XML (eXtensible Markup Language)
L'XML (eXtensible Markup Language) è un linguaggio di markup che descrive dati strutturati con tag definiti dall'utente. Un file XML è un testo leggibile da persone e da programmi, indipendente dalla piattaforma. È usato per scambiare dati tra sistemi, come nella fattura elettronica italiana, e per file di configurazione e documenti.
Cos’è l’XML e com’è fatto un file XML
Un file XML organizza le informazioni in elementi annidati, ciascuno racchiuso tra un tag di apertura e uno di chiusura, ad esempio <cliente> e </cliente>. Gli elementi possono avere attributi e contenere altri elementi, in una struttura ad albero con un solo elemento radice. A differenza dell’HTML, che ha tag fissi per descrivere pagine, l’XML permette di inventare i propri tag per descrivere qualunque tipo di dato.
Un documento è ben formato se rispetta le regole di sintassi, come la chiusura di ogni tag. È valido se rispetta anche uno schema, scritto in XSD o DTD, che stabilisce quali elementi sono ammessi, in quale ordine e di quale tipo.
Dove si usa l’XML
- Fatturazione elettronica italiana: le fatture inviate al Sistema di Interscambio sono file XML.
- Servizi web SOAP: i messaggi che i sistemi aziendali si scambiano attraverso le API sono in XML.
- Documenti: i file di Office, come .docx e .xlsx, sono archivi di file XML.
- Grafica e feed: il formato SVG per le immagini vettoriali e i feed RSS.
- Sitemap: l’elenco delle pagine di un sito per i motori di ricerca.
- Configurazioni: in molti ambienti Java e .NET.
Vantaggi e limiti dell’XML
L’XML è molto rigoroso, ha strumenti maturi per la validazione e per la trasformazione, come XSLT, e supporta gli spazi dei nomi per evitare conflitti tra tag. Il limite è la verbosità: gli stessi dati occupano più spazio e sono più faticosi da scrivere rispetto a JSON. Per questo le nuove API web usano quasi sempre JSON, mentre XML resta forte dove servono regole formali e compatibilità con sistemi esistenti.
Differenza tra XML, HTML, JSON e YAML
L’HTML descrive come mostrare una pagina. L’XML descrive dati e il loro significato. Il JSON descrive dati in modo più compatto, ed è il formato prevalente delle API REST. Lo YAML privilegia la leggibilità per i file di configurazione.
Standard e storia dell’XML
L’XML 1.0 è una raccomandazione del W3C del 1998, derivata dal più complesso SGML. La specifica è mantenuta dal W3C ed è alla quinta edizione. Il formato ha avuto il suo periodo di massima diffusione negli anni Duemila, e oggi è usato soprattutto nei sistemi aziendali e nei formati di documento.
Come si legge e si elabora un file XML
I programmi leggono un file XML con un parser. Quello ad albero, detto DOM, carica il documento in memoria. Quello a flusso, detto SAX, lo legge un pezzo alla volta ed è adatto ai file molto grandi. XPath indica un elemento all’interno dell’albero, e XSLT trasforma un documento XML in un altro formato, ad esempio in una pagina HTML.
Spazi dei nomi e schemi di validazione
Quando in uno stesso documento convivono elementi che arrivano da vocabolari diversi, gli spazi dei nomi evitano le ambiguità: ciascun nome è collegato a un indirizzo che identifica il vocabolario di appartenenza. Lo schema XSD definisce quali elementi sono ammessi, di che tipo sono i valori, quante volte possono comparire e in che ordine. Un validatore confronta il documento con lo schema e segnala le differenze, ed è per questo che l’XML è apprezzato dove la correttezza dei dati ha un valore legale o contabile.
La fattura elettronica italiana
In Italia le fatture tra operatori economici si scambiano in formato XML tramite il Sistema di Interscambio. Il tracciato, con i campi obbligatori e le regole di compilazione, è definito dall’Agenzia delle Entrate in uno schema che viene aggiornato nel tempo. Il file contiene i dati del cedente e del cessionario, le righe con importi e aliquote e il riepilogo dell’imposta. Il gestionale lo genera, il Sistema di Interscambio lo controlla e lo recapita, e un file che non rispetta lo schema viene scartato.
Sitemap e feed RSS
La sitemap XML elenca le pagine di un sito per i motori di ricerca, con la data di ultima modifica. Un singolo file può contenere fino a 50.000 indirizzi ed essere grande al massimo 50 MB non compressi, oltre i quali si usa un indice di più sitemap. I feed RSS e Atom sono documenti XML che elencano gli ultimi contenuti pubblicati da un sito, e permettono ai lettori di notizie e ad altri programmi di restare aggiornati senza visitare le pagine.
Sicurezza nell’elaborazione di file XML
Il formato consente di definire entità esterne, che il programma sostituisce con il contenuto di un file o di un indirizzo. Se un’applicazione elabora XML ricevuto da fonti non fidate e lascia attiva questa funzione, un attaccante può farle leggere file del server o inviare richieste a sistemi interni: l’attacco si chiama XXE. La difesa è semplice e consiste nel disattivare le entità esterne e la definizione dei tipi di documento nel parser, come indicano le guide di sicurezza dell’OWASP.