Tema 1- Reconocimiento de las características

de lenguajes de marcas.
1.- Lenguajes de marcas.
Un "lenguaje de marcas" es un modo de codificar un documento donde, junto con el texto, se incorporan
etiquetas, marcas o anotaciones con información adicional relativa a la estructura del texto o su formato de
presentación. Permiten hacer explícita la estructura de un documento, su contenido semántico o cualquier
otra información lingüística o extralingüística que se quiera hacer patente.
Todo lenguaje de marcas está definido en un documento denominado DTD (Document Type Definition). En él
se establecen las marcas, los elementos utilizados por dicho lenguaje y sus correspondientes etiquetas y
atributos, su sintaxis y normas de uso.
Ejemplo:

Aunque en la práctica, en un mismo documento pueden combinarse varios tipos diferentes de lenguajes de
marca los lenguajes de marcas, éstos se pueden clasificar como sigue:
● De presentación: Define el formato del texto.
● De procedimientos: Orientado también a la presentación pero, en este caso, el programa que
representa el documento debe interpretar el código en el mismo orden en que aparece.
● Descriptivo o semántico: Describen las diferentes partes en las que se estructura el documento pero
sin especificar cómo deben representarse.

2.- Evolución de los lenguajes de marcas.

2.1.- GML (Generalized Markup Language).
El formato de documentos que se creó como resultado de este trabajo fue GML, cuyo objetivo era describir
los documentos de tal modo que el resultado fuese independiente de la plataforma y la aplicación utilizada.

2.2.- SGML (Standard Generalized Markup Language).

El formato GML evolucionó hasta que en 1986 dio lugar al estándar ISO 8879 que se denominó SGML. Éste
era un lenguaje muy complejo y requería de unas herramientas de software caras. Por ello su uso ha
quedado relegado a grandes aplicaciones industriales.

2.3.- HTML (HyperText Markup Language).

En 1989/90 Tim Berners-Lee creó el World Wide Web y se encontró con la necesidad de organizar, enlazar y
compatibilizar gran cantidad de información procedente de diversos sistemas. Para resolverlo creó un
lenguaje de descripción de documentos llamado HTML, que, en realidad, era una combinación de dos
estándares ya existentes:
● ASCII: Es el formato que cualquier procesador de textos sencillo puede reconocer y almacenar. Por
tanto es un formato que permite la trasferencia de datos entre diferentes ordenadores.
● SGML: Lenguaje que permite dar estructura al texto, resaltando los títulos o aplicando diversos
formatos al texto.
HTML es una versión simplificada de SGML, ya que sólo se utilizaban las instrucciones absolutamente
imprescindibles. Era tan fácil de comprender que rápidamente tuvo gran aceptación logrando lo que no pudo
SGML, HTML se convirtió en un estándar general para la creación de páginas web. Además, tanto las
herramientas de software como los navegadores que permiten visualizar páginas HTML son cada vez
mejores.
A pesar de todas estas ventajas HTML no es un lenguaje perfecto, sus principales desventajas son:
● No soporta tareas de impresión y diseño.
● El lenguaje no es flexible, ya que las etiquetas son limitadas.
● No permite mostrar contenido dinámico.
● La estructura y el diseño están mezclados en el documento.

2.4.- XML (eXtensible Markup Language).

Para resolver estos problemas de HTML el W3C establece, en 1998, el estándar internacional XML, un
lenguaje de marcas puramente estructural que no incluye ninguna información relativa al diseño. Está
convirtiéndose con rapidez en estándar para el intercambio de datos en la Web. A diferencia de HTML las
etiquetas indican el significado de los datos en lugar del formato con el que se van a visualizar los datos.
XML es un metalenguaje caracterizado por:
● Permitir definir etiquetas propias.
● Permitir asignar atributos a las etiquetas.
● Utilizar un esquema para definir de forma exacta las etiquetas y los atributos.
● La estructura y el diseño son independientes.
En realidad XML es un conjunto de estándares relacionados entre sí y que son:
● XSL, eXtensible Style Language. Permite definir hojas de estilo para los documentos XML e incluye
capacidad para la transformación de documentos.
● XML Linking Language, incluye Xpath, Xlink y Xpointer. Determinan aspectos sobre los enlaces
entre documentos XML.
● XML Namespaces. Proveen un contexto al que se aplican las marcas de un documento de XML y
que sirve para diferenciarlas de otras con idéntico nombre válidas en otros contextos.
● XML Schemas. Permiten definir restricciones que se aplicarán a un documento XML. Actualmente los
más usados son las DTD.
Ejemplo Documento XML

