XML चा जवळजवळ नेहमीच गैरवापर होतो

XML भाषेचा शोध 1996 मध्ये लागला. त्याच्या अनुप्रयोगाच्या शक्यतांबद्दल आधीच गैरसमज होण्यास सुरुवात झाली होती आणि ते ज्या हेतूंसाठी ते जुळवून घेण्याचा प्रयत्न करीत होते त्या हेतूने ते दिसले नाही तर ही सर्वोत्तम निवड नव्हती.

मी पाहिलेल्या बहुसंख्य XML स्कीमा XML चे अयोग्य किंवा चुकीचे वापर होते असे म्हणण्यात अतिशयोक्ती नाही. शिवाय, XML च्या या वापराने XML म्हणजे काय याचा मूलभूत गैरसमज दर्शविला.

XML ही मार्कअप भाषा आहे. हे डेटा स्वरूप नाही. बहुतेक XML स्कीमांनी या फरकाकडे स्पष्टपणे दुर्लक्ष केले आहे, XML ला डेटा फॉरमॅटसह गोंधळात टाकले आहे, ज्यामुळे शेवटी XML निवडण्यात चूक होते कारण ते डेटा स्वरूप आहे जे प्रत्यक्षात आवश्यक आहे.

जास्त तपशिलात न जाता, रचना आणि मेटाडेटासह मजकूराच्या ब्लॉक्सवर भाष्य करण्यासाठी XML सर्वात योग्य आहे. तुमचे मुख्य उद्दिष्ट मजकूराच्या ब्लॉकसह कार्य करणे नसल्यास, XML निवडणे योग्य ठरण्याची शक्यता नाही.

या दृष्टिकोनातून, XML स्कीमा किती चांगल्या प्रकारे बनविला गेला आहे हे तपासण्याचा एक सोपा मार्ग आहे. चला उदाहरण म्हणून इच्छित स्कीमामधील दस्तऐवज घेऊ आणि त्यातून सर्व टॅग आणि विशेषता काढून टाकू. जे उरले आहे त्याचा अर्थ होत नसल्यास (किंवा रिक्त ओळ शिल्लक असल्यास), तर एकतर तुमचा स्कीमा योग्यरित्या तयार केलेला नाही किंवा तुम्ही XML वापरला नसावा.

खाली मी चुकीच्या पद्धतीने तयार केलेल्या सर्किट्सची काही सामान्य उदाहरणे देईन.

<roоt>
  <item name="name" value="John" />
  <item name="city" value="London" />
</roоt>

येथे आपण XML मध्ये एक साधा की-व्हॅल्यू शब्दकोश व्यक्त करण्याच्या निराधार आणि विचित्र (अगदी सामान्य) प्रयत्नाचे उदाहरण पाहतो. तुम्ही सर्व टॅग आणि विशेषता काढून टाकल्यास, तुमच्याकडे रिकामी पंक्ती राहिली जाईल. मूलत:, हा दस्तऐवज, तो कितीही मूर्खपणाचा वाटला तरीही, रिकाम्या ओळीचे अर्थपूर्ण भाष्य आहे.

<root name="John" city="London" />

प्रकरण आणखी वाईट करण्यासाठी, आमच्याकडे शब्दकोष व्यक्त करण्याचा एक विलक्षण मार्ग म्हणून रिकाम्या स्ट्रिंगची केवळ अर्थपूर्ण भाष्य नाही - यावेळी "शब्दकोश" थेट मूळ घटकाच्या गुणधर्मांप्रमाणे एन्कोड केलेला आहे. हे एखाद्या घटकावरील विशेषता नावांचा दिलेला संच अपरिभाषित आणि डायनॅमिक बनवते. शिवाय, हे दर्शविते की सर्व लेखकांना खरोखर एक साधा की-मूल्य वाक्यरचना व्यक्त करायची होती, परंतु त्याऐवजी त्याने XML लागू करण्याचा पूर्णपणे विचित्र निर्णय घेतला, एकच रिक्त घटक वापरण्यासाठी केवळ उपसर्ग म्हणून विशेषता वाक्यरचना वापरण्यास भाग पाडले. आणि अशा योजना मला वारंवार येतात.

