XML</Titel>
  <Semester>WS 2008/2009</Semester>
  Montag, 08:00h - 09:30h
  <Praktikum>Seminar</Praktikum>
</Vorlesung>

Ein erstes XHTML-Dokument

Im folgenden Beispiel ist der Inhalt des ersten XML-Dokuments als einfache XHTML Seite dargestellt.
Sprachelemente der XHTML: Titel, Überschriften 1. und 2. Grades, Absatz.

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE PUBLIC "-//W3C//DTD XHTML 1.1//EN" "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
 <head>
  <title>Vorlesung i3.DATA (XML)</title>
 </head>
 <body>
  <h>Fachhochschule Augsburg</h>
  <section>
   <h>Studiengang IAM</h>
   <h>3. Semester</h>
   <h>Wintersemester 2008/2009</h>
   <p>Montag, 08:00h-09:30h, Raum I102</p>
  </section>
 </body>
</html>

Die Elemente des Information Set

• Document Information Item (Dokument)
• Element Information Item (Element)
• Attribute Information Item (Attribut)
• Character Information Item (Zeichen)
• Comment Information Item (Kommentar)
• Document Type Declaration Information Item (DTD-Deklaration)
• Namespace Declaration Information Item (Namensraum-Deklaration)
• Processing Instruction Information Item
• Notation Information Item
• Unexpanded Entity Reference Information Item
• Unparsed Entity Information Item

Document Information Item (Dokument)

• Jedes Information Set hat genau ein Document Information Item
• Rahmen des XML-Dokuments
• enthält Informationen, die das gesamte Dokument betreffen
  • geordnete Liste von Kindknoten
    • darunter genau ein Element Information Item , nämlich das Wurzelelement des Dokuments (auch Document Element genannt).
    • Processing Instruction Information Item s, für alle Processing Instructions, die außerhalb des Wurzelelements definiert sind. Processing Instructions geben einem XML-Prozessor Informationen zur Verarbeitung des Dokuments.
    • Comment Information Item s für Kommentare außerhalb des Wurzelelements.
  • Document Element : Der Wurzelknoten des Dokuments als Element Information Item
  • Notations : eine ungeordnete Menge von Notation Information Items , die in einer DTD des Dokuments (sofern vorhanden) definiert wurden.
  • Unparsed Entities : eine ungeordnete Menge von Unparsed Entity Information Items . Ein Parser ist ein Programm, das eine Syntaxanalyse eines Eingabestroms ausführt. Entities kann man einfach umschreiben als "Kürzel", diese Kürzel werden vom Parser dann durch einen definierten Wert ersetzt. Nicht geparste Entitäten sind Informationen, die nicht durch den Parser analysiert werden, da sie üblicherweise nicht im XML-Format vorliegen (z.B. Binärdaten).
  • Base URI : Eine URI (zur entsprechenden Spezifikation, RFC 2396 )
  • Character Encoding Scheme : Die Zeichenkodierung (z.B. ISO-8859-1 , ISO-2022-JP , UTF-8 ), in der das Dokument gehalten ist (zur Liste international standardisierter Zeichenkodierungen ). Der Wert wird aus dem XML-Prolog des Dokuments übernommen.
  • Standalone : Legt fest, ob es externe Markup-Deklarationen gibt, die Einfluß auf das XML-Dokument haben, bevor es vom Parser an eine Applikation übergeben wird. Beispiel: vordefinierte default-Attributwerte. Der Wert wird aus dem XML-Prolog des Dokuments übernommen.
  • Version : Die verwendete XML-Version (1.0 oder 1.1). Der Wert wird aus dem XML-Prolog des Dokuments übernommen.
  • All Declarations Processed : Diese Eigenschaft ist streng genommen nicht Bestandteil des Infoset.Der Boole'sche Wert zeigt an, ob der verarbeitende Prozessor die gesamte DTD gelesen hat.

Der XML-Prolog

• erste Zeile in einem XML-Dokument.
• in der XML 1.0 optional, in der XML 1.1 hingegend zwingend vorgeschrieben

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

• Die Angabe der verwendeten XML-Version ist zwingend. Für XML 1.0 ist der Wert 1.0 anzugeben, für XML 1.1 entsprechend 1.1 .
• Optional folgt die Angabe der im Dokument verwendeten Zeichenkodierung. Hierbei wird empfohlen, daß nur bei der Internet Assigned Numbers Authority (IANA) als Zeichensatz registrierte Zeichenkodierungen verwendet werden. Andere Kodierungen sollen durch das einführende Präfix x- im Namen kenntlich gemacht werden.
• Ebenfalls optional folgt hierauf die Standalone Document Declaration.

Document Information Item - Beispiel XHTML Dokument

Das Document Information Item des ersten XHTML Beispiels beinhaltet folgende Informationen

• Das Element Information Item html als Wurzelelement des Dokuments
• Das gleiche Element Information Item als einziges Element einer geordneten Reihe von Kindknoten
• Die in der XHTML DTD definierten Notations
• Die Basis URI des Dokuments: http://www.barbara-zengler.de/vorlesung/erstes-XML-dokument-html-beispiel.xml .
• Die im Dokument verwendete Zeichenkodierung: UTF-8
• Standalone: no , denn es gibt eine DTD zu diesem Dokument, die eventuell Vorbelegungen für Attributwerte definiert.
• Die im Dokument verwendete XML-Version 1.0

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<!DOCTYPE PUBLIC "-//W3C//DTD XHTML 1.1//EN" "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
 <head>
  <title>Vorlesung i3.DATA (XML)</title>
 </head>
 <body>
  <h>Fachhochschule Augsburg</h>
  <section>
   <h>Studiengang IAM</h>
   <h>3. Semester</h>
   <h>Wintersemester 2008/2009</h>
   <p>Montag, 08:00h-09:30h, Raum I102</p>
  </section>
 </body>
</html>

Automatische Zeichensatzerkennung (1/2)

• Bevor ein XML-Prozessor die XML-Encoding-Deklaration in einem Dokument überhaupt erst lesen kann, muß er wissen, welche Zeichenkodierung verwendet wird. Genau das aber wird erst in der Deklaration mitgeteilt. Hier "beißt sich die Katze in den Schwanz".