2.5.- Comparación de XML con HTML.

XML HTML

● Es un perfil de SGML. ● Es una aplicación de SGML.

● Especifica cómo deben definirse conjuntos ● Aplica un conjunto limitado de etiquetas

de etiquetas aplicables a un tipo de sobre un único tipo de documento.
documento.

● Modelo de hiperenlaces complejo. ● Modelo de hiperenlaces simple.

● El navegador es una plataforma para el ● El navegador es un visor de páginas.

desarrollo de aplicaciones.

● Fin de la guerra de los navegadores y ● El problema de la 'no compatibilidad' y las

etiquetas propietarias. diferencias entre navegadores ha
alcanzado un punto en el que la solución
es difícil.
Fichero XML

Fichero HTML
2.6.- Comparación de XML con SGML.

XML SGML

● Su uso es sencillo. ● Su uso es muy complejo.

● Trabaja con documentos bien ● Sólo trabaja con documentos válidos.

formados, no exige que estén
validados.

● Facilita el desarrollo de aplicaciones de ● Su complejidad hace que las aplicaciones

bajo coste. informáticas para procesar SGML sean muy
costosas.

● Es muy utilizado en informática y en ● Sólo se utiliza en sectores muy específicos.

más áreas de aplicación.

● Compatibilidad e integración con HTML. ● No hay una compatibilidad con HTML

definida.

● Formateo y estilos fáciles de aplicar. ● Formateo y estilos relativamente complejos.

● No usa etiquetas opcionales.

3.- Etiquetas.
Los lenguajes de marcas utilizan una serie de etiquetas especiales intercaladas en un documento de texto sin
formato. Dichas etiquetas serán posteriormente interpretadas por los intérpretes del lenguaje y ayudan al
procesado del documento.
Las etiquetas se escriben encerradas entre ángulos, es decir < y >. Normalmente, se utilizan dos
etiquetas: una de inicio y otra de fin para indicar que ha terminado el efecto que queríamos presentar. La
única diferencia entre ambas es que la de cierre lleva una barra inclinada "/" antes del código.
<etiqueta>texto que sufrirá las consecuencias de la etiqueta</etiqueta>
Ejemplo: <u>Esto está subrayado</u>
Esto está subrayado
Las últimas especificaciones emitidas por el W3C indican la necesidad de que vayan escritas siempre en
minúsculas para considerar que el documento está correctamente creado.

4.- Herramientas de edición.

Para trabajar en XML es necesario editar los documentos y luego procesarlos, por tanto tenemos dos tipos de
herramientas:
Editores XML
● Una característica de los lenguajes de marcas es que se basan en la utilización de ficheros de texto
plano por lo que basta utilizar un procesador de texto normal y corriente para construir un documento
XML.
● Para crear documentos XML complejos e ir añadiendo datos es conveniente usar algún editor XML.
Estos nos ayudan a crear estructuras y etiquetas de los elementos usados en los documentos,
además algunos incluyen ayuda para la creación de otros elementos como DTD, hojas de estilo CSS
o XSL, ... El W3C ha desarrollado un editor de HTML, XHTML, CSS y XML gratuito cuyo nombre es
Amaya.
Procesadores XML
● Para interpretar el código XML se puede utilizar cualquier navegador. Los procesadores de XML
permiten leer los documentos XML y acceder a su contenido y estructura. Un procesador es un
conjunto de módulos de software entre los que se encuentra un parser o analizador de XML que
comprueba que el documento cumple las normas establecidas para que pueda abrirse. Estas normas
pueden corresponderse con las necesarias para trabajar sólo con documentos de tipo válido o sólo
exigir que el documento esté bien formado, primeros se conocen como validadores y los segundos
como no validadores. El modo en que los procesadores deben leer los datos XML está descrito en la
recomendación de XML establecida por W3C.
● Para publicar un documento XML en Internet se utilizan los procesadores XSLT, que permiten
generar archivos HTML a partir de documentos XML.
● Puesto que XML se puede utilizar para el intercambio de datos entre aplicaciones, hay que recurrir a
motores independientes que se ejecutan sin que nos demos cuenta. Entre estos destacan "XML para
Java" de IBM, JAXP de Sun, etc

