Formatar XML

XML (Extensible Markup Language) existe há mais de 25 anos, mas ainda está tecido na infraestrutura do software moderno: de documentos do Office e layouts Android a APIs SOAP, feeds RSS, arquivos de configuração e fluxos de trabalho de preservação digital. Não é mais o favorito—essa coroa foi para JSON—mas XML permanece crítico onde estrutura rígida, metadados ricos e interoperabilidade de longo prazo importam. O objetivo deste artigo é explicar XML completamente: de onde vem, como funciona, como o processamos e validamos, como se compara com formatos mais recentes e como usá-lo de forma segura e eficaz em 2025 e além.

1. O que XML realmente é

XML é uma linguagem de marcação simplificada para representar dados e documentos estruturados usando elementos e atributos aninhados. É definido pela Recomendação Extensible Markup Language (XML) 1.0 do World Wide Web Consortium, que especifica a sintaxe para documentos XML bem formados e descreve como os processadores devem lidar com eles.

A especificação XML descreve XML como um subconjunto restrito de SGML (Standard Generalized Markup Language), projetado para ser mais simples de implementar enquanto preserva o poder central do SGML: representar texto estruturado com marcação explícita.

Algumas propriedades-chave tornam XML distintivo:

• Baseado em texto e consciente de Unicode. Os documentos XML são texto simples e dependem de conjuntos de caracteres Unicode/ISO 10646, o que os torna portáveis e independentes de idioma.
• Auto-descritivo. Nomes de tags e atributos carregam significado. Não é necessário um esquema separado para entender basicamente a estrutura (embora esquemas a tornem muito mais poderosa).
• Hierárquico. A estrutura de árvore do XML mapeia diretamente para dados aninhados, documentos e hierarquias de configuração.
• Extensível. Você inventa suas próprias tags e vocabulários; o XML em si não fixa o conjunto de elementos permitidos.

2. Uma breve história: de SGML a XML para a web moderna

As raízes do XML estão em SGML, um padrão ISO dos anos 1980 usado extensivamente em publicação e documentação técnica. Em meados dos anos 1990, o HTML da web (que em si era baseado em SGML) estava em todos os lugares, mas muito limitado e fortemente acoplado à apresentação.

Por volta de 1996–1997, um grupo de trabalho incluindo Jon Bosak, Tim Bray, C. M. Sperberg-McQueen, James Clark e outros começou a projetar um subconjunto mais simples e amigável à web do SGML que pudesse ser analisado facilmente e confiavelmente. A primeira Recomendação XML 1.0 foi publicada em 1998, e o XML rapidamente se tornou a base para muitos padrões e protocolos da web inicial, incluindo SOAP, WSDL, SVG, XSLT e numerosos vocabulários específicos da indústria.

Mais tarde, o XML 1.1 refinou alguns casos extremos de manipulação de caracteres e caracteres de controle, mas o XML 1.0 permanece a variante dominante na prática.

3. Sintaxe XML central: documentos bem formados

A especificação XML 1.0 define uma sintaxe precisa para documentos bem formados. No mínimo, um documento XML bem formado:

• Tem exatamente um elemento raiz.
• Usa tags de abertura e fechamento correspondentes.
• Aninha elementos corretamente (sem tags sobrepostas).
• Usa valores de atributo entre aspas.
• Usa caracteres e codificações legais.

Um documento minúsculo mas válido pode parecer assim:

<?xml version="1.0" encoding="UTF-8"?>
<note>
  <to>George</to>
  <from>Adam</from>
  <message>Hello XML!</message>
</note>

A declaração XML é opcional, mas é a maneira convencional de indicar versão e codificação de caracteres. O elemento do documento <note> é a única raiz. Nós de texto, elementos, atributos, comentários, instruções de processamento e referências de entidade juntos formam a estrutura de árvore descrita na especificação.

XML também distingue entre documentos bem formados e válidos:

• Um documento bem formado segue as regras de sintaxe.
• Um documento válido adicionalmente está em conformidade com uma DTD ou esquema que restringe sua estrutura e conteúdo.

4. Namespaces: misturando vocabulários com segurança

À medida que os vocabulários XML se multiplicavam, colisões de nomes se tornaram um problema: um vocabulário pode usar <title> para um título de livro; outro para um título de trabalho. Para evitar conflitos, o XML introduziu namespaces, definidos na Recomendação W3C Namespaces in XML.