[23]    XMLDecl         ::=   '<?xml' VersionInfo EncodingDecl? SDDecl? S? '?>'

• Ausweg durch automatische Zeichenerkennug.
• XML Prozessoren versuchen, anhand der ersten bekannten fünf Zeichen (Position und Inhalt der Zeichen ist festgelegt!) den Zeichensatz des Dokuments zu erkennen.
• Die Wahrscheinlichkeit, daß dies funktioniert, ist relativ hoch.
  Man geht davon aus, daß XML-Prozessoren nicht alle möglichen Kodierungen verstehen sondern nur eine begrenzte Menge davon.

Automatische Zeichensatzerkennung (2/2)

• Die folgenden Zeilen zeigen einen Auszug aus der XML-Grammatik, notiert in einer erweiterten Backus-Naur-Form (EBNF)

Prolog
[22]    prolog          ::=   XMLDecl Misc* (doctypedecl Misc*)?
[23]    XMLDecl         ::=   '<?xml' VersionInfo EncodingDecl? SDDecl? S? '?>'
[24]    VersionInfo     ::=   S 'version' Eq ("'" VersionNum "'" | '"' VersionNum '"')
[25]    Eq              ::=   S? '=' S?
[26]    VersionNum      ::=   '1.1'
[27]    Misc            ::=   Comment | PI | S
[80]    EncodingDecl    ::=   S 'encoding' Eq ('"' EncName '"' | "'" EncName "'" )
[81]    EncName         ::=   [A-Za-z] ([A-Za-z0-9._] | '-')* /* Encoding name contains only Latin characters */
[32]    SDDecl          ::=   S 'standalone' Eq (("'" ('yes' | 'no') "'") | ('"' ('yes' | 'no') '"'))
[3]     S               ::=   (#x20 | #x9 | #xD | #xA)+

• A* : Null oder mehrere Vorkommen von A
• A? : A oder nichts (optional A)
• A|B : A oder B
• A+ : Ein oder mehrere Vorkommen von A

Unicode

• Unicode ist ein Industriestandard, um verschiedene Alphabete und grafische Zeichen darzustellen.
• Drei verschiedene Codierungsformate: UTF-8, UTF-16 und UTF-32
• UTF-8: byteorientierte Version des Unicode-Standards mit variabler Codierungslänge. Die bekannten ASCII-Zeichen liegen werden mit den ersten 8 Bit dargestellt und benötigen so wenig Speicherplatz.
• UTF-16: in 16 Bit codiert, ermöglicht dieser Standard unter Zuhilfenahme sogenannter "Surrogate" die Codierung von 1.114.111 Zeichen. Variable Codierungslänge.
• UTF-32: mit einer festen Breite von 32 Bit erhöhrt UTF-32 den für ein Dokument benötigten Speicherplatz, erleichtert jedoch die Implementierung der Zeichencodierung und -decodierung.

Platzbedarf der verschiedenen Codierungsformate

Nachstehende Tabelle zeigt einen Überblick über den Platzbedarf des Zeichens A in den verschiedenen Codierungsformaten, sowie die Größe der Beispieldate in Byte

Mimik der UTF-8 Codierung

Die Nachfolgende Tabelle zeigt die Anwendung der UTF-8 Kodierung

Wahl des Codierungsformats in der Praxis

• Die Wahl des Codierungsformats hat Einfluß auf die Dateigröße.
• Umlaute werden in UTF-8 mit 16 Bit dargestellt.
• Für die Praxis: guten Kompromiß finden.
• Für Dokumente im deutschen Sprachraum hat sie die Verwendung von ISO-8859-1 (latin-1) eingebürgert. Problem: Dieser Zeichensatz unterstützt nicht das Euro-Symbol. Erst eine aktualisierte Version des Zeichensatzes mit dem Namen ISO-8859-1 hat das Eurozeichen mit an Bord.
• Bei zumeist ASCII Zeichen und nur vereinzelten Sonderzeichen: UTF-8 (flexibel!).
• Bei überwiegend Nicht-ASCII-Zeichen (z.B. russische, chinesische, arabische Dokumente) besser UTF-16

Beispiel arabisches Dokument

Auf dieser Seite sehen Sie ein arabisches Dokument, das die unterschiedlichen Dateigrößen je nach gewähltem Codierungsformat noch einmal veranschaulichen soll.

