Saltar al contenido principal
Convertidor de imágenes Convertidor de vídeo Convertidor de audio Convertidor de documentos
Herramientas Guías Formatos Precios API
Iniciar sesión
🇬🇧 English 🇧🇷 Português 🇩🇪 Deutsch
Guía

Formato XML: Guía Técnica Completa

PC Por Pablo Cirre •

Formato XML: Guía Técnica Completa

XML (Extensible Markup Language) es un lenguaje de marcado y formato de datos basado en texto estandarizado por el W3C en 1998 (XML 1.0) y actualizado en 2006 (XML 1.1). XML es un meta-lenguaje — en lugar de especificar un vocabulario, proporciona la sintaxis para crear lenguajes de marcado personalizados (SVG, XHTML, SOAP, RSS, Atom, GPX, KML, XML interno de DOCX).

Estructura del Documento XML

Un documento XML bien formado consta de:

<?xml version="1.0" encoding="UTF-8"?>
<libreria xmlns:dc="http://purl.org/dc/elements/1.1/">
  <!-- Este es un comentario -->
  <libro id="1" idioma="es" en-stock="true">
    <dc:title>Cien años de soledad</dc:title>
    <dc:creator>Gabriel García Márquez</dc:creator>
    <precio moneda="EUR">14.99</precio>
    <descripcion>
      <![CDATA[Una novela que contiene <caracteres> especiales & símbolos.]]>
    </descripcion>
    <etiquetas>
      <etiqueta>clásico</etiqueta>
      <etiqueta>ficción</etiqueta>
    </etiquetas>
  </libro>
</libreria>

Reglas de Sintaxis XML (Bien Formado)

Un documento XML está bien formado si sigue estas reglas:

  1. Un elemento raíz que contiene todos los demás elementos
  2. Todos los elementos correctamente anidados (sin etiquetas solapadas)
  3. Todos los elementos cerrados (ya sea <etiqueta></etiqueta> o autocerrantes <etiqueta/>)
  4. Valores de atributo siempre entre comillas
  5. Nombres de elementos y atributos sensibles a mayúsculas/minúsculas
  6. No <, & en el contenido (deben usarse entidades)

Los caracteres especiales deben escaparse como entidades predefinidas:

Carácter Entidad Notas
< &lt; Requerido en contenido
> &gt; Requerido en valores de atributo
& &amp; Requerido en todas partes
" &quot; Requerido en atributos entre comillas dobles

Lenguajes de Esquema

La validez XML (conformidad con un esquema) puede aplicarse mediante:

DTD (Document Type Definition)

<!DOCTYPE catalogo [
  <!ELEMENT catalogo (producto+)>
  <!ELEMENT producto (nombre, precio, descripcion?)>
  <!ATTLIST producto
    id ID #REQUIRED
    categoria (libros|electronica|ropa) #IMPLIED
    en-stock (true|false) "true">
]>

DTD está incorporado en XML, pero tiene limitaciones: sin aplicación de tipos de datos (todo es texto), sin soporte de espacios de nombre.

XML Schema (XSD)

W3C XML Schema (XSD) es el lenguaje de esquema estándar con un rico sistema de tipos:

<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
  <xs:element name="producto">
    <xs:complexType>
      <xs:sequence>
        <xs:element name="nombre" type="xs:string"/>
        <xs:element name="precio" type="xs:decimal"/>
        <xs:element name="stock" type="xs:nonNegativeInteger"/>
        <xs:element name="fechaLanzamiento" type="xs:date" minOccurs="0"/>
      </xs:sequence>
      <xs:attribute name="id" type="xs:ID" use="required"/>
    </xs:complexType>
  </xs:element>
</xs:schema>

XSLT: Transformar XML

XSLT es un lenguaje declarativo para transformar XML en otro XML, HTML o texto:

# Aplicar transformación XSLT con xsltproc
xsltproc transformacion.xsl entrada.xml > salida.html

# Con Saxon (Java, soporta XSLT 2.0/3.0)
saxon entrada.xml transformacion.xsl > salida.html

XPath: Consultar XML

XPath es un lenguaje de consulta para seleccionar nodos en documentos XML:

/libreria/libro                  — todos los elementos libro bajo libreria
//libro                          — todos los elementos libro en cualquier parte del documento
//libro[@idioma='es']            — libros con idioma="es"
//libro[precio > 10]             — libros con precio > 10
count(//libro)                   — recuento de elementos libro

Análisis de XML: Referencia de Lenguajes

# Python: ElementTree (biblioteca estándar)
import xml.etree.ElementTree as ET

arbol = ET.parse("libros.xml")
raiz = arbol.getroot()

for libro in raiz.findall("libro"):
    titulo = libro.find("{http://purl.org/dc/elements/1.1/}title").text
    precio = float(libro.find("precio").text)
    print(f"{titulo}: {precio}€")

# xmllint: validar y formatear XML
xmllint --noout --schema esquema.xsd documento.xml   # validar contra XSD
xmllint --format documento.xml                         # embellecer
xmllint --xpath "//libro/titulo" documento.xml         # consulta XPath