Por exemplo:

<book xmlns:dc="http://purl.org/dc/elements/1.1/">
  <dc:title>XML in Depth</dc:title>
</book>

Aqui, dc:title é distinguido com segurança de qualquer outro elemento <title> vinculando o prefixo dc ao URI do namespace Dublin Core. Namespaces são cruciais nos ecossistemas XML modernos: XSD, XSLT, SOAP, RSS e Office Open XML dependem muito deles.

5. Validação: DTDs, XML Schema e mais

5.1 DTDs

A especificação XML original incluía Document Type Definitions (DTDs) como o método canônico para definir a estrutura permitida de documentos—elementos, atributos, entidades permitidos, etc. DTDs são compactas e bem integradas ao prólogo XML, mas são limitadas: usam uma sintaxe não-XML, têm tipagem fraca e lutam com namespaces.

5.2 XML Schema (XSD)

Para abordar as limitações das DTDs, o W3C padronizou XML Schema Definition (XSD), agora na versão 1.1, em XML Schema Definition Language (XSD) 1.1 Part 1: Structures. XSD é escrito em XML, suporta namespaces e fornece tipagem rica (strings, números, datas, listas, uniões), restrições de ocorrência e modelos de conteúdo complexos.

Outras linguagens de esquema existem—como RELAX NG e Schematron—mas XSD permanece o padrão de fato em muitos ambientes empresariais e orientados por padrões.

5.3 Por que a validação importa

A validação transforma XML de texto estruturado em contratos entre sistemas. Por exemplo:

• Especificações de mensageria financeira definem esquemas rigorosos para instruções de pagamento.
• Padrões como Office Open XML e RSS formalizam seus formatos de documento com esquemas.
• Ferramentas de build e configuração validam arquivos como pom.xml ou web.config para detectar erros cedo.

6. Processamento XML: DOM, SAX e streaming

XML por si só é apenas texto. Para fazer algo útil, o software deve analisá-lo em algum modelo. Os dois modelos de processamento clássicos são DOM e SAX.

6.1 DOM: árvore em memória

A especificação DOM Level 3 Core do W3C define um modelo de objetos neutro em linguagem representando uma árvore de documento completa, com nós para elementos, atributos, texto, comentários e mais. DOM é amigável para acesso aleatório, fácil de raciocinar e amplamente suportado em bibliotecas, mas requer que todo o documento seja mantido na memória.

6.2 SAX: streaming orientado a eventos

A Simple API for XML (SAX) é uma API orientada a eventos que analisa XML como um fluxo e dispara callbacks para eventos como "início de elemento" ou "fim de elemento". É descrita no site do Projeto SAX e no tutorial Oracle SAX.

SAX processa documentos em uma única passada sem armazenar toda a árvore, tornando-o extremamente eficiente em memória e ideal para grandes fluxos como logs, processamento de mensagens ou transformações em lote. APIs de streaming baseadas em pull como StAX seguem princípios semelhantes.

7. XPath, XSLT e XQuery: consultando e transformando XML

7.1 XPath

XPath é uma linguagem de consulta compacta para endereçar partes de um documento XML usando expressões semelhantes a caminhos como /bookstore/book[1]/title. A versão mais recente, definida em XPath 3.1, estende o modelo para também lidar com dados JSON via mapas e arrays e é apoiada por um grande conjunto de funções padrão.

XPath está incorporado em muitas ferramentas: XSLT, XQuery, asserções XML Schema e APIs em linguagens de programação populares.

7.2 XSLT

XSL Transformations (XSLT) é uma linguagem declarativa para transformar XML em outros formatos—XML, HTML, texto ou até mesmo JSON em processadores modernos. A Recomendação XSLT 3.0 do W3C define um sistema baseado em templates que depende do XPath para correspondência de padrões e seleção.

Folhas de estilo são documentos XML usando o namespace XSLT. XSLT 3.0 adiciona capacidades de streaming para documentos enormes e integração melhorada com JSON e mapas.

7.3 XQuery

XQuery é uma linguagem de consulta completa para repositórios XML, definida em XQuery 3.1. É projetada para consultar e transformar coleções de dados XML, frequentemente armazenadas em bancos de dados XML nativos ou armazenamentos de documentos, e usa expressões FLWOR (for, let, where, order by, return) para gerar conjuntos de resultados poderosos.