• UTF-8-Codierung: 1299 Byte
• UTF-16-Codierung: 966 Byte

Element Information Item

• Für jedes Element in einem XML-Dokument gibt es ein Element Information Item
• Ein Element aus dieser Menge entspricht der Document Element -Eigenschaft des Document Information Item , es entspricht dem Wurzelknoten des Dokuments.
• Auf alle anderen Element Information Item s eines Dokuments kann zugegriffen werden, indem rekursiv die Kindknoten besucht werden.
  • geordnete Liste von Kindknoten (keine Attribute!)
  • Namespace Name : die Identifikation des Namensraums, in dem sich das Element befindet.
  • Lokaler Name : entspricht dem (um Namensraumkürzel und trennenden Doppelpunkt gekürzten) Elementnamen
  • Präfix : das Namensraumkürzel, das zusammen mit dem Local Name den kompletten Elementnamen bildet. Dient der Identifikation eines Elements.
  • Attribute : ungeordnete Menge von Attribute Information Item s. Für jedes Attribut eines Elements, ob explizit spezifiziert oder von einer DTD übernommen, existiert ein Attribute Information Item. Namensraumdeklarationen erscheinen hier nicht.
  • Namespace Attribute : ungeordnete Menge von Attribute Information Item s, eines für jede Namensraumdeklaration dieses Elements.
  • In-Scope Namespaces : ungeordnete Menge von Namespace Information Items für jeden Namensraum, der für das aktuelle Element gültig ist.
  • Base URI : die Basis URI des Elements.
  • Parent : Dasjenige Document Information Item oder Element Information Item , in dessen Kindknoten das aktuelle Element enthalten ist.

Aufbau eines Elementnamens

Die Listings zeigen Elemente aus unseren Beispieldokumenten.

  <Hochschule>Fachhochschule Augsburg</Hochschule>
  <Studiengang semester="3">IAM</Studiengang>

  <h>Fachhochschule Augsburg</h>
  <section>
   <h>Studiengang IAM</h>
   <h>3. Semester</h>
   <h>Wintersemester 2008/2009</h>
   <p>Montag, 08:00h-09:30h, Raum I102</p>
  </section>

• Grenzen eines Elements: Startmarke und Endmarke (engl. Tag ). Mit den Tagnamen werden die Typen eines Dokuments definiert.
• Sonderfall leeres Element: Startmarke ist gleichzeitig Endmarke. Ein leeres Element besitzt folglich keine Kindknoten.

  <Pflichtfach/>

Information eines Element Information Items am Beispiel

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<Vorlesung>
  <Pflichtfach/>
  <Hochschule>Fachhochschule Augsburg</Hochschule>
  <Studiengang semester="3">IAM</Studiengang>
  <Titel>XML</Titel>
  <Semester>WS 2008/2009</Semester>
  Montag, 08:00h - 09:30h
  <Praktikum>Seminar</Praktikum>
</Vorlesung>

• Das Element Information Item des Elements Studiengang beinhaltet folgende Informationen:
  • Liste von Kindknoten: Drei Character Information Items. Sie formen die Zeichenkette IAM .
  • Namensraum-Name: leer
  • Lokaler Name: Studiengang
  • Präfix: keines
  • Ein Attribute Information Item für das Attribut semester .
  • Kein Namensraum-Attribut, da keine Namensraumdeklaration für das Element vorhanden (auch nicht für ein Elternelement, von dem es diese erben könnte).
  • In-Scope Namespaces: leere Menge.
  • Basis-URI: http://www.barbara-zengler.de/vorlesung/erstes-XML-dokument.xml
  • Parent: Das Element Information Item (gleichzeitig Document Information Item) des Elements Vorlesung .

Aufbau eines Elementnamens

Grammatik des Start-Tags:

[40]    STag            ::=   '<' Name (S Attribute)* S? '>'
[41]    Attribute       ::=   Name Eq AttValue

Grammatik des Ende-Tags:

[42]    ETag            ::=   '</' Name  S? '>'

Aufbau eines Elementnamens

Grammatik der Elementnamen:

[4]    NameStartChar   ::=   ":" | [A-Z] | "_" | [a-z] | [#xC0-#xD6] | [#xD8-#xF6] | [#xF8-#x2FF] | [#x370-#x37D] | [#x37F-#x1FFF] | [#x200C-#x200D] | [#x2070-#x218F] | [#x2C00-#x2FEF] | [#x3001-#xD7FF] | [#xF900-#xFDCF] | [#xFDF0-#xFFFD] | [#x10000-#xEFFFF]
[4a]   NameChar        ::=   NameStartChar | "-" | "." | [0-9] | #xB7 | [#x0300-#x036F] | [#x203F-#x2040]
[5]    Name            ::=   NameStartChar (NameChar)*
[6]    Names           ::=   Name (#x20 Name)*
[7]    Nmtoken         ::=   (NameChar)+
[8]    Nmtokens        ::=   Nmtoken (#x20 Nmtoken)*

• Aufbau der Elementnamen ähnlich wie Regeln aus den Programmiersprachen.
• Beginn mit einem Buchstaben, Doppelpunkt oder Unterstrich.
• Danach folgen beliebige für Namen zugelassene Zeichen.
• Leerzeichen und white spaces (z.B. Zeilenumbruch) sind in Namen nicht zugelassen!
• Auch öffnende und schließende Winkelklammern sind nicht erlaubt.
• Ein Doppelpunkt ist zwar erlaubt, sollte aber nicht verwendet werden, weil er bei der Verwendung von Namensräumen das Namenskürzel vom Elementnamen trennt.

Kleiner Vorgeschmack: Element mit Namensraum

Zur Verdeutlichung der Sonderstellung des Doppelpunkts ist hier ein Beispiel für ein Element mit deklarierten Namensraum aufgeführt:

<?xml version="1.1" encoding="UTF-8"?>
<Beispiel>
  <myNS:aParent xmlns:myNS="example.com">
    <myNS:anElement/>
  </myNS:aParent>
</Beispiel>

• Im Start-Tag des Elements aParent wird der Namensraum example.com definiert und dem Kürzel myNS zugewiesen.
• In Elternelementen deklarierte Bindungen von Namensräume an Kürzel stehen den Kindelementen automatisch zur Verfügung.
• Das Element Information Item anElement ergibt sich hiermit aus:
  • local name: aElement
  • namespace URI: example.com
  • prefix: myNS
• Nähere Ausführungen zu Namensräumen in der nächsten Vorlesung.

