Wohlgeformtes XML: Warum XML strenger als HTML parst

Inhalt
Wenn in einem HTML-Dokument ein Tag fehlt und Sie es im Browser öffnen, wird die Seite in der Regel trotzdem halbwegs ordentlich angezeigt. Machen Sie denselben Fehler in einem XML-Dokument, zeigt der Browser statt des Ergebnisses nur eine Parser-Fehlermeldung in roter Schrift.
Das liegt nicht daran, dass XML schlecht gemacht wäre. HTML und XML haben mit dem Parser schlicht grundverschiedene Abmachungen darüber getroffen, was bei einem Fehler zu tun ist. Der Name dieser Abmachung lautet „well-formed" (wohlgeformt).
Zusammenfassung ① Bei HTML repariert der Browser Tag-Fehler selbstständig und zeigt die Seite an. Bei XML repariert der Parser Fehler nicht, sondern lehnt das gesamte Dokument ab. ② Dieser Maßstab heißt Wohlgeformtheit (well-formed) und besteht aus einigen Regeln, etwa zur Anzahl der Wurzelelemente, zum Schließen von Tags, zur Schachtelungsreihenfolge und zu Anführungszeichen bei Attributwerten. ③ Diese Strenge ist auch ein Grund dafür, dass XML als Format für den Datenaustausch zwischen Systemen eingesetzt wird – denn die Regeln lassen schon im Ansatz keinen Spielraum für mehrdeutige Interpretationen.
Warum HTML die meisten Fehler toleriert
Die HTML5-Spezifikation legt sogar genau fest, wie ein Browser vorgehen muss, wenn Tags falsch geschlossen werden oder in der falschen Reihenfolge stehen. Gibt es nur ein öffnendes, aber kein schließendes Tag, behandelt der Browser das Tag anhand der nachfolgenden Tags oder des Dokumentendes so, als wäre es an dieser Stelle geschlossen worden.
Steht innerhalb eines <p> ein weiteres <p>, schließt der Browser das erste <p> automatisch und beginnt einen neuen Absatz. Dank dieser Reparaturregeln erscheinen auch HTML-Dokumente, die die Syntax nicht perfekt einhalten, in allen Browsern in ähnlicher Form.
In HTML ist ein Fehler also kein Signal zum Anhalten, sondern eher eine Lücke, die der Parser selbstständig füllen muss.
Warum XML wegen eines einzigen Fehlers das ganze Dokument ablehnt
XML verfolgt die gegenteilige Haltung. Verstößt ein Dokument gegen auch nur eine der Bedingungen der Wohlgeformtheit, soll der Parser nicht versuchen, den Fehler zu beheben, sondern die Verarbeitung abbrechen. Deshalb sehen Sie beim direkten Öffnen einer XML-Datei im Webbrowser statt des Inhalts oft nur eine Anzeige mit der Fehlerposition.
Die Kriterien für die Wohlgeformtheit lassen sich in wenigen Regeln zusammenfassen.
| Regel | Inhalt |
|---|---|
| Wurzelelement | Es muss genau ein oberstes Element geben |
| Schließen von Tags | Jedes öffnende Tag braucht ein schließendes Tag (oder ein selbstschließendes />) |
| Schachtelungsreihenfolge | Das zuletzt geöffnete Tag muss zuerst geschlossen werden (ein Kindelement darf nicht erst nach seinem Elternelement geschlossen werden) |
| Groß- und Kleinschreibung | Bei Tag-Namen wird zwischen Groß- und Kleinschreibung unterschieden (<Book> und </book> gelten als unterschiedliche Tags) |
| Attributwerte | Attributwerte müssen immer in Anführungszeichen stehen |
| Sonderzeichen | < und & dürfen im Text nicht unmaskiert stehen, sie müssen escaped werden |
Wird auch nur eine dieser Regeln verletzt, schließt der Parser das gesamte Dokument von der Verarbeitung aus – egal, wie einwandfrei der Rest ist. Selbst bei einem einzigen falschen Zeichen lautet das Ergebnis nicht „teilweise erfolgreich", sondern „komplett fehlgeschlagen".
Warum diese Strenge eher ein Vorteil ist
Ein nachsichtiger Parser ist bequem, hat aber seinen Preis. Wenn Browser Fehler auf leicht unterschiedliche Weise reparieren, kann derselbe Code je nach Umgebung unterschiedlich interpretiert werden.
XML wurde von Anfang an nicht für die Anzeige für Menschen entworfen, sondern als Format, mit dem verschiedene Systeme Daten austauschen. Interpretieren zwei Systeme dasselbe Dokument unterschiedlich, ist das für sich genommen bereits eine Störung. Deshalb hat sich XML statt einer Toleranz nach dem Prinzip „Es wird schon irgendwie passen" für die Strenge entschieden: Wer die Bedingungen nicht erfüllt, wird gänzlich abgelehnt.
Dadurch können Sie sich darauf verlassen, dass ein XML-Dokument, das die Prüfung auf Wohlgeformtheit besteht, mit jedem Parser in derselben Struktur gelesen wird. Der Spielraum für mehrdeutige Interpretationen ist durch die Regeln von vornherein ausgeschlossen.
Das Problem: Diese Regeln lassen sich mit bloßem Auge nur schwer überprüfen. Bei einem langen XML-Dokument Zeile für Zeile abzugleichen, wo ein Tag nicht geschlossen wurde oder wo bei einem Attributwert die Anführungszeichen fehlen, ist schnell ermüdend.
