XML: EXtensible Mark-up Language (lenguaje de marcado extensible). Es un lenguaje orientado a:

• La definición de datos de carácter general. Nos permite definir modelos de datos, a diferencia de HTML, que está orientado a la presentación.
• Nos permite establecer jerarquías de forma más flexible que HTML.
• Al compartir modelos de datos se facilita el intercambio de datos entre sistemas heterogéneos.
• Crear nuevos lenguajes gracias a sus mecanismos de extensibilidad. Por ello, se dice que XML es un metalenguaje (un lenguaje para crear nuevos lenguajes).

Enlace a una introducción a XML en formato ppt.

XML no se compromete con la presentación de los datos. Si es necesario determinar el formato de un documento XML recurriremos a XSL, EXtensible Styleheet Language (lenguaje de estilo extensible). XSL tiene dos elementos: la transformación del árbol con XSLT y el formato (XMSL-FO, objetos de formato XSL).

Un analizador XML es una herramienta (API, aplicación, etc.) que descompone el archivo XML y nos permite acceder a sus elementos. Lo que aqui nos interesa son los APIs. Los casos más conocidos hasta la fecha:

• SAX: Simple API for XML. Típico caso de programación orientada a eventos. El analizador recorre la estructura y se generan los eventos correspondientes a los elementos que se encuentran (startDocument, skippedEntity, etc.).
• DOM: Document Object Model. Representamos el archivo en una estructura de árbol.
• Extensiones a DOM, como JDOM o JAXP. Este último es "Sun Java for XML Processing", la implementación de Sun para el estilo de análisis DOM. Disponible a partir de la versión 1.4

A priori SAX parece adecuado para procesar archivos muy grandes (donde no quiere guardar toda la escructura del árbol en memoria) o si sólo se está interesado en unos pocos elementos del archivo.

Un ejemplo de lectura SAX con un DTD

Un ejemplo de lectura SAX con un Esquema XML