Валидация XML: проверка синтаксиса и структуры

XML (eXtensible Markup Language) — один из старейших и наиболее распространённых форматов обмена данными. Несмотря на растущую популярность JSON, XML остаётся стандартом во многих отраслях. Однако любая ошибка в XML-документе может привести к сбою приложения. В этой статье разберём, что такое валидация XML, какие типы проверок существуют и как избежать типичных ошибок.

Что такое XML

XML — это расширяемый язык разметки, предназначенный для хранения и передачи структурированных данных. В отличие от HTML, который описывает отображение контента, XML описывает сами данные. Вы сами определяете имена тегов и структуру документа — отсюда слово «расширяемый» в названии.

Типичный XML-документ выглядит так:

<catalog><book id="1"><title>XML для начинающих</title><price>590</price></book></catalog>

Каждый элемент имеет открывающий и закрывающий тег, атрибуты заключены в кавычки, а весь документ представляет собой древовидную структуру с одним корневым элементом.

Well-formed и valid XML

При проверке XML-документа различают два уровня корректности:

Well-formed (правильно сформированный) — документ соответствует базовым синтаксическим правилам XML: есть корневой элемент, все теги закрыты, атрибуты в кавычках, правильная вложенность. Это минимальное требование для любого XML-файла.
Valid (валидный) — документ не только well-formed, но и соответствует определённой схеме (DTD или XSD), которая задаёт допустимые элементы, атрибуты, их типы данных и порядок следования. Валидация по схеме гарантирует, что структура данных соответствует ожиданиям приложения.

Документ может быть well-formed, но не valid. Обратная ситуация невозможна — невалидный по синтаксису документ не пройдёт даже базовую проверку.

Распространённые ошибки XML

Вот наиболее частые проблемы, которые приводят к ошибкам парсинга:

Незакрытые теги. Каждому открывающему тегу <item> должен соответствовать закрывающий </item>, либо тег должен быть самозакрывающимся: <item />.
Неправильная вложенность. Теги должны быть вложены корректно: <a><b></b></a> — верно, <a><b></a></b> — ошибка.
Незакавыченные атрибуты. В XML, в отличие от HTML, значения атрибутов обязательно заключаются в кавычки: id="1", а не id=1.
Спецсимволы без кодирования. Амперсанд &, угловые скобки и кавычки в содержимом элементов необходимо кодировать сущностями (&, <, >).
Отсутствие корневого элемента. XML-документ должен иметь ровно один корневой элемент, содержащий все остальные.
Проблемы с кодировкой. Несоответствие между указанной в объявлении кодировкой и фактической кодировкой файла — частая причина ошибок при работе с кириллицей.

XML vs JSON

Сегодня JSON доминирует в веб-разработке, но XML сохраняет свои позиции в ряде областей. Сравним оба формата:

Читаемость. JSON более компактен и проще для восприятия при работе с простыми структурами. XML более многословен, но лучше подходит для сложных иерархий.
Схемы валидации. XML имеет мощные механизмы валидации (DTD, XSD, Relax NG). В JSON валидация через JSON Schema появилась позже и менее распространена.
Атрибуты и метаданные. XML поддерживает атрибуты элементов, пространства имён и комментарии. JSON оперирует только парами «ключ-значение».
Поддержка в экосистеме. JSON нативен для JavaScript и большинства современных API. XML — стандарт для SOAP, RSS, SVG, XSLT и множества корпоративных систем.

Где XML по-прежнему необходим

Несмотря на популярность JSON, XML остаётся незаменимым в следующих областях:

SOAP-сервисы — протокол веб-сервисов, широко используемый в банковских и государственных системах.
RSS и Atom — форматы новостных лент по-прежнему основаны на XML.
SVG — формат векторной графики является диалектом XML.
Конфигурационные файлы — Maven (pom.xml), Android (AndroidManifest.xml), .NET (web.config) и многие другие инструменты используют XML.
Документооборот — форматы DOCX, XLSX, ODT внутри содержат XML-файлы.

Схемы DTD и XSD

DTD (Document Type Definition) — более старый формат описания структуры XML. Он прост, но ограничен: не поддерживает типы данных и пространства имён. XSD (XML Schema Definition) — современный стандарт, позволяющий задавать типы данных, ограничения значений, сложные структуры наследования. Для новых проектов рекомендуется использовать XSD.

Заключение

Валидация XML — обязательный этап при работе с этим форматом. Проверка синтаксиса выявляет ошибки, которые сломают парсер, а валидация по схеме гарантирует, что данные соответствуют ожидаемой структуре. Не пренебрегайте проверкой — даже одна незакрытая скобка может привести к сбою всего процесса.

Проверить ваш XML-документ на корректность можно с помощью нашего валидатора XML. Если вы работаете с JSON, вам также пригодится форматировщик JSON.