Juntos, XPath, XSLT e XQuery formam um kit de ferramentas rico para trabalhar com XML em escala, especialmente em contextos de publicação, humanidades digitais, e-governo e integração de dados.

8. Usos do mundo real do XML hoje

Mesmo que JSON domine as APIs web, XML ainda está profundamente incorporado em muitos sistemas e padrões.

8.1 Formatos e padrões de documentos

• Office Open XML (OOXML). Documentos modernos do Microsoft Office (.docx, .xlsx, .pptx) são pacotes ZIP de arquivos XML definidos por ECMA-376 Office Open XML e padrões ISO relacionados.
• Preservação digital. Instituições como a Biblioteca do Congresso tratam XML (especialmente XML 1.0) como um formato estável e favorável à preservação para representar conteúdo digital estruturado.
• Marcação acadêmica e técnica. TEI, DocBook e outros vocabulários específicos de domínio são baseados em XML, permitindo marcação semântica e arquivamento de longo prazo.

8.2 Mensageria e serviços web

• SOAP. A especificação SOAP 1.2 do W3C define um envelope baseado em XML para trocar mensagens estruturadas sobre protocolos como HTTP.
• RSS e sindicação. A especificação RSS 2.0 define um formato XML para sindicação de feeds, ainda amplamente usado para blogs, notícias e feeds de produtos.

8.3 Configuração e sistemas de build

• POMs Maven. O Project Object Model do Apache Maven (pom.xml) é um arquivo XML descrevendo metadados do projeto, dependências, plugins e configuração de build, documentado na Referência POM e Introdução ao POM.
• Configuração XML Spring Framework. Apps Spring tradicionais frequentemente definem beans e wiring em arquivos applicationContext.xml ou beans.xml, uma abordagem ainda descrita na documentação de referência Spring e tutoriais como Java Guides.
• Configuração .NET. ASP.NET e WCF dependem de arquivos web.config e app.config formatados em XML para configurar endpoints, bindings e comportamento, como descrito na documentação web.config da Microsoft e guia de configuração WCF.

Mais geralmente, XML permanece um formato de configuração comum quando validação e ferramentas são importantes, especialmente com esquemas apoiados por XSD.

8.4 Layouts móveis e UI

No Android, layouts de UI são tipicamente declarados em arquivos XML sob res/layout. A documentação do Google explica que você escreve layouts usando o vocabulário XML do Android para aninhar visualizações muito parecido com HTML, com cada arquivo de layout contendo um único elemento raiz.

9. XML vs JSON vs YAML

Em 2025, JSON claramente ganhou o concurso de popularidade para APIs web: um artigo de comparação recente estima JSON em cerca de 87% das respostas de API web, com XML em 9% e YAML em 4%.

9.1 Pontos fortes do XML

Comparado com JSON e YAML, XML brilha quando você precisa de:

• Esquemas ricos e validação forte. XSD permite especificar tipos complexos, restrições e relacionamentos, e tem um ecossistema maduro de ferramentas e validadores.
• Conteúdo misto e documentos. XML foi construído para documentos ricos em texto onde marcação e texto se entrelaçam; JSON e YAML são melhores para dados puramente estruturados.
• Metadados profundos e extensibilidade. Namespaces e esquemas permitem documentos tolerantes a versões onde elementos e atributos opcionais podem ser adicionados sem quebrar consumidores mais antigos.

9.2 Pontos fortes de JSON e YAML

JSON é mais simples de ler e escrever, mapeia naturalmente para objetos JavaScript e é menor na transmissão. Tutoriais frequentemente apontam que JSON omite tags de fechamento, é mais conciso e pode ser analisado nativamente em navegadores sem um parser XML dedicado.

YAML enfatiza legibilidade humana para configuração e é popular em ferramentas DevOps como Kubernetes e Ansible, embora sua complexidade e sensibilidade à indentação possam introduzir erros.

9.3 Escolhendo o formato certo

Orientações modernas tendem a ser:

• Use JSON para a maioria das APIs web e comunicação cliente-servidor.
• Use YAML para configuração centrada em desenvolvedores em ambientes cloud/DevOps.
• Use XML quando você precisa de documentos orientados por esquema, conteúdo misto, ecossistemas XML existentes (SOAP, OOXML, WCF, layouts Android) ou arquivamento de longo prazo onde padronização e ferramentas são maduras.