5.- XML: estructura y sintaxis.

El XML, o Lenguaje de Etiquetas Extendido, es lenguaje de etiquetas, creadas por el programador, que
estructuran y guardan de forma ordenada la información. No representa datos por sí mismo, solamente
organiza la estructura.
El XML ahorra tiempos de desarrollo y proporciona ventajas, dotando a webs y a aplicaciones de una forma
realmente potente de guardar la información. Además, se ha convertido en un formato universal que ha sido
asimilado por todo tipo de sistemas operativos y dispositivos móviles.
Al igual que en HTML un documento XML es un documento de texto, en este caso con extensión ".xml",
compuesto de parejas de etiquetas, estructuradas en árbol, que describen una función en la organización del
documento, que puede editarse con cualquier editor de texto y que es interpretado por los navegadores Web.
Las características básicas de XML son:
● Dado que XML se concibió para trabajar en la Web, es directamente compatible con protocolos que ya
funcionan, como HTTP y los URL.
● Todo documento que verifique las reglas de XML está conforme con SGML.
● No se requieren conocimientos de programación para realizar tareas sencillas en XML.
● Los documentos XML son fáciles de crear.
● La difusión de los documentos XML está asegurada ya que cualquier procesador de XML puede leer
un documento de XML.
● El marcado de XML es legible para los humanos.
● El diseño XML es formal y conciso.
● XML es extensible, adaptable y aplicable a una gran variedad de situaciones.
● XML es orientado a objetos.
● Todo documento XML se compone exclusivamente de datos de marcado y datos carácter
entremezclados.
El proceso de creación de un documento XML pasa por varias etapas en las que el éxito de cada una de ellas
se basa en la calidad de la anterior. Estas etapas son:
● Especificación de requisitos.
● Diseño de etiquetas.
● Marcado de los documentos.
El marcado en XML son etiquetas que se añaden a un texto para estructurar el contenido del documento.
Esta información extra permite a los ordenadores "interpretar" los textos. El marcado es todo lo que se sitúa
entre los caracteres "<" y ">" o "&" y ";"
Los datos carácter son los que forman la verdadera información del documento XML.
El marcado puede ser tan rico como se quiera. Puede ser interesante detectar necesidades futuras y crear
documentos con una estructura fácilmente actualizables.
Los documentos XML pueden tener comentarios, que no son interpretados por el intérprete XML. Estos se
incluyen entre las cadenas "<!-" y "-->", pueden estar en cualquier posición en el documento salvo:
● Antes del prólogo.
● Dentro de una etiqueta.
Los documentos XML pueden estar formados por una parte opcional llamada prólogo y otra parte obligatoria
llamada ejemplar.

5.1.- El prólogo.
Si se incluye, el prólogo debe preceder al ejemplar del documento. Su inclusión facilita el procesado de la
información del ejemplar. El prólogo está dividido en dos partes:
La declaración XML: En el caso de incluirse ha de ser la primera línea del documento, de no ser así se
genera un error que impide que el documento sea procesado.
El hecho de que sea opcional permite el procesamiento de documentos HTML y SGML como si fueran XML,
si fuera obligatoria éstos deberían incluir una declaración de versión XML que no tienen.
El prólogo puede tener tres funciones:
○ Declaración la versión de XML usada para elaborar el documento.
Para ello se utiliza la etiqueta: <?xml versión= “1.0” ?>
En este caso indica que el documento fue creado para la versión 1.0 de XML.
○ Declaración de la codificación empleada para representar los caracteres.
Determina el conjunto de caracteres que se utiliza en el documento. Para ello se escribe:
<?xml versión= “1.0” encoding=”iso-8859-1” ?>
En este caso se usa el código iso-8859-1 (Latin-1) que permite el uso de acentos o caracteres
como la ñ.
 Los códigos más importantes son:

Estándar ISO Código de país

UTF-8 (Unicode) Conjunto de caracteres universal

ISO -8859-1 (Latin-1) Europa occidental, Latinoamérica

ISO -8859-2 (Latin-2) Europa central y oriental

ISO -8859-3 (Latin-3) Sudoeste de Europa

ISO -8859-4 (Latin-4) Países Escandinavos, Bálticos

ISO -8859-5 Cirílico

ISO -8859-6 Árabe

ISO -8859-7 Griego

ISO -8859-8 Hebreo

ISO -8859-9 Turco

ISO-8859-10 Lapón. Nórdico, esquimal

EUC-JP oder Shitf_JIS Japonés

○ Declaración de la autonomía del documento.

Informa de si el documento necesita de otro para su interpretación. Para declararlo hay que
definir el prólogo completo: <?xml versión= “1.0” encoding=”iso-8859-1” standalone=”no” ?>
En este caso, el documento es independiente, de no ser así el atributo standalone hubiese
tomado el valor "yes".
La declaración del tipo de documento: define qué tipo de documento estamos creando para ser procesado
correctamente. Toda declaración de tipo de documento comienza por la cadena:
<!DOCTYPE Nombre_tipo ...>

5.2.- El ejemplar. Los elementos.

Es la parte más importante de un documento XML, ya que contiene los datos reales del documento. Está
formado por elementos anidados.
Los elementos son los distintos bloques de información que permiten definir la estructura de un documento
XML. Está, delimitados por una etiqueta de apertura y una etiqueta de cierre. A su vez los elementos pueden
estar formados por otros elementos y/o por atributos.

El ejemplar es el elemento <libro>, que a su vez está

compuesto de los elementos <autor>, <editorial>,
<isbn>, <edicion> y <paginas>.
En realidad, el ejemplar es el elemento raíz de un documento XML. Todos los datos de un documento XML
han de pertenecer a un elemento del mismo.
Los nombres de las etiquetas han de ser autodescriptivos, lo que facilita el trabajo que se hace con ellas.
La formación de elementos ha de cumplir ciertas normas para que queden perfectamente definidos y que el
documento XML al que pertenecen pueda ser interpretado por los procesadores XML sin generar ningún error
fatal. Dichas reglas son:
● En todo documento XML debe existir un elemento raíz, y sólo uno.
● Todos los elementos tienen una etiqueta de inicio y otra de cierre. En el caso de que en el
documento existan elementos vacíos, se pueden sustituir las etiquetas de inicio y cierre por una de
elemento vacío. Ésta se construye como la etiqueta de inicio, pero sustituyendo el carácter ">" por "/>.
Es decir, <elemento></elemento> puede sustituirse por: <elemento/>
● Al anidar elementos hay que tener en cuenta que no puede cerrarse un elemento que contenga
algún otro elemento que aún no se haya cerrado.
● Los nombres de las etiquetas de inicio y de cierre de un mismo elemento han de ser idénticos,
respetando las mayúsculas y minúsculas. Pueden ser cualquier cadena alfanumérica que no contenga
espacios y no comience ni por el carácter dos puntos, ":", ni por la cadena "xml" ni ninguna de sus
versiones en que se cambien mayúsculas y minúsculas ("XML", "XmL", "xML",...).
● El contenido de los elementos no puede contener la cadena "]]>" por compatibilidad con SGML.
Además no se pueden utilizar directamente los caracteres mayor que, >, menor que, <, ampersand, &,
dobles comillas, ", y apostrofe, ‘. En el caso de tener que utilizar estos caracteres se sustituyen por las
siguientes cadenas:

