XML | AI slovník | DNA marketing®

Odborná definice

XML je textový značkovací formát W3C pro hierarchicky strukturované data. Dokument tvoří jeden koreňový element, vnorené elementy, atributy, text, namespace deklarace a volitelné procesné instrukce. Well-formed XML dodržiava syntaktické pravidla, valid XML navíc splňuje schéma nebo DTD. V AI systémech se XML používá při výmene metadát, anotací, konfigurací, dokumentových korpusů a starších podnikových API. Parser musí bezpečně zpracovat entity, kódování a namespace. Na ochranu před XXE se externí entity a sieťové načtení štandardne vypínají.

Srozumitelné vysvětlení

XML zapisuje data pomocí pomenovaných značiek, které se mohou vnárat do sebe. Dokument tak může přesně vyjadrit strukturu smlouvy, anotace snímky nebo konfigurace pipeline. Na rozdíl od volného textu parser ví rozlíšit element, atribút a hodnotu. Samotná správná syntax však neznamená, že údaje dávají smysl. Schéma může určit povinné prvky a typy. Při nedůveryhodnom vstupe je třeba zablokovat externí entity, jinak parser může pristúpit k súborom nebo síti. Pro rozsáhlé soubory se volí streamovací parser, aby celý dokument nemusel zůstat najednou v pameti.

Časté otázky

Co znamená well-formed XML?

Dokument má jeden koreň, správně vnorené a uzavreté elementy, citované atributy a platné znaky. Neznamená to shodu s konkrétnou schématem.

Na co slouží XML namespaces?

Rozlišují elementy s stejným lokálnym názvem z různých slovníků pomocí URI. Prefix je skratka, identitu určuje namespace URI.

Je XML vhodné jako promptový formát?

Může jasně oddělit instrukce a data, ale model negarantuje syntaktickou poslušnost. Výstup se musí validovat parserom a schématem.

Co je XXE útok?

Parser zpracuje externí entitu odkazujúcu na lokální soubor nebo sieťový zdroj. Bezpečná konfigurace zakazuje DTD a externí entity při nedůveryhodných dokumentech.

Jak se XML liší od JSON?

XML má elementy, atributy, namespaces, mixed content a rozsáhlé schémové nástroje. JSON má jednodušší objektový model, který je běžný v moderných webových API.

Související pojmy

Zdroje a redakční stopa

W3C, Extensible Markup Language 1.0 OWASP, XML External Entity Prevention

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.