# Convertir XML a JSON con python
python3 -c "import xmltodict, json, sys; print(json.dumps(xmltodict.parse(sys.stdin.read()), indent=2))" < entrada.xml

Formatos XML Comunes

  • XHTML: HTML escrito como XML
  • SVG: Scalable Vector Graphics (imágenes vectoriales)
  • SOAP: Protocolo de Acceso a Objetos Simple (servicios web)
  • RSS / Atom: Formatos de sindicación de feeds
  • KML: Keyhole Markup Language (datos geográficos, Google Earth)
  • GPX: GPS Exchange Format (pistas GPS)
  • DOCX/XLSX/PPTX: Office Open XML (ZIP + XML)
  • ODF: OpenDocument Format (LibreOffice)
  • Apple plist: Lista de propiedades (configuración macOS/iOS)

Conversiones relacionadas

XML rara vez se queda en XML — casi siempre se transforma a otro formato para consumo final:

  • XML a JSON — para APIs REST modernas
  • XML a CSV — exportar datos tabulares a Excel
  • XML a PDF — generar documentos finales con XSL-FO
  • JSON a XML — interoperar con sistemas SOAP/legacy
  • CSV a XML — importar datos a sistemas que esperan XML
  • HTML a XML — pasar de HTML a XHTML estricto

Preguntas frecuentes

Usa XML cuando: (1) Necesitas contenido mixto (texto mezclado con elementos, como documentos XHTML o DocBook). (2) Necesitas herramientas de transformación estandardizadas (XSLT) o consulta (XPath). (3) Trabajas con formatos centrados en documentos (Office Open XML, ODF, SVG). (4) Necesitas validación DTD o XSD como parte de tu flujo de trabajo. (5) Te integras con sistemas empresariales, servicios SOAP o sistemas heredados que esperan XML. Para nuevas APIs web y archivos de configuración, JSON o YAML suelen ser más simples y más adecuados.

<strong>Bien formado</strong> = cumple las reglas sintácticas básicas (un único elemento raíz, etiquetas correctamente cerradas, atributos entre comillas). <strong>Válido</strong> = además es bien formado <em>y</em> cumple un esquema (DTD, XSD o RELAX NG) que define qué elementos y atributos puede contener. Todo XML válido es bien formado, pero no al revés.

XML bien formado sigue reglas sintácticas: un elemento raíz, todas las etiquetas cerradas, atributos entre comillas, sin < ni & sin escape en el contenido. Un analizador puede procesar XML bien formado sin ningún esquema. El XML válido está bien formado Y se ajusta a un esquema (DTD, XSD o RELAX NG) — todos los elementos requeridos están presentes, los tipos de datos son correctos, no aparecen elementos no definidos. La mayoría de las aplicaciones solo requieren correcta formación para el intercambio de datos; la validación se aplica al recibir XML de fuentes externas.

XSD (W3C XML Schema) es el estándar industrial — lo usa SOAP, OASIS y casi todo el ecosistema empresarial. RELAX NG es más expresivo y legible (sintaxis compacta), preferido en publishing y DocBook. Para interoperar con web services y stacks .NET/Java elige XSD; para definir esquemas internos donde la legibilidad importa elige RELAX NG.

DTD (Document Type Definition) está incorporado en XML, es simple de escribir, pero limitado: sin tipos de datos (todo es texto), sin soporte de espacios de nombre, usa una sintaxis no XML. XSD (W3C XML Schema) está escrito en XML, soporta tipos de datos ricos (integer, decimal, date, boolean, anyURI, patrones), soporte completo de espacios de nombre, herencia y derivación de tipos complejos. Para validación simple, DTD es adecuado. Para aplicaciones empresariales que requieren datos tipados, usa XSD.

JSON ha sustituido a XML en APIs web por su brevedad. Pero XML sigue siendo la única opción razonable para: documentos con marcado mixto (XHTML, DocBook, TEI), formatos donde la validación estricta es legalmente requerida (factura electrónica, ePub), y formatos office (DOCX, XLSX, ODT son ZIP+XML). XML no muere — se especializa.

La conversión XML-a-JSON no es trivial porque XML y JSON tienen estructuras diferentes: XML tiene atributos, nodos de texto y contenido mixto que JSON no representa de forma nativa. Python: `pip install xmltodict` luego `json.dumps(xmltodict.parse(cadena_xml))`. Node.js: bibliotecas `xml2js` o `fast-xml-parser`. Línea de comandos: herramienta `xq` (`cat entrada.xml | xq .`). Los atributos se convierten en claves con prefijo "@", el contenido de texto se convierte en claves "#text".

<code>lxml</code> envuelve <code>libxml2</code> y <code>libxslt</code>, escritas en C y muy optimizadas. <code>ElementTree</code> está implementado en Python puro (con un acelerador C parcial). Para parsear documentos &gt;1 MB, <code>lxml</code> es 5–10× más rápido y ofrece XPath 1.0, XSLT 1.0 y validación XSD nativos — funcionalidades que <code>ElementTree</code> no tiene.