Fügen Sie Ihr XML ein: Sie erhalten es eingerückt oder komprimiert und sehen zugleich, ob es wohlgeformt ist (Strukturfehler).

So meldet das Tool Verstöße gegen die Wohlgeformtheit
Der XML-Formatierer prüft die Wohlgeformtheit mit dem im Browser integrierten XML-Parser, sobald Sie XML in das Eingabefeld einfügen. Sind alle Bedingungen erfüllt, erscheint der Hinweis „Well-formed: Keine Strukturfehler", andernfalls „Nicht well-formed" zusammen mit der konkreten Fehlerbeschreibung des Parsers.
Unabhängig von dieser Prüfung versucht das Tool, bei der Formatierung (Einrückung) und der Komprimierung (eine Zeile) die Tags so weit wie möglich zu erkennen. So sehen Sie anhand der Fehlermeldung, wo das Problem liegt, und zugleich, in welcher Struktur Ihre aktuelle Eingabe gelesen wird.
Im Ergebnis werden außerdem Eingabegröße, Ausgabegröße und Anzahl der Elemente (Tags) angezeigt. So erkennen Sie direkt, wie sich die Größe durch das Formatieren verändert hat.
Eingabe und Optionen
In das XML-Eingabefeld können Sie den Inhalt direkt einfügen. Alternativ lassen sich Dateien mit den Endungen .xml, .svg, .rss und .xsl per Drag-and-drop ablegen oder per Klick laden. Im Formatierungsmodus wählen Sie als Einrückung zwischen 2 Leerzeichen, 4 Leerzeichen und Tabulator. Der Komprimierungsmodus entfernt sämtliche Leerraumzeichen und erzeugt eine einzige Zeile.
Das Ergebnis übernehmen Sie über die Schaltfläche zum Kopieren. Für eine neue Prüfung leeren Sie die Eingabe mit der Schaltfläche zum Löschen.
Zusammenfassung
- Bei HTML repariert der Browser Tag-Fehler selbstständig und zeigt die Seite an. Bei XML repariert der Parser Fehler nicht, sondern lehnt das gesamte Dokument ab.
- Dieser Maßstab heißt Wohlgeformtheit (well-formed) und besteht aus Regeln wie der Anzahl der Wurzelelemente, dem Schließen von Tags, der Schachtelungsreihenfolge, der Groß- und Kleinschreibung, Anführungszeichen bei Attributwerten und dem Escapen von Sonderzeichen.
- Schon eine einzige fehlerhafte Stelle führt nicht zu „teilweise erfolgreich", sondern zum Scheitern des gesamten Dokuments.
- Diese Strenge ist so angelegt, dass verschiedene Systeme dasselbe Dokument gleich interpretieren. Ihr Vorteil ist, dass sie Spielraum für mehrdeutige Interpretationen beseitigt.
- Wenn Sie XML in den XML-Formatierer einfügen, sehen Sie sofort, ob es wohlgeformt ist, und erhalten die konkrete Fehlerbeschreibung. Das formatierte oder komprimierte Ergebnis sehen Sie ebenfalls.
Fügen Sie Ihr XML ein: Sie erhalten es eingerückt oder komprimiert und sehen zugleich, ob es wohlgeformt ist (Strukturfehler).
Häufig gestellte Fragen
Gibt es in HTML überhaupt keine Regeln wie die Wohlgeformtheit?
Für normale HTML5-Dokumente gibt es keine eigene Anforderung an die Wohlgeformtheit. Stattdessen gelten Parsing-Regeln, die festlegen, wie der Browser bei Fehlern repariert. Es gibt allerdings auch Ansätze wie XHTML, bei denen HTML nach XML-Regeln geschrieben wird. In diesem Fall muss das Dokument genau wie XML die Bedingungen der Wohlgeformtheit erfüllen, andernfalls wird keine Seite angezeigt.
Ich bekomme eine XML-Fehlermeldung, finde aber die Fehlerstelle nicht. Was kann ich tun?
Meist handelt es sich um einen der folgenden Fälle: ein nicht geschlossenes Tag, fehlende Anführungszeichen bei einem Attributwert, mehr als ein oberstes Element oder ein unmaskiertes < oder & im Text. Wenn Sie das XML unverändert in den XML-Formatierer einfügen, wird die konkrete Fehlerbeschreibung des Browser-Parsers angezeigt. Anhand dieses Wortlauts können Sie die betreffende Stelle gezielt suchen.
Warum ist XML nicht einfach so tolerant wie HTML?
Dafür gibt es Gründe. Bei einem nachsichtigen Parser können die Reparaturmethoden je nach Browser leicht voneinander abweichen, sodass dasselbe Dokument je nach Umgebung unterschiedlich interpretiert werden kann. XML ist ein Format, mit dem verschiedene Systeme Daten austauschen, und keine Anzeige für Menschen. Solche Abweichungen in der Interpretation dürfen deshalb gar nicht erst vorkommen, weshalb man sich statt für Toleranz für Strenge entschieden hat.
Muss ich ein komprimiertes (einzeiliges) Ergebnis erneut auf Wohlgeformtheit prüfen?
Weder beim Formatieren noch beim Komprimieren ändert sich die Tag-Struktur des ursprünglichen XML. War das Original wohlgeformt, ist es auch das komprimierte Ergebnis. Die Prüfung im XML-Formatierer bezieht sich auf den ursprünglich eingegebenen Inhalt und läuft unabhängig davon, ob Sie zwischen Formatierungs- und Komprimierungsmodus wechseln.
Dieser Artikel basiert auf unserem koreanischen Original. Koreanisches Original lesen