10. Segurança: XXE e outras armadilhas XML

A flexibilidade do XML vem com arestas afiadas, particularmente em torno de entidades externas e DTDs. A Folha de Referência de Prevenção XML External Entity (XXE) da OWASP documenta como vulnerabilidades XXE permitem que atacantes leiam arquivos locais, realizem falsificação de solicitação do lado do servidor ou causem negação de serviço explorando expansão de entidade.

Vetores de ataque comuns incluem:

• Entidades externas referenciando recursos locais ou remotos.
• Entidades de parâmetro em DTDs que se expandem em payloads enormes.
• Recuperação de DTD sobre redes não confiáveis.

Orientações de mitigação geralmente recomendam:

• Desabilitar DTDs e entidades externas em parsers sempre que possível.
• Usar configurações de parser endurecidas ou bibliotecas seguras que seguem recomendações OWASP.
• Validar contra esquemas sem habilitar recursos arriscados.

Outras considerações de segurança incluem documentos superdimensionados (esgotamento de recursos), injeção XPath/XQuery em sistemas que constroem consultas a partir de entrada do usuário, e arquivos de configuração baseados em XML mal configurados levando a escalação de privilégios ou execução de código.

11. Design e melhores práticas para XML

Usado com cuidado, XML permanece uma maneira limpa e robusta de modelar dados e documentos. Algumas diretrizes práticas:

• Modele uma árvore clara. Projete seu XML em torno de uma árvore conceitual estável (por exemplo, <invoice> → <lineItems> → <lineItem>) em vez de refletir diretamente um esquema relacional.
• Escolha elementos vs atributos intencionalmente. Use elementos para conteúdo principal e estruturas; use atributos para metadados e flags.
• Use namespaces desde o início. Mesmo para vocabulários pequenos, atribuir um namespace (por exemplo, xmlns="https://example.com/ns/invoice") evita migrações dolorosas mais tarde.
• Apoie seu formato com um esquema. Forneça XSD (ou outra linguagem de esquema) e trate-o como parte de seu contrato público. Use validação de esquema em CI e nos pontos de integração.
• Mantenha-o inspecionável por humanos. Formatação bonita e comentários ajudam em depuração, configuração e manutenção de longo prazo.
• Separe dados da apresentação. Use XML para estrutura e significado, e transforme-o em HTML, PDF ou outros formatos com XSLT ou outras ferramentas.
• Escolha modelos de processamento apropriados. Para documentos pequenos a médios e consultas complexas, DOM + XPath/XSLT pode ser ideal; para fluxos muito grandes ou ambientes restritos, use SAX, StAX ou processamento orientado a eventos.
• Endureça parsers. Siga as diretrizes de prevenção XXE da OWASP e as melhores práticas de segurança do seu idioma ao analisar entrada não confiável.

12. O papel futuro do XML

No desenvolvimento web cotidiano, XML largamente cedeu o centro do palco para JSON e YAML. Mas em muitos domínios—integração empresarial, padrões de documentos, gerenciamento de configuração, preservação digital e sistemas legados—reescrever tudo em formatos mais recentes é inviável ou indesejável.

Organismos de padrões como W3C e Ecma ainda mantêm especificações baseadas em XML como XML 1.x, XML Schema, XPath, XSLT, XQuery, SOAP e OOXML, e instituições como a Biblioteca do Congresso continuam tratando XML como um cavalo de batalha de arquivamento.

Para desenvolvedores, isso significa que você provavelmente interagirá com XML sempre que tocar em arquivos do Office, layouts Android, muitas pilhas empresariais Java, configuração .NET, serviços SOAP/WSDL mais antigos ou intercâmbio de dados orientado por padrões. Entender a sintaxe, namespaces, esquemas e modelos de processamento do XML permanece uma habilidade valiosa, especialmente se você trabalha em integração, infraestrutura ou sistemas de longa duração.

XML pode não ser mais a estrela das APIs web modernas, mas ainda é uma base sólida, bem especificada e fortemente ferramentada para uma enorme quantidade de software. Aprendê-lo profundamente vale a pena sempre que você precisar de esquemas fortes, documentos ricos ou navegar pela vasta paisagem de padrões existentes baseados em XML.