正規 XML

Canonical XML はXMLの標準形式であり、XML ドキュメントのペアを比較的簡単に比較して同等性を確認できるようにするためのものです。この目的のために、Canonical XML 変換ではドキュメント間の無意味な違いを削除します。任意の XML ドキュメントを Canonical XML に変換できます。

たとえば、XML では、開始タグ内のさまざまな場所に空白文字を配置したり、属性を任意の順序で指定したりできます。このような違いは、意味を伝えるために使用されることはほとんどないため、次の形式は一般に同等であると見なされます。

   <p class="a" secure="1">

   <p セキュア = "1"
             クラス='a' >

任意の XML ドキュメントを Canonical XML に変換する場合、属性は規範的な順序 (名前のアルファベット順) でエンコードされ、規範的なスペースと引用符が使用されます (ただし、すべての名前空間宣言は通常の属性の前に配置され、名前空間属性はプレフィックスや修飾名ではなく名前空間でソートされます)。したがって、上記の 2 番目の形式は最初の形式に変換されます。

Canonical XML では、他にもさまざまな詳細が指定されています。その一部を以下に示します。

• UTF -8エンコードが使用される
• 行末は改行文字0x 0Aを使用して表されます。
• 属性値内の空白は正規化されます
• 実体参照と非特殊文字参照が展開される
• CDATAセクションは文字コンテンツに置き換えられます
• 空要素は、特別な空要素構文を使用せずに、開始/終了ペアとしてエンコードされます。
• デフォルトの属性が明示的に指定される
• 余分な名前空間宣言は削除される

W3Cによれば、2 つのXML文書が同じ正規形式を持つ場合、その 2 つの文書は特定のアプリケーション コンテキスト内で論理的に同等です (いくつかの特殊なケースに関する制限を除く)。

ただし、特殊なコンテキストでは、ユーザーは、Canonical XML に関連付けられている一般的な論理的等価性を超えた特殊なセマンティクスを気にする場合があります。たとえば、ステガノグラフィシステムは、空白、属性の引用と順序、16 進数と 10 進数の文字参照の使用などを変更することで、XML ドキュメント内の情報を隠すことができます。当然、このようなファイルを Canonical XML に変換すると、これらの特殊なセマンティクスは失われます。一方、大文字と小文字の使用、古いスペルと最新のスペルの使用などが異なる XML ファイルは、特定の目的のためには同等と見なされる場合があります。このようなコンテキストは、Canonical XML の範囲外です。

• XML 署名

• W3C 勧告、Canonical XML バージョン 1.0、2001 年 3 月 15 日
• W3C 勧告、排他的 XML 正規化バージョン 1.0、2002 年 7 月 18 日