<roоt>
  <item key="name">John</item>
  <item key="city">London</item>
</roоt>

हे काहीतरी चांगले आहे, परंतु आता काही कारणास्तव की मेटाडेटा आहेत आणि मूल्ये नाहीत. शब्दकोषांचा एक अतिशय विचित्र देखावा. तुम्ही सर्व टॅग आणि विशेषता काढून टाकल्यास, अर्धी माहिती नष्ट होईल.

XML मधील योग्य शब्दकोष अभिव्यक्ती असे काहीतरी दिसेल:

<roоt>
  <item>
    <key>Name</key>
    <value>John</value>
  </item>
  <item>
    <key>City</key>
    <value>London</value>
  </item>
</roоt>

परंतु जर लोकांनी XML चा डेटा फॉरमॅट म्हणून वापर करण्याचा आणि नंतर शब्दसंग्रह आयोजित करण्यासाठी वापरण्याचा विचित्र निर्णय घेतला असेल, तर त्यांनी हे समजून घेतले पाहिजे की ते जे करत आहेत ते अयोग्य आणि सोयीचे नाही. डिझायनर्सनी त्यांचे ऍप्लिकेशन तयार करण्यासाठी चुकून XML निवडणे देखील सामान्य आहे. परंतु त्याहूनही अधिक वेळा, ते वर वर्णन केलेल्या एका फॉर्ममध्ये XML चा अर्थहीन वापर करून, XML केवळ यासाठी योग्य नाही या वस्तुस्थितीकडे दुर्लक्ष करून प्रकरणे आणखी वाईट करतात.

सर्वात वाईट XML स्कीमा? तसे, साठी बक्षीस मी पाहिलेला सर्वात वाईट XML स्कीमा, पॉलीकॉम आयपी टेलिफोनी फोनसाठी स्वयंचलित तरतूद कॉन्फिगरेशन फाइल स्वरूप प्राप्त करते. अशा फायलींसाठी TFTP द्वारे XML विनंती फाइल्स डाउनलोड करणे आवश्यक आहे, जे... सर्वसाधारणपणे, येथे अशा एका फाइलचा उतारा आहे:

<softkey
        softkey.feature.directories="0"
        softkey.feature.buddies="0"
        softkey.feature.forward="0"
        softkey.feature.meetnow="0"
        softkey.feature.redial="1"
        softkey.feature.search="1"

        softkey.1.enable="1"
        softkey.1.use.idle="1"
        softkey.1.label="Foo"
        softkey.1.insert="1"
        softkey.1.action="..."

        softkey.2.enable="1"
        softkey.2.use.idle="1"
        softkey.2.label="Bar"
        softkey.2.insert="2"
        softkey.2.action="..." />

हा कोणाचा वाईट विनोद नाही. आणि हा माझा शोध नाही:

• विशेषता जोडण्यासाठी घटक फक्त उपसर्ग म्हणून वापरले जातात, ज्याची स्वतःला श्रेणीबद्ध नावे आहेत.
• तुम्हाला एखाद्या विशिष्ट प्रकारच्या रेकॉर्डच्या एकाधिक उदाहरणांना मूल्ये नियुक्त करायची असल्यास, हे करण्यासाठी तुम्ही विशेषता नावे वापरणे आवश्यक आहे. ज्यात निर्देशांक आहेत.
• याव्यतिरिक्त, विशेषता सह सुरू softkey., घटकांवर ठेवणे आवश्यक आहे <softkey/>, पासून सुरू होणारी विशेषता feature., घटकांवर ठेवणे आवश्यक आहे <feature/> इ., हे पूर्णपणे अनावश्यक आणि पहिल्या दृष्टीक्षेपात निरर्थक दिसत असूनही.
• आणि शेवटी, जर तुम्ही अशी आशा करत असाल की विशेषता नावाचा पहिला घटक नेहमी घटकाच्या नावासारखाच असेल - असे काहीही नाही! उदाहरणार्थ, गुणधर्म up. संलग्न करणे आवश्यक आहे <userpreferences/>. घटकांना विशेषता नावे जोडण्याचा क्रम अनियंत्रित आहे, जवळजवळ पूर्णपणे.