● Para utilizar caracteres especiales, como £, ©, ®,... hay que usar las expresiones &#D; o &#H; donde
D y H se corresponden respectivamente con el número decimal o hexadecimal correspondiente al
carácter que se quiere representar en el código UNICODE. Por ejemplo, para incluir el carácter de
Euro, €, se usarían las cadenas &#8364; o &#x20AC;

En el siguiente enlace encontrarás una tabla con los caracteres ASCII, el nombre HTML, y el número HTML
de cada uno de ellos que te será imprescindible a la hora de realizar documentos en HTML y XML.
https://ascii.cl/es/codigos-html.htm
5.2.1.- Atributos.
Permiten añadir propiedades a los elementos de un documento. Los atributos no pueden organizarse en
ninguna jerarquía, no pueden contener ningún otro elemento o atributo y no reflejan ninguna estructura lógica.
No se debe utilizar un atributo para contener información susceptible de ser dividido.

Vemos que los elementos aparecen coloreados en ciruela, los nombres de los atributos en negro y sus
valores en azul.
Como se observa en el ejemplo, los atributos se definen y dan valor dentro de una etiqueta de inicio o de
elemento vacio, a continuación del nombre del elemento o de la definición de otro atributo siempre separado
de ellos por un espacio. Los valores del atributo van precedidos de un igual que sigue al nombre del mismo y
tienen que definirse entre comillas simples o dobles.
Los nombres de los atributos han de cumplir las mismas reglas que los de los elementos, y no pueden
contener el carácter menor que, <.

6.- Documentos XML bien formados.

Todos los documentos XML deben verificar las reglas sintácticas que define la recomendación del W3C para
el estándar XML. Esas normas básicas son:
● El documento ha de tener definido un prólogo con la declaración xml completa.
● Existe un único elemento raíz para cada documento: es un solo elemento en el que todos los demás
elementos y contenidos se encuentran anidados.
● Hay que cumplir las reglas sintácticas del lenguaje XML para definir los distintos elementos y atributos
del documento
¿Está "bien formado" el siguiente documento XML?

Falso: Ni está cerrada la etiqueta <asunto> ni el prólogo tiene una declaración xml completa.

7.- Utilización de espacios de nombres en XML.

Permiten definir la pertenencia de los elementos y los atributos de un documento XML al contexto de un
vocabulario XML. De este modo se resuelven las ambigüedades que se pueden producir al juntar dos
documentos distintos, de dos autores diferentes, que han utilizado el mismo nombre de etiqueta para
representar cosas distintas.
Los espacios de nombres también conocidos como name spaces, permiten dar un nombre único a cada
elemento, indexándolos según el nombre del vocabulario adecuado además están asociados a un URI que
los identifica de forma única.
En el documento, las etiquetas ambiguas se sustituyen por otras en las que el nombre del elemento está
precedido de un prefijo, que determina el contexto al que pertenece la etiqueta, seguido de dos puntos, :. Esto
es:
<prefijo:nombre_etiqueta></prefijo:nombre_etiqueta>

Esta etiqueta se denomina "nombre cualificado". Al definir el prefijo hay que tener en cuenta que no se
pueden utilizar espacios ni caracteres espaciales y que no puede comenzar por un digito.

Antes de poder utilizar un prefijo de un espacio de nombres, para resolver la ambigüedad de dos o más
etiquetas, es necesario declarar el espacio de nombres, es decir, asociar un índice con el URI asignado al
espacio de nombres, mediante un atributo especial xmlns. Esto se hace entre el prólogo y el ejemplar de un
documento XML y su sintaxis es la siguiente:
<conexion>://<direccionservidor>/<apartado1>/<apartado2>/...
Sean los documentos XML que organizan la información sobre los profesores y los alumnos del DAW
respectivamente:

Al hacer un documento sobre los miembros del curso DAW no se distinguirían los profesores de los alumnos,
para resolverlo definiremos un
espacio de nombres para cada
contexto: