XML

XML (Extensible Markup Language)

Strukturierte Daten in einer Textdatei
oder: Text mit strukturierenden Angaben

<artikel letzteÄnderung="2002-06-19">
<überschrift>Ein Beispiel</überschrift>
<körper>
Zwei mal zwei gibt nach
<person typ="historisch">Adam Riese</person> vier.
</körper>
</artikel>

oder:

<rechnung>
<empfänger>
    <vorname>Karlheinz</vorname>
    <nachname>Müller</nachname>
</empfänger>
<posten anzahl="1" preis="3,95" währung="EUR">
    Wärmflasche
</posten>
<posten anzahl="2" preis="16,34" währung="EUR">
    Wolldecke
</posten>
</rechnung>

XML-Editoren (Beispiele gezeigt) präsentieren solche Dateien typischerweise als Baum. Das geht, weil die Elemente sauber verschachtelt sein müssen; vor einem End-Tag müssen alle zwischenzeitlich geöffneten Elemente erst geschlossen werden. Zum Beispiel ist deshalb ungültig:

<körper>Das war <person>Karlheinz</körper></person>

Vorteile von strukturiertem Text:

Klartext, damit von Mensch zu lesen
vielseitig maschinell zu verabeiten: z.B. um eine Rechnung auszugeben, aber auch die Buchung durchzuführen. Für große Textsammlungen (Dokumentationen, Forschung, E-Bibliotheken): leichtere Suche, leichtere Umwandlung in andere Formate.
maschinell überprüfbar (Hat jeder Rechnung einen Empfänger und mindestens einen Posten? Hat jeder Posten die Attribute anzahl, preis und währung? usw.)

Idee: Alle Daten zunächst so anlegen, mit maximaler Informationsdichte, dann ggf. weiterverarbeiten (Druck, Finanzbuchhaltung, Web, Sprachausgabe usw.).

Diese Idee ist nicht neu:
1969: Goldfarb, Mosher und Lorie entwickeln bei IBM die "Generalized Markup Language" (GML) für juristische Informationssysteme
1985: Das daraus entwickelte SGML, die Standard Generalized Markup Language, wird ISO-Standard
1992: HTML als SGML-Ausprägung
1998: XML 1.0, die "Extensible Markup Language", wird Standard (W3C Recommendation)

XML ist eine schlanke Version von SGML. Beides sind Metasprachen, in denen man eigene Tags definiert (<rechnung> etc.), daher das "extensible" bei XML. HTML ist dagegen eine Anwendung/Ausprägung ("application") von SGML, hat damit einen genau festgelegten Sprachschatz. XHTML ist eine Ausprägung von XML, also ebenfalls mit festem Sprachschatz (praktisch identisch mit HTML).

Weitere Ausprägungen:

TEI: Text Encoding Initivative, vor allem historische Sammlungen
DocBook u.a. für Linux-Dokumentationen verwendet
XML/EDI: Electronic Data Interchange (Finanzbuchhaltung)
MathML für mathematische Formeln
CML für chemische Formeln
OpenOffice.org-Dateiformat (entzippen!)
Cinema4D-Dateiformat
MusicXML
usw.

Man darf verschiedene XML-Ausprägungen parallel im gleichen Dokument verwenden, z.B. XHTML und eine selbstgemachte Ausprägung:

<h1>Ein Beispiel</h1>
<p>
Zwei mal zwei gibt nach
<person typ="historisch">Adam Riese</person> vier.
</p>

Jede Software kann sich dann daraus den Teil herauspicken, den sie versteht. Beispiel: mit Microsoft^® Word^® erzeugtes Pseudo-HTML