XML bien formado y XML válido

Un documento XML puede estar bien formado y puede que además sea válido.

Un documento XML está bien formado si se aplican las reglas definidas anteriormente. En caso de que no sea así, el analizador sintáctico de turno generará un mensaje de error y detendrá el análisis del documento, como puede comprobarse con este ejemplo en un simple navegador.

Un documento XML es además válido si se ajusta a las limitaciones que le imponga una DTD, o un esquema:

• Una DTD es un documento escrito en un lenguaje creado a partir de SGML, gracias al cual se pueden especificar nombres de elementos concretos —por ejemplo, los elementos de XHTML—, y asignarles los atributos que aceptan y los valores legales para estos, los elementos que se pueden anidar en ellos y con qué frecuencia pueden o deben aparecer, y, en definitiva, todas las restricciones que convierten XML en una aplicación XML, término con el que se designa a un subconjunto de este lenguaje delimitado a una serie de elementos y dirigido a marcar un tipo de datos concreto¹. En nuestro caso, XHTML sería la aplicación XML dirigida a marcar contenidos para la web.
• Un esquema es un documento creado en un lenguaje que sí está basado en XML, y cuya finalidad es la misma que la de una DTD: especificar restricciones para un documento XML. El W3C ha creado un documento explicativo sobre esquemas (inglés), y ha desarrollado una recomendación sobre sus estructuras (inglés), otra sobre los tipos de datos (inglés), y un boceto sobre sus componentes (inglés).

Como veremos más adelante al tratar los conceptos básicos de XHTML, lo que más nos incumbe como desarrolladores se sitios web es la primera, que se ajusta mejor a lo que es un documento narrativo², como lo son los creados en XHTML.

Así, al comienzo de un documento XML se debe incluir la declaración XML, que tiene este aspecto:

    <?xml version="1.0" encoding="utf-8" standalone="no"?>
            

Por partes, lo que se especifica es lo siguiente:

• version: Indica la versión de XML que se está empleando. En el momento en que escribo esto, sólo hay dos: 1.0 y 1.1. Las diferencias (inglés) no son muy relevantes para nosotros.
• encoding: Especifica el juego de caracteres con el que se ha codificado el documento. Por defecto es UTF-8, así que, a menos que se especifique algún otro como ISO-8859-1, es opcional.
• standalone: Especifica si la validez del documento depende de otro documento externo —bien una DTD, bien un esquema—, en cuyo caso el valor es no, o si depende de una DTD incluida en el mismo documento, en cuyo caso se especifica yes. Este atributo no tiene valor por defecto, por lo que si no se especifica, el documento XML no puede validarse.

Veremos en qué nos afecta todo esto un poco más adelante.

Notas

1. Por ejemplo, DocBook (v5.0) (inglés) es una DTD que define elementos para marcar publicaciones técnicas y documentación de software, y que nada tiene que ver con la web.
2. Un documento narrativo (Narrative-Like Document) es aquel que está más dirigido a una lectura por parte de seres humanos, y que por tanto permite una combinación de textos y elementos marcados. Por contraposición, un documento de registro de datos (Record-Like Document) se centra en una serie de elementos anidados que contienen datos marcados pensando en un proceso automático posterior. La terminología la he sacado de XML in a nutshell, de Elliote Rusty Harold y W. Scott Means (más información en la sección de bibliografía).