दस्तऐवज किंवा डेटा. प्रत्येक वेळी काही वेळाने, कोणीतरी XML आणि JSON ची तुलना करण्याचा प्रयत्न करून काहीतरी पूर्णपणे विचित्र करते—आणि अशा प्रकारे त्यांना हे देखील समजत नाही हे दर्शविते. XML ही दस्तऐवज मार्कअप भाषा आहे. JSON एक संरचित डेटा फॉरमॅट आहे, त्यामुळे त्यांची एकमेकांशी तुलना करणे म्हणजे उबदार आणि सॉफ्टची तुलना करण्याचा प्रयत्न करण्यासारखे आहे.

मधील फरकाची संकल्पना दस्तऐवज आणि डेटा. XML चे अॅनालॉग म्हणून, आम्ही सशर्त मशीन-वाचनीय दस्तऐवज घेऊ शकतो. जरी ते मशिन वाचण्यायोग्य असण्याचा हेतू असला तरी, ते दस्तऐवजांना रूपकदृष्ट्या संदर्भित करते आणि या दृष्टिकोनातून ते पीडीएफ दस्तऐवजांशी तुलना करता येते, जे बहुतेक वेळा मशीन वाचण्यायोग्य नसतात.

उदाहरणार्थ, XML मध्ये घटकांचा क्रम महत्त्वाचा आहे. परंतु JSON मध्ये, ऑब्जेक्टमधील की-व्हॅल्यू जोड्यांचा क्रम निरर्थक आणि अपरिभाषित आहे. जर तुम्हाला की-व्हॅल्यू जोड्यांचा अक्रमित शब्दकोष मिळवायचा असेल, तर त्या फाईलमध्ये घटक कोणत्या वास्तविक क्रमाने दिसतात ते महत्त्वाचे नाही. परंतु आपण या डेटामधून अनेक प्रकारचे डेटा तयार करू शकता. कागदपत्रांची, कारण दस्तऐवजात एक विशिष्ट क्रम आहे. रूपकदृष्ट्या, ते कागदावरील दस्तऐवजाच्या समान आहे, जरी त्यास प्रिंटआउट किंवा पीडीएफ फाइलच्या विपरीत भौतिक परिमाणे नसतात.

योग्य XML शब्दकोश प्रतिनिधित्वाचे माझे उदाहरण जेएसओएन प्रतिनिधित्वाच्या विरूद्ध, शब्दकोशातील घटकांचा क्रम दर्शविते. मी या ऑर्डरकडे दुर्लक्ष करू शकत नाही: ही रेखीयता दस्तऐवज मॉडेल आणि XML स्वरूपात अंतर्भूत आहे. काहीजण या XML दस्तऐवजाचा अर्थ लावताना ऑर्डरकडे दुर्लक्ष करणे निवडू शकतात, परंतु याबद्दल वाद घालण्यात काही अर्थ नाही कारण हा मुद्दा स्वतःच स्वरूपाच्या चर्चेच्या व्याप्तीच्या पलीकडे आहे. शिवाय, जर तुम्ही ब्राउझरमध्ये कॅस्केडिंग स्टाईल शीट जोडून दस्तऐवज पाहण्यायोग्य बनवलात, तर तुम्हाला दिसेल की डिक्शनरी घटक एका विशिष्ट क्रमाने दिसतात आणि इतर कोणत्याही क्रमाने नाहीत.

दुसऱ्या शब्दांत, शब्दकोश (संरचित डेटाचा एक भाग) मध्ये रूपांतरित केला जाऊ शकतो n विविध संभाव्य दस्तऐवज (XML, PDF, कागद इ. मध्ये), कुठे n - शब्दकोशातील घटकांच्या संभाव्य संयोजनांची संख्या आणि आम्ही अद्याप इतर संभाव्य चल विचारात घेतलेले नाहीत.

तथापि, हे देखील अनुसरण करते की जर तुम्हाला फक्त डेटा हस्तांतरित करायचा असेल तर यासाठी मशीन-वाचनीय दस्तऐवज वापरणे प्रभावी होणार नाही. हे मॉडेल वापरते, जे या प्रकरणात अनावश्यक आहे; ते केवळ मार्गात येईल. याव्यतिरिक्त, स्त्रोत डेटा काढण्यासाठी, आपल्याला एक प्रोग्राम लिहावा लागेल. एखाद्या वेळी दस्तऐवज म्हणून फॉरमॅट होणार नाही अशा गोष्टीसाठी XML वापरण्यात क्वचितच काही अर्थ आहे (म्हणा, CSS किंवा XSLT वापरून, किंवा दोन्ही), कारण असे करण्यामागे हेच मुख्य (केवळ नसल्यास) कारण आहे. दस्तऐवज मॉडेलकडे.

