XML bien formado: qué es y por qué es más estricto que HTML

PublicadoHerramientaFormateador de XML

Contenido
  1. Por qué HTML perdona casi cualquier error
  2. Por qué XML rechaza todo el documento por un solo error
  3. Por qué esta rigurosidad es en realidad una ventaja
  4. Cómo el tool te avisa de una violación de well-formed
  5. Cómo introducir el XML y qué opciones hay
  6. En resumen
  7. Preguntas frecuentes

Aunque abras en la barra de direcciones del navegador un documento HTML al que le falta una etiqueta, la pantalla suele mostrarse más o menos bien. Sin embargo, si cometes el mismo error en un documento XML, el navegador no te muestra el resultado: solo un error de análisis en letras rojas.

Esta diferencia no se debe a que XML sea un formato peor hecho. Ocurre porque HTML y XML establecen contratos completamente distintos con el analizador sobre "qué hacer cuando aparece un error". El nombre de ese contrato es well-formed (bien formado).

Resumen ① En HTML, el navegador repara por su cuenta los errores de etiquetas y muestra la página, mientras que en XML el analizador no repara el error y rechaza el documento completo. ② Este criterio se llama well-formed y se define con unas pocas reglas: número de elementos raíz, cierre de etiquetas, orden de anidamiento, comillas en los valores de atributo, etc. ③ Esa rigurosidad es también la razón por la que XML se usa como formato de intercambio de datos entre sistemas: elimina por regla cualquier posibilidad de interpretación ambigua.

Por qué HTML perdona casi cualquier error

La especificación de HTML5 llega a definir exactamente cómo debe reparar el navegador una etiqueta mal cerrada o un orden equivocado. Si hay una etiqueta de apertura sin su cierre, el navegador interpreta que esa etiqueta se cerró en ese punto, tomando como referencia la siguiente etiqueta o el final del documento.

Si dentro de un <p> aparece otro <p>, cierra automáticamente el primer <p> y comienza un párrafo nuevo. Gracias a estas reglas de reparación, un documento HTML que no respeta una sintaxis perfecta se muestra de forma parecida en distintos navegadores.

Es decir, en HTML un error no es una señal que detiene la pantalla, sino más bien un hueco que el analizador debe rellenar por su cuenta.

Por qué XML rechaza todo el documento por un solo error

XML adopta la postura contraria. Si el documento incumple aunque sea una de las condiciones de well-formed, el analizador está diseñado para detener el procesamiento sin intentar reparar nada. Esa es la razón por la que, al abrir un archivo XML directamente en el navegador, en lugar del contenido aparece una pantalla que solo indica dónde está el error.

Los criterios que determinan si un documento es well-formed se resumen en unas pocas reglas.

ReglaDescripción
Elemento raízDebe haber exactamente un elemento de nivel superior
Cierre de etiquetasToda etiqueta de apertura debe tener su etiqueta de cierre (o ser autocerrada con />)
Orden de anidamientoLa etiqueta abierta más recientemente debe cerrarse antes (un hijo no puede cerrarse después que su padre)
Mayúsculas y minúsculasLos nombres de etiqueta distinguen mayúsculas de minúsculas (<Book> y </book> se consideran etiquetas distintas)
Valores de atributoLos valores de atributo deben ir siempre entre comillas
Caracteres especialesEn el texto no se pueden usar < y & tal cual: hay que escaparlos

Si falla cualquiera de estas reglas, el analizador excluye el documento completo del procesamiento, por muy correcto que sea el resto del contenido. Aunque el error sea de un solo carácter, el resultado no es un "éxito parcial", sino un "fallo total".

Por qué esta rigurosidad es en realidad una ventaja

Un analizador tolerante es cómodo, pero tiene un precio. Si cada navegador repara los errores de una forma ligeramente distinta, aparece la posibilidad de que el mismo código se interprete de manera diferente según las circunstancias.

XML se diseñó desde el principio no como una pantalla para que la lea una persona, sino como un formato para que distintos sistemas intercambien datos. Si dos sistemas interpretan el mismo documento de forma diferente, eso ya es un fallo en sí mismo. Por eso XML eligió la rigurosidad de "si no se cumplen las condiciones, se rechaza sin más" en lugar de la tolerancia de "adivinar y mostrar algo".

Gracias a ello, puedes tener la certeza de que un documento XML que pasa la validación well-formed se interpretará con la misma estructura en cualquier analizador. La posibilidad de una interpretación ambigua queda bloqueada de antemano por las reglas.

El problema es que no resulta fácil comprobar estas reglas a simple vista. Contrastar línea por línea en un documento XML extenso dónde quedó una etiqueta sin cerrar o dónde falta una comilla en un valor de atributo es una tarea agotadora enseguida.

Formateador de XML

Pega tu XML y comprueba de una vez la indentación, la compresión y si está bien formado (errores de estructura).

Cómo el tool te avisa de una violación de well-formed

El Formateador de XML comprueba si el XML está bien formado con el propio analizador XML del navegador en cuanto pegas el contenido en el campo de entrada. Si cumple todas las condiciones, aparece el texto "well-formed: la estructura no tiene errores"; si falla alguna, se muestra "no es well-formed" junto con el detalle concreto del error tal como lo determina el analizador.

Independientemente de ese veredicto, el resultado de formatear (sangría) o comprimir (una sola línea) intenta mostrar las etiquetas reconociéndolas lo máximo posible. Así puedes ver el mensaje de error para localizar el problema y, al mismo tiempo, comprobar qué estructura tiene lo que acabas de introducir.

En la pantalla de resultados también se muestran el tamaño de entrada, el tamaño de salida y el número de elementos (etiquetas), de modo que puedes ver al instante cuánto cambia el tamaño antes y después de formatear.

Cómo introducir el XML y qué opciones hay

En el campo de entrada de XML puedes pegar el contenido directamente o arrastrar y soltar (o hacer clic para cargar) archivos con extensión .xml, .svg, .rss y .xsl. En el modo de formateo puedes elegir la unidad de sangría entre 2 espacios, 4 espacios o tabulador, y el modo de compresión elimina todos los espacios para dejarlo en una sola línea.

Puedes llevarte el resultado con el botón de copiar y, para empezar una comprobación nueva, basta con vaciar la entrada con el botón de borrar.

En resumen

  • En HTML, el navegador repara por su cuenta los errores de etiquetas y muestra la página, mientras que en XML el analizador no repara el error y rechaza el documento completo.
  • Este criterio se llama well-formed y se define con reglas como el número de elementos raíz, el cierre de etiquetas, el orden de anidamiento, la distinción entre mayúsculas y minúsculas, las comillas en los valores de atributo y el escape de caracteres especiales.
  • Aunque el error esté en un solo punto, el resultado no es un "éxito parcial", sino un "fallo de todo el documento".
  • Esta rigurosidad es un diseño pensado para garantizar que sistemas distintos interpreten el mismo documento de forma idéntica, y se convierte en una ventaja al eliminar cualquier margen de interpretación ambigua.
  • Si lo pegas en el Formateador de XML, puedes comprobar al momento si está bien formado y ver el detalle concreto del error, además del resultado del formateo y de la compresión.
Formateador de XML

Pega tu XML y comprueba de una vez la indentación, la compresión y si está bien formado (errores de estructura).

Preguntas frecuentes

¿HTML no tiene ninguna regla parecida a well-formed?

Un documento HTML5 normal no tiene un requisito de well-formed aparte; en su lugar se aplican unas reglas de análisis que determinan cómo debe reparar el navegador los errores cuando aparecen. Eso sí, existen formas de escribir HTML con las reglas de XML, como XHTML: en ese caso hay que cumplir las mismas condiciones de well-formed que en XML y, si se incumplen, la página no se muestra.

Me aparece un mensaje de error de XML y no encuentro dónde está el problema.

En la mayoría de los casos se trata de una etiqueta sin cerrar, de un valor de atributo sin comillas, de dos o más elementos de nivel superior, o de un < o un & escritos tal cual en el texto. Si lo pegas directamente en el Formateador de XML, en pantalla se muestra el detalle concreto del error tal como lo determina el analizador del navegador, así que puedes usar ese mensaje como pista para localizar el punto.

¿No se podría hacer XML tan tolerante como HTML?

Hay motivos para no hacerlo. Un analizador tolerante puede reparar de forma algo distinta en cada navegador, lo que deja margen para que un mismo documento se interprete de manera diferente según las circunstancias. XML no es una pantalla para que la vea una persona, sino un formato con el que distintos sistemas intercambian datos, así que esas diferencias de interpretación no deben existir: por eso se eligió la rigurosidad en lugar de la tolerancia.

¿El resultado comprimido (en una línea) también hay que volver a pasarlo por la validación well-formed?

Tanto si formateas como si comprimes, la estructura de etiquetas del XML original no cambia, así que si el original estaba bien formado, el resultado comprimido también lo está. La comprobación de well-formed del Formateador de XML se hace sobre el contenido original que introdujiste y funciona de forma independiente al cambio entre modo de formateo y modo de compresión.

Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano

Artículos relacionados

  1. Convertir YAML a JSON: reglas y errores al pasar tu configuraciónPor qué YAML no sirve en código o en una petición a la API, las reglas para convertir a JSON a mano y los puntos donde es fácil equivocarse.
  2. Error de indentación en YAML: por qué falla tu despliegueUn espacio de más en el YAML de GitHub Actions o GitLab CI puede tumbar el despliegue. Aprende a localizar la línea exacta del error sin contar a mano.
  3. Subtítulos automáticos de YouTube: por qué fallan y SRT vs VTTPor qué los subtítulos automáticos de YouTube fallan en nombres y términos técnicos, en qué se diferencian de los manuales y cuándo elegir SRT, VTT o TXT.
  4. Numerar líneas de texto: 5 formatos y alineación de dígitosAñade 1., [1] o 01. al inicio de cada línea de un texto o código, excluye las líneas vacías y calcula el relleno con ceros.
  5. Anagramas: cómo comprobar si dos textos lo son (4 pasos)Aprende a comprobar si dos palabras o frases son anagramas: pasos manuales, reglas para mayúsculas y espacios, ejemplos y un algoritmo con tablas hash.
  6. Filtro de palabrotas: enmascarar texto sin falsos positivosAprende a diferenciar coincidencia parcial y total, a priorizar las palabras más largas y a evitar la sobrecensura al ocultar insultos con asteriscos.

Herramientas relacionadas