Tag vs. Element

Oftmals werden die Begriffe Tag und Element synonym verwendet. Dies ist jedoch nicht korrekt!

Ein Tag drückt lediglich den Namen eines Elements aus und liefert damit Information, die die Natur des Elements beschreibt. Dies kann durch beliebige erlaubte Zeichenketten geschehen, meistens trifft man jedoch sogenannte sprechende Tags an.
Ein Tag hat im Gegensatz zu einem Element keine Eltern- oder Kindknoten, etc. Es ist nur ein Bezeichner.

Semistrukturierte Information

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<Vorlesung>
  <Pflichtfach/>
  <Hochschule>Fachhochschule Augsburg</Hochschule>
  <Studiengang semester="3">IAM</Studiengang>
  <Titel>XML</Titel>
  <Semester>WS 2008/2009</Semester>
  Montag, 08:00h - 09:30h
  <Praktikum>Seminar</Praktikum>
</Vorlesung>

• Verschiedenartige Strukturierungsmöglichkeiten in einem XML-Dokument
• Starke Verwendung von Elementen und Attributen führt zu stark strukturierter Darstellung von Daten
• eingestreuter Freitext ist möglich: Semistrukturierung
• Im Beispiel: rein zeichenkettenartiger Inhalt in den Elementen Hochschule und Titel
• Vorlesung mischt strukturierten Inhalt (Kindelemente) und unstrukturierte Information (Text Montag, 15:40h - 18:50h )
• In der XML-Sprache wird dies als mixed Content bezeichnert Charakteristisch für viele XML-Dokumente.

Attribute

• In unserem Beispiel ist auch ein Attribut enthalten ( semester="3" )
• Attribute werden als Namen-Wert-Paare im Start-Tag deklariert
• In einem Attribut dürfen keine Symbole wie z.B. die öffnende Winkelklammer verwendet werden, die falsch interpretiert werden könnten.
• Ein Attribut besitzt im Gegensatz zu einem Element keine weitere Unterstrukturierung. Der gesamte Attributinhalt wird als sogenannter Normalisierter Wert dargestellt.
• Die Menge der Attribute für ein Element ist nicht geordnet
• Ein bestimmtes Attribut darf in einem Element nur genau ein mal vorkommen.

Attribute Information Item

• Für jedes Attribut eines Elements gibt es ein Attribute Information Item mit folgenden Eigenschaften:
  • Namespace Name : der Namensraum des Attributs, falls definiert.
  • Lokaler Name : entspricht dem (um evtl. Namensraumkürzel und trennenden Doppelpunkt gekürzten) Attributnamen
  • Präfix : Das Namensraumkürzel des Namensraums, in dem sich das Attribut befindet.
  • Normalisierter Wert : Normalisierter Attributinhalt. Die Normalisierung von Attributwerten ist in Abschnitt 3.3.3 der XML-Spezifikation beschrieben. Beispielsweise werden dabei alle Zeilenumbrüche entfernt und Entitätsreferenzen werden aufgelöst.
  • Specified : zeigt an, ob das Attribut tatsächlich im Start-Tag des Elementes spezifiziert wurde, oder ob es durch eine DTD vorgegeben ist.
  • Attributtyp : Typ des Attributs, wie in der DTD festgelegt. Zugelassene Werte sind ID , IDREF , IDREFS , ENTITY , ENTITIES , NMTOKEN , NMTOKENS , NOTATION , CDATA , und ENUMERATION
  • Referenzen : Handelt es sich bei dem Attribut um ein Referenzattribut (d.h. es ist vom Typ IDREF(S) , ENTITY , ENTITIES oder NOTATION ), so enthält diese Eigenschaft eine Verweisliste auf alle Auftreten des Attributwertes
  • Eigentümerelement : Ein Verweis auf das Element, zu dem das Attribut gehört.

Element oder Attribut?

• Vergleicht man die Eigenschaften von Elementen und Attributen, so erkennt man, daß sich nicht weiter strukturierte Information aus als Attribute darstellen ließe.
• Wie soll man nun sein XML-Dokument entwerfen, wie das Vokabular strukturieren?
• Die XML-Spezifikation gibt uns hierauf keine Antwort.
• Attribute sind nicht weiter strukturiert, daher bietet sich ihr Einsatz nur in Sonderfällen an.
• Beispiel: Beschreibende Information zum Element, Meta-Information.
• Elemente werden eingesetzt, wenn Information weiter strukturiert werden muß.
• Werden DTDs verwendet, sind Attribute die einzige Möglichkeit, Daten zu typisieren. Mit der Verwendung von XML-Schema, das Typisierung auch für Elementinhalt erlaubt, schwindet dieser Vorteil.

Character Information Item

• Zeichenketten-Daten, die Inhalt eines Elementes sind.
• Jedes einzelne dieser Zeichen wird als Character Information Item mit folgenden Eigenschaften dargestellt:
  • Character Code : Der ISO-10646 Zeichencode des jeweiligen Zeichens.
  • Element Content Whitespace : Ein Boole'scher Wert. Er zeigt an, ob das aktuelle Zeichen ein white space Zeichen darstellt, das laut DTD als Elementinhalt erhalten werden soll. Whitespace-Zeichen werden oft verwendet, um ein XML-Dokument visuell besser zu strukturieren. Wenn die DTD keine derartige Deklaration beinhaltet, oder keine DTD zum Dokument existiert, so bestitzt diese Eigenschaft keinen Wert.
  • Parent : Verweis auf das Element, in dem das Zeichen enthalten ist.

Character Information Item

Im Folgenden ist zum besseren Verständnis nochmals unser Beispieldokument in der Zusammenschau mit seinem Information Set aufgeführt.

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<Vorlesung>
  <Pflichtfach/>
  <Hochschule>Fachhochschule Augsburg</Hochschule>
  <Studiengang semester="3">IAM</Studiengang>
  <Titel>XML</Titel>
  <Semester>WS 2008/2009</Semester>
  Montag, 08:00h - 09:30h
  <Praktikum>Seminar</Praktikum>
</Vorlesung>

Zeichenersetzungsmuster

Eine Reihe von Zeichen dürfen nicht als Text in einem XML-Dokument vorkommen, weil sie als Metasymbole der XML selbst dienen. Für diese Zeichen gibt es vordefinierte sogenannte Fluchtsymbole (escape characters), die stattdessen verwendet werden können ( Nachlesen in XML-Spezifikation ). XML-Prozessoren berücksichtigen diese Symbole und geben sie in der korrekten Darstellung an die Applikation weiter.

Comment Information Item

• Syntax für Kommentare wie in SGML (und damit auch wie in HTML)
• Kommentare sind an folgenden Stellen in einem XML-Dokument erlaubt:
  • Nach dem Prolog
  • An jeder beliebigen Stelle des XML-Dokuments außerhalb von Markup.
  • Folglich:
    • Keine Kommentare in Tags (innerhalb der spitzen Klammern)!
    • Keine Schachtelung von Kommentaren (weil Kommentare selbst Markup darstellen)!
  • Aus Kompatibilitätsgründen zur SGML darf innerhalb von Kommentaren kein doppelter Bindestrich vorkommen ( -- )
  • Ansonsten dürfen in Kommentaren auch Markup-Symbole wie etwa < oder ' vorkommen.
  • Der Inhalt von Kommentaren wird nicht verarbeitet, daher wird auch kein verarbeitender Zugriff von Prozessoren und APIs unterstützt.

Comment Information Item

Grammatik für XML-Kommentare

[15]    Comment         ::=   '<!--' ((Char - '-') | ('-' (Char - '-')))* '-->'

Beispiel

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Vorlesung>
  <Pflichtfach/>
  <!-- Dies ist ein gültiger Kommentar -->
  <!-- Dieser Kommentar - und auch der Folgende - sind auch gültig!-->
  <!-- <Hochschule>Fachhochschule Augsburg</Hochschule>
  <Studiengang semester="3">IAM</Studiengang>
  <Titel>XML</Titel> -->
  <!-- Aber jetzt wird es kritisch. Dies -- ist KEIN gültiger Kommentar! -->
  <!-- Dies ist ebenfalls ungültig --->
  <!-- Und dies hier <!-- erst recht --> -->
</Vorlesung>

Comment Information Item

Eigenschaften des Comment Information Item

• Content : Der gesamte Inhalt des Kommentars als uninterpretierte Zeichenkette
• Parent : Referenz auf den Elternknoten ( Document Information Item oder Element Information Item

Document Type Declaration

• Wenn für ein Dokument eine Grammatik in Form einer DTD existiert, wird dies in einer sogenannten DOCTYPE -Deklaration angezeigt.
• Die DOCTYPE -Deklaration befindet sich am Anfang des Dokuments vor dem ersten Element. ( In XML-Spezifikation nachschlagen)
• Mit Hilfe dieser Deklaration wird angezeigt, an welchem Ort die DTD abgelegt ist.
• Alternativ kann eine DTD auch in die Doctype-Deklaration eingebettet werden.

Document Type Declaration - Grammatik

Grammatik für DTDs

[1]     document        ::=   ( prolog element Misc* ) - ( Char* RestrictedChar Char* )
[22]    prolog          ::=   XMLDecl Misc* (doctypedecl Misc*)?
[28]    doctypedecl     ::=   '<!DOCTYPE' S Name (S ExternalID)? S? ('[' intSubset ']' S?)? '>'
[28a]   DeclSep         ::=   PEReference | S
[28b]   intSubset       ::=   (markupdecl | DeclSep)*
[29]    markupdecl      ::=   elementdecl | AttlistDecl | EntityDecl | NotationDecl | PI | Comment

Document Type Declaration - Beispiel

Beispiel

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE someContent SYSTEM "abc.dtd">
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
<einErlaubtesElement/>

• Warum ist dieses Dokument fehlerhaft? (Auflösung mit Taste n )
  Die Möglichkeit, für ein Dokument zwei Grammatiken angeben zu können, ist im allgemeinen nicht sinnvoll.
  Für jedes XML-Dokument darf es daher maximal eine Dokumenttyp-Definition geben, der das Dokument genügen muß.
  In obigem Beispiel sind zwei DTDs angegeben.

Document Type Declaration Information Item

Das DTD Information Item enthält all die Information, die in einem XML-Dokument über die DTD verfügbar ist:

• System Identifier : Verweis auf eine externe DTD, sofern vorhanden.
• Public Identifier :Verweis auf eine externe DTD, die durch einen public identifier identifiziert wird.
• Kindknoten : geordnete Menge von Processing Instruction Information Item s aus der DTD (in der Reihenfolge ihres Erscheinens)
• Elternknoten (Parent) : Das Document Information Item

Namespace Declaration Information Item

Für jeden Namensraum, der in einem XML-Dokument definiert wird, existiert ein Namespace Declaration Information Item mit folgenden Eigenschaften:

• Präfix : das Präfix, an das der Namensraum gebunden wird.
• Namespace Name : Der System Identifier der Entität (im Beispiel xyz.gif ).

Namespace Declaration - Beispiel

Im folgenden XML-Dokument sehen Sie ein Beispieldokument mit Namensräumen.

<?xml version="1.0" encoding="UTF-8"?>
<wurzelelement>
  <elementA>...</elementA>
  <elementB xmlns="http://www.fh-augsburg.de">...</elementB>
  <elementC xmlns:abc="http://www.example.com">
     ...
    <abc:elementD/>
  </elementC>
</wurzelelement>

• Im Start-Tag von elementB wird der sogenannte Vorgabenamensraum mit dem Namensraum http://www.fh-augsburg.de überschrieben. elementB befindet sich damit automatisch in diesem Namensraum.
• Im Start-Tag von elementC wird der Namensraum http://www.example.com dem Kürzel abc zugewiesen. Das Element wird diesem Namensraum jedoch nicht zugeordnet.
• Dessen Kindelement elementD kennt die Namensraumdeklarationen seines Elternteils. Es wird dem Namensraum http://www.example.com zugewiesen, indem das Präfix dem Elementnamen (getrennt durch : ) vorangestellt wird.

Namespace Declaration - Beispiel

Nachfolgend sehen Sie erneut unser Beispiel mit einer Auflistung der Namensräume für jedes Element.

<?xml version="1.0" encoding="UTF-8"?>
<wurzelelement>
  <elementA>...</elementA>
  <elementB xmlns="http://www.fh-augsburg.de">...</elementB>
  <elementC xmlns:abc="http://www.example.com">
     ...
    <abc:elementD/>
  </elementC>
</wurzelelement>

Processing Instruction

• Mit Processing Instructions (PIs) kann man Applikationen Hinweise und Anweisungen zur Verarbeitung eines XML-Dokuments geben.
• PIs gehören nicht zu den zeichenartigen Daten eines XML-Dokuments. Sie werden aber vom Prozessor an die Anwendung übergeben.
• Der erste Bezeichner in einer Processing Instruction dient dazu, die verarbeitende Applikation zu identifizieren. Die Zeichenkette XML ist in sämtlichen Variationen hiervon ausgeschlossen.
• PIs können an beliebigen Stellen eines Dokuments auftreten: Vor dem Wurzelelement sowie innerhalb des Dokuments.
• Wie bei Kommentaren ist es nicht erlaubt, PIs in Elementbezeichnern und Attributen anzugeben.

Processing Instruction

• PIs passen eigentlich nicht zur Idee einer beschreibenden Auszeichnungssprache für Dokumente, da sie keine beschreibende Information über den Inhalt des Dokuments darstellen.
• Aus Kompatibilitätsgründen zur SGML wurden sie dennoch beibehalten.
• Auch der XML-Prolog ist im Grunde genommen eine PI.
• Empfehlung: Verwenden Sie keine PIs. Auch wenn diese manchmal eine verführerisch einfache Möglichkeit zur Lösung eines Problems darstellen, lösen Sie Ihr Problem lieber sauber!

Processing Instruction - Grammatik und Beispiel

Grammatik für Processing Instructions

[16]    PI              ::=   '<?' PITarget (S (Char* - (Char* '?>' Char*)))? '?>'
[17]    PITarget        ::=   Name - (('X' | 'x') ('M' | 'm') ('L' | 'l'))

Beispiel

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Vorlesung>
  <Pflichtfach/>
  <?System1 a="3"?>
  ...
  <Praktikum>Seminar</Praktikum>
</Vorlesung>

Processing Instruction Information Item

Infoset-Eigenschaften eines Processing Instruction Information Item

• Target : Der Name der Zielapplikation als Zeichenkette.
• Inhalt : Eine Zeichenkette mit dem Inhalt der PI, jedoch ohne den Namen der Zielapplikation und darauffolgendem WhiteSpace.
• Basis URI : Die Basis URI der PI.
• Notation : Wenn der Name der Zielapplikation in Form einer Notation vorliegt, eine Referenz auf das entsprechende Notation Information Item .
• Parent : Referenz auf das Elternelement der PI, entweder ein Element Information Item oder ein Document Information Item (für PIs außerhalb des Wurzelelementes).

Notation Information Item

• Deklarationen von Notations sind strenggenommen Bestandteile von DTDs, nicht von XML-Dokumenten.
• Sie werden aber im Infoset berücksichtigt und sind stark mit Processing Instruction Information Items verknüpft.
• Mit Notations kann man Dateninhalten externe Quellen zuordnen. Man erhoffte sich hierdurch das, was durch ein XML-Dokument ausgedrückt werden kann, zu erweitern.
• Notations werden jedoch von XML-Parsern nicht berücksichtigt! Sollen diese ausgewertet werden, so muß dies in der darüberliegenden Applikation erfolgen!
• Notation-Deklarationen sind in DTD-Syntax und kein XML !

Notation

• Notations werden etwa für sog. unparsed Entities angewendet. Hier weden einfach Zeichenketten einem Namen zugeordnet.
• Die Zeichenketten dienen der Identifikation des Systems, das die Information verarbeitet.
• Für standardisierte Information sind sogenannte Public Identifier verfügbar.
• System Identifier verweisen auf eine bekannte URI oder ein installiertes Anwendungsprogramm.

Notation - Grammatik

Grammatik für Notations

[82]    NotationDecl    ::=   '<!NOTATION' S  Name  S (ExternalID | PublicID) S? '>'
[83]    PublicID        ::=   'PUBLIC' S PubidLiteral
[75]    ExternalID      ::=   'SYSTEM' S  SystemLiteral | 'PUBLIC' S PubidLiteral S SystemLiteral
[11]    SystemLiteral   ::=   ('"' [^"]* '"') | ("'" [^']* "'")
[12]    PubidLiteral    ::=   '"' PubidChar* '"' | "'" (PubidChar - "'")* "'"
[13]    PubidChar       ::=   #x20 | #xD | #xA | [a-zA-Z0-9] | [-'()+,./:=?;!*#@$_%]

Notation - Beispiel

Beispiel

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE someContent [
<!NOTATION isoDate SYSTEM "http://www.iso.ch/markete/8601.pdf">
<!NOTATION gif PUBLIC            
    "-//Compuserve Information Services//NOTATION Graphics Interchange     
        Format//EN">
<!NOTATION hex SYSTEM "hexEditor.exe">
<!ELEMENT someContent (#PCDATA)>
<!ATTLIST someContent format NOTATION (hex) #IMPLIED> ]>

<someContent format="hex">4C 65 74 20 61 6C 6C 20 68 6F 70 65 20 61 
62 61 6E 64 6F 6E 2C 20 79 65 20 77 68 6F 20 6D 61 79 20 65 6E 74 
65 72 20 68 65 72 65 21</someContent>

• Die genaue Bedeutung der DTD Konstrukte werden im entsprechenden Teil der Vorlesung noch behandelt.
• Drei Notationen: isoDate , gif und hex .
• Die hex -Notation wird im Dokument verwendet.
• Man könnte hiermit auf die Idee kommen, Strukturen wie Datentypen nachbilden zu wollen. Aber Achtung: Diese Strukturen müssen dann in der Programmierung der Applikation berücksichtigt werden.
• Mithilfe der System-Referenzen alleine wird nicht klar, ob auf ein Dokument, ein System oder eine ausführbare Anwendung verwiesen wird.
• Der Public Identifier gif stellt hier nur eine weltweit eindeutige Benennung dar.
• Soll auf einen Ort im System verwiesen werden, der die dargestellte Information verarbeitet, kann zusätzlich ein System Identifier angegeben werden.

Notation Information Item

Infoset-Eigenschaften eines Notation Information Item

• Name : Name der Notation
• System Identifier : Der System Identifier der Notation wie er in der Deklaration angegeben wird, ohne Fluchtsymbole in der URI.
• Public Identifier :Der Public Identifier der Notation, hier wird der Inhalt der URI normalisiert (Whitespace-Zeichen werden in Leerzeichen umgewandelt, Leerzeichen zu Beginn und Ende der Zeichenkette werden entfernt)
• Declaration Base URI : Die Base URI, zu der der System Identifier relativ aufgelöst werden soll (z.B. Die Base URI der Ressource, in der die Notation deklariert wurde).

Unexpanded Entity Reference

• Mechanismus, der für die fünf in der XML vordefinierten Textersetzungsmuster ( & , < , > , ' , " ) verwendet wurde
• Mit diesem Mechanismus können eigene Ersetzungsmuster ( Entities ) definiert werden.
• Definition von Textersetzungsmustern ist nur in der DTD möglich. Ihre Syntax ist nicht XML!
• Die Verwendung der Entitäten ist innerhalb von Elementen als sog. Element Content gestattet. In Element- und Attributnamen können Entitäten demnach nicht verwendet werden.

Unexpanded Entity Reference - Grammatik

Grammatik für Unexpanded Entity References

[71]    GEDecl          ::=   '<!ENTITY' S Name S EntityDef S? '>'
[4]     NameChar        ::=   Letter | Digit | '.' | '-' | '_' | ':' | CombiningChar |    Extender
[73]    EntityDef       ::=   EntityValue | (ExternalID     NDataDecl?)
[9]     EntityValue     ::=   '"' ([^%&"] | PEReference | Reference)* '"' | "'" ([^%&'] | PEReference | Reference)* "'"
[76]    NDataDecl       ::=   S 'NDATA' S Name

• Zwei Klassen von Entitäten
  • Interne Entitäten: ihr Wert ist direkt neben dem Schlüsselwort Entity angegeben
  • Externe Entitäten: sie werden durch eine URI oder einen öffentlichen Bezeichner identifiziert

Unexpanded Entity Reference - Beispiel

Beispiel

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE someContent [
 <!ELEMENT someContent ANY>
 <!ENTITY entA "xyz">
 <!ENTITY entB SYSTEM "http://www.barbara-zengler.de/vorlesung/toc.html">
 <!ENTITY entC PUBLIC "-//FHA//Symbol//DE" "file://symbols">
]>
<someContent>
&entA;
&entB;
&entC;
</someContent>

• Verwendung von Entitäten mit Kaufmanns-Und ( & ) und abschließendem Strichpunkt ( ; )
• entA ist eine interne Entität und wird durch die Zeichen xyz ersetzt
• entB und entC sind Referenzen auf externe Ressourcen.
• entC definiert darüberhinaus, daß es eine unter dem Namen -//FHA//Symbol//DE öffentlich bekannte Quelle ( file://symbols ) referenziert.

Unexpanded Entity Reference Information Item

Solange die Entitätsreferenzen noch nicht durch den Prozessor ersetzt (=expandiert) sind, liegen sie im Information Set als Unexpanded Entity Reference Information Item vor. Es hat folgende Eigenschaften:

• Name : der Name der referenzierten Entität.
• System Identifier : Der System Identifier der Entität.
• Public Identifier : Der normalisierte Public Identifier der Entität.
• Declaration Base URI : Die Base URI, zu der der System Identifier relativ aufgelöst werden soll (z.B. Die Base URI der Ressource, in der die Entität deklariert wurde).
• Elternknoten (Parent) : Das Element Information Item , in dessen Inhalt die Entitätsreferenz verwendet wurde.

Unparsed Entity Reference

• Entität, die explizit durch den XML-Prozessor nicht zu analysieren/prüfen ist.
• Informationenliegen üblicherweise nicht im XML-Format vor, sondern z.B. als Binärdaten. So können Bilder, Videos, o.ä. referenziert werden.

Unparsed Entity Reference - Grammatik

Die Grammatik für ungeprüfte Entitätsreferenzen ist Teil der Grammatik für Unexpanded Entity References (hier erneut aufgeführt).

[71]    GEDecl          ::=   '<!ENTITY' S Name S EntityDef S? '>'
[4]     NameChar        ::=   Letter | Digit | '.' | '-' | '_' | ':' | CombiningChar |    Extender
[73]    EntityDef       ::=   EntityValue | (ExternalID     NDataDecl?)
[9]     EntityValue     ::=   '"' ([^%&"] | PEReference | Reference)* '"' | "'" ([^%&'] | PEReference | Reference)* "'"
[76]    NDataDecl       ::=   S 'NDATA' S Name

• Produktion 76 definiert die nicht zu prüfende Entität

Unparsed Entity Reference - Beispiel

Beispiel

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE someContent [
 <!ELEMENT someContent ANY>
 <!NOTATION gif PUBLIC "-//Compuserve Information Services//NOTATION Graphics Interchange Format//EN">
 <!ENTITY entA SYSTEM "xyz.gif" NDATA gif>
]>
<someContent>
&entA;
</someContent>

• In Zeile 4 wird die öffentlich bekannte Notation gif definiert.
• Die Entität entA verwendet diese Notation und deklariert sie als Referenz auf den nicht zu prüfenden Inhalt ( NDATA für Non-Parsed-Data) der Ressource xyz.gif
• Innerhalb des Elements someContent wird die Entitätsreferenz entA verwendet. An dieser Stelle wird demnach die Grafikdatei in das XML-Dokument aufgenommen.

Unparsed Entity Reference Information Item

Für jede nicht geprüfte Entität eines XML-Dokuments gibt es ein Unparsed Entity Reference Information Item . Es hat folgende Eigenschaften:

• Name : der Name der Entität.
• System Identifier : Der System Identifier der Entität (im Beispiel xyz.gif ).
• Public Identifier : Der normalisierte öffentliche Identifier der Entität.
• Declaration Base URI : Die Base URI, zu der der System Identifier relativ aufgelöst werden soll (z.B. Die Base URI der Ressource, in der die Entität deklariert wurde).
• Notation Name : Der Name der Notation, mit der die Entität verknüpft ist (im Beispiel gif ).
• Notation : Das Notation Information Item der Notation, die durch den Notation Name benannt ist.

Infoset - Übersicht

Wohlgeformtheit

Ein XML-Dokument, das den Prinzipien zur Strukturierung aus dem Information Set genügt, ist ein wohlgeformtes Dokument. Insbesondere genügt es folgenden 10 Regeln:

• Es enthält den Prolog inkl. der XML-Deklaration.
• Das XML-Dokument nutzt eine DTD, oder enthält die Deklaration standalone="yes".
• Es gibt genau ein Wurzelelement.
  Ein Dokument ohne Wurzelelement ist nicht wohlgeformt!
• Zu jedem Start-Tag existiert genau ein Ende-Tag. Im Fall von leeren Elementen können beide zusammenfallen.
• Die Elemente sind sauber ineinander geschachtelt.
• Ein Attributenamen darf nur einmal im selben Start-Tag oder Empty-Element-Tag vorkommen.
• Alle Attributwerte sind in einfachen oder doppelten Anführungszeichen.
• Attributwerte dürfen die Zeichen < und & nicht enhalten.
• Keine Kommentare oder Processing Instructions innerhalb von Tags.
• Kommentare beginnen und enden mit genau zwei Bindestrichen.

Wohlgeformtheit - Beispiel

Das folgende Beispiel zeigt ein nicht wohlgeformtes XML-Dokument, das mehreren Anforderungen nicht genügt.

<?xml version="1.0"?>
<root>
 <elementA att=a oder b>
  <elementB> if a<b ==> c
 </elementA>
 <elementC att1="42" att1="3.14">
  <elementD <?do-something?> >
 </elementC>
  </elementD>

 <!---- dies ist nicht erlaubt ---->
</root>

• Attributwert in Zeile 3 nicht in Hochkommata eingeschlossen.
• Öffnende Winkelklammer als Elementinhalt in Zeile 4. Hier hätte das Fluchtsymbol < verwendet werden müssen.
• Kein schließendes Tag zu elementB vorhanden.
• In elementC kommt der Attributname att1 zweimal vor.
• Im öffnenden Tag von elementD steht eine dort nicht zugelassene Processing Instruction.
• elementC und elementD sind nicht sauber geschachtelt.
• Der Kommentar in Zeile 11 hat fehlerhafte Begrenzer (korrekt wären genau zwei Bindestriche).

Weiterführende Links

• XML Information Set
• Unicode
• SC Unipad, ein Unicode Texteditor zum freien Download (Zeichenanzahl in der freien Version beschränkt.)
• Artikel über Entitäten auf XML.COM