शिवाय, XML मध्ये संख्यांची (किंवा बूलियन अभिव्यक्ती, किंवा इतर डेटा प्रकार) संकल्पना नसल्यामुळे, या फॉरमॅटमध्ये दर्शविलेल्या सर्व संख्यांना फक्त अतिरिक्त मजकूर मानले जाते. डेटा काढण्‍यासाठी, स्कीमा आणि त्‍याचा व्‍यक्‍त करण्‍याच्‍या संबंधित डेटाशी संबंध माहित असणे आवश्‍यक आहे. तुम्हाला हे देखील माहित असणे आवश्यक आहे की, संदर्भाच्या आधारावर, विशिष्ट मजकूर घटक संख्या दर्शवतो आणि ते एका संख्येमध्ये रूपांतरित केले जावे इ.

अशाप्रकारे, एक्सएमएल दस्तऐवजांमधून डेटा काढण्याची प्रक्रिया स्कॅन केलेले दस्तऐवज ओळखण्याच्या प्रक्रियेपेक्षा भिन्न नाही, उदाहरणार्थ, संख्यात्मक डेटाची अनेक पृष्ठे बनविणारी सारणी. होय, तत्वतः हे करणे शक्य आहे, परंतु हा सर्वात इष्टतम मार्ग नाही, शेवटचा उपाय वगळता, जेव्हा इतर कोणतेही पर्याय नसतात. एक वाजवी उपाय म्हणजे मूळ डेटाची डिजिटल प्रत शोधणे जी दस्तऐवज मॉडेलमध्ये एम्बेड केलेली नाही जी डेटा त्याच्या विशिष्ट मजकूर प्रतिनिधित्वासह एकत्रित करते.

ते म्हणाले, XML व्यवसायात लोकप्रिय आहे हे मला अजिबात आश्चर्यचकित करत नाही. याचे कारण तंतोतंत असे आहे की दस्तऐवजाचे स्वरूप (कागदावर) समजण्यायोग्य आणि व्यवसायासाठी परिचित आहे आणि त्यांना परिचित आणि समजण्यासारखे मॉडेल वापरणे सुरू ठेवायचे आहे. त्याच कारणास्तव, व्यवसाय देखील अधिक मशीन-वाचनीय स्वरूपांऐवजी पीडीएफ दस्तऐवज वापरतात - कारण ते अद्याप विशिष्ट भौतिक आकारासह मुद्रित पृष्ठाच्या संकल्पनेशी जोडलेले आहेत. हे अशा दस्तऐवजांना देखील लागू होते जे कधीही मुद्रित केले जाण्याची शक्यता नाही (उदाहरणार्थ, नोंदणी दस्तऐवजीकरणाची 8000-पृष्ठ PDF). या दृष्टिकोनातून, व्यवसायात XML चा वापर मूलत: skeuomorphism चे प्रकटीकरण आहे. लोकांना मर्यादित आकाराच्या मुद्रित पृष्ठाची रूपक कल्पना समजते आणि मुद्रित कागदपत्रांवर आधारित व्यवसाय प्रक्रिया कशी तयार करावी हे त्यांना समजते. तो तुमचा मार्गदर्शक असल्यास, भौतिक आकाराच्या मर्यादा नसलेले दस्तऐवज जे मशीन-वाचनीय आहेत—XML दस्तऐवज—एक परिचित आणि आरामदायक दस्तऐवज समकक्ष असताना नावीन्यपूर्णतेचे प्रतिनिधित्व करतात. हे त्यांना डेटा सादर करण्याचा चुकीचा आणि अत्याधिक स्क्युओमॉर्फिक मार्ग राहण्यापासून प्रतिबंधित करत नाही.

आजपर्यंत, फक्त XML स्कीमा ज्याबद्दल मला माहीत आहे की मी फॉर्मेटचा वैध वापर म्हणू शकतो ते म्हणजे XHTML आणि DocBook.

स्त्रोत: www.habr.com