doc/xmlwf.1

   1 '\" -*- coding: us-ascii -*-
   2 .if \n(.g .ds T< \\FC
   3 .if \n(.g .ds T> \\F[\n[.fam]]
   4 .de URL
   5 \\$2 \(la\\$1\(ra\\$3
   6 ..
   7 .if \n(.g .mso www.tmac
   8 .TH XMLWF 1 "March 11, 2016" "" ""
   9 .SH NAME
  10 xmlwf \- Determines if an XML document is well-formed
  11 .SH SYNOPSIS
  12 'nh
  13 .fi
  14 .ad l
  15 \fBxmlwf\fR \kx
  16 .if (\nx>(\n(.l/2)) .nr x (\n(.l/5)
  17 'in \n(.iu+\nxu
  18 [\fB-s\fR] [\fB-n\fR] [\fB-p\fR] [\fB-x\fR] [\fB-e \fIencoding\fB\fR] [\fB-w\fR] [\fB-d \fIoutput-dir\fB\fR] [\fB-c\fR] [\fB-m\fR] [\fB-r\fR] [\fB-t\fR] [\fB-v\fR] [file ...]
  19 'in \n(.iu-\nxu
  20 .ad b
  21 'hy
  22 .SH DESCRIPTION
  23 \fBxmlwf\fR uses the Expat library to
  24 determine if an XML document is well-formed. It is
  25 non-validating.
  26 .PP
  27 If you do not specify any files on the command-line, and you
  28 have a recent version of \fBxmlwf\fR, the
  29 input file will be read from standard input.
  30 .SH "WELL-FORMED DOCUMENTS"
  31 A well-formed document must adhere to the
  32 following rules:
  33 .TP 0.2i
  34 \(bu
  35 The file begins with an XML declaration. For instance,
  36 \*(T<<?xml version="1.0" standalone="yes"?>\*(T>.
  37 \fINOTE:\fR
  38 \fBxmlwf\fR does not currently
  39 check for a valid XML declaration.
  40 .TP 0.2i
  41 \(bu
  42 Every start tag is either empty (<tag/>)
  43 or has a corresponding end tag.
  44 .TP 0.2i
  45 \(bu
  46 There is exactly one root element. This element must contain
  47 all other elements in the document. Only comments, white
  48 space, and processing instructions may come after the close
  49 of the root element.
  50 .TP 0.2i
  51 \(bu
  52 All elements nest properly.
  53 .TP 0.2i
  54 \(bu
  55 All attribute values are enclosed in quotes (either single
  56 or double).
  57 .PP
  58 If the document has a DTD, and it strictly complies with that
  59 DTD, then the document is also considered \fIvalid\fR.
  60 \fBxmlwf\fR is a non-validating parser --
  61 it does not check the DTD. However, it does support
  62 external entities (see the \*(T<\fB\-x\fR\*(T> option).
  63 .SH OPTIONS
  64 When an option includes an argument, you may specify the argument either
  65 separately ("\*(T<\fB\-d\fR\*(T> output") or concatenated with the
  66 option ("\*(T<\fB\-d\fR\*(T>output"). \fBxmlwf\fR
  67 supports both.
  68 .TP
  69 \*(T<\fB\-c\fR\*(T>
  70 If the input file is well-formed and \fBxmlwf\fR
  71 doesn't encounter any errors, the input file is simply copied to
  72 the output directory unchanged.
  73 This implies no namespaces (turns off \*(T<\fB\-n\fR\*(T>) and
  74 requires \*(T<\fB\-d\fR\*(T> to specify an output file.
  75 .TP
  76 \*(T<\fB\-d output\-dir\fR\*(T>
  77 Specifies a directory to contain transformed
  78 representations of the input files.
  79 By default, \*(T<\fB\-d\fR\*(T> outputs a canonical representation
  80 (described below).
  81 You can select different output formats using \*(T<\fB\-c\fR\*(T>
  82 and \*(T<\fB\-m\fR\*(T>.
  83
  84 The output filenames will
  85 be exactly the same as the input filenames or "STDIN" if the input is
  86 coming from standard input. Therefore, you must be careful that the
  87 output file does not go into the same directory as the input
  88 file. Otherwise, \fBxmlwf\fR will delete the
  89 input file before it generates the output file (just like running
  90 \*(T<cat < file > file\*(T> in most shells).
  91
  92 Two structurally equivalent XML documents have a byte-for-byte
  93 identical canonical XML representation.
  94 Note that ignorable white space is considered significant and
  95 is treated equivalently to data.
  96 More on canonical XML can be found at
  97 http://www.jclark.com/xml/canonxml.html .
  98 .TP
  99 \*(T<\fB\-e encoding\fR\*(T>
 100 Specifies the character encoding for the document, overriding
 101 any document encoding declaration. \fBxmlwf\fR
 102 supports four built-in encodings:
 103 \*(T<US\-ASCII\*(T>,
 104 \*(T<UTF\-8\*(T>,
 105 \*(T<UTF\-16\*(T>, and
 106 \*(T<ISO\-8859\-1\*(T>.
 107 Also see the \*(T<\fB\-w\fR\*(T> option.
 108 .TP
 109 \*(T<\fB\-m\fR\*(T>
 110 Outputs some strange sort of XML file that completely
 111 describes the input file, including character positions.
 112 Requires \*(T<\fB\-d\fR\*(T> to specify an output file.
 113 .TP
 114 \*(T<\fB\-n\fR\*(T>
 115 Turns on namespace processing. (describe namespaces)
 116 \*(T<\fB\-c\fR\*(T> disables namespaces.
 117 .TP
 118 \*(T<\fB\-p\fR\*(T>
 119 Tells xmlwf to process external DTDs and parameter
 120 entities.
 121
 122 Normally \fBxmlwf\fR never parses parameter
 123 entities. \*(T<\fB\-p\fR\*(T> tells it to always parse them.
 124 \*(T<\fB\-p\fR\*(T> implies \*(T<\fB\-x\fR\*(T>.
 125 .TP
 126 \*(T<\fB\-r\fR\*(T>
 127 Normally \fBxmlwf\fR memory-maps the XML file
 128 before parsing; this can result in faster parsing on many
 129 platforms.
 130 \*(T<\fB\-r\fR\*(T> turns off memory-mapping and uses normal file
 131 IO calls instead.
 132 Of course, memory-mapping is automatically turned off
 133 when reading from standard input.
 134
 135 Use of memory-mapping can cause some platforms to report
 136 substantially higher memory usage for
 137 \fBxmlwf\fR, but this appears to be a matter of
 138 the operating system reporting memory in a strange way; there is
 139 not a leak in \fBxmlwf\fR.
 140 .TP
 141 \*(T<\fB\-s\fR\*(T>
 142 Prints an error if the document is not standalone.
 143 A document is standalone if it has no external subset and no
 144 references to parameter entities.
 145 .TP
 146 \*(T<\fB\-t\fR\*(T>
 147 Turns on timings. This tells Expat to parse the entire file,
 148 but not perform any processing.
 149 This gives a fairly accurate idea of the raw speed of Expat itself
 150 without client overhead.
 151 \*(T<\fB\-t\fR\*(T> turns off most of the output options
 152 (\*(T<\fB\-d\fR\*(T>, \*(T<\fB\-m\fR\*(T>, \*(T<\fB\-c\fR\*(T>, ...).
 153 .TP
 154 \*(T<\fB\-v\fR\*(T>
 155 Prints the version of the Expat library being used, including some
 156 information on the compile-time configuration of the library, and
 157 then exits.
 158 .TP
 159 \*(T<\fB\-w\fR\*(T>
 160 Enables support for Windows code pages.
 161 Normally, \fBxmlwf\fR will throw an error if it
 162 runs across an encoding that it is not equipped to handle itself. With
 163 \*(T<\fB\-w\fR\*(T>, xmlwf will try to use a Windows code
 164 page. See also \*(T<\fB\-e\fR\*(T>.
 165 .TP
 166 \*(T<\fB\-x\fR\*(T>
 167 Turns on parsing external entities.
 168
 169 Non-validating parsers are not required to resolve external
 170 entities, or even expand entities at all.
 171 Expat always expands internal entities (?),
 172 but external entity parsing must be enabled explicitly.
 173
 174 External entities are simply entities that obtain their
 175 data from outside the XML file currently being parsed.
 176
 177 This is an example of an internal entity:
 178
 179 .nf
 180 <!ENTITY vers '1.0.2'>
 181 .fi
 182
 183 And here are some examples of external entities:
 184
 185 .nf
 186 <!ENTITY header SYSTEM "header\-&vers;.xml">  (parsed)
 187 <!ENTITY logo SYSTEM "logo.png" PNG>         (unparsed)
 188 .fi
 189 .TP
 190 \*(T<\fB\-\-\fR\*(T>
 191 (Two hyphens.)
 192 Terminates the list of options. This is only needed if a filename
 193 starts with a hyphen. For example:
 194
 195 .nf
 196 xmlwf \-\- \-myfile.xml
 197 .fi
 198
 199 will run \fBxmlwf\fR on the file
 200 \*(T<\fI\-myfile.xml\fR\*(T>.
 201 .PP
 202 Older versions of \fBxmlwf\fR do not support
 203 reading from standard input.
 204 .SH OUTPUT
 205 If an input file is not well-formed,
 206 \fBxmlwf\fR prints a single line describing
 207 the problem to standard output. If a file is well formed,
 208 \fBxmlwf\fR outputs nothing.
 209 Note that the result code is \fInot\fR set.
 210 .SH BUGS
 211 \fBxmlwf\fR returns a 0 - noerr result,
 212 even if the file is not well-formed. There is no good way for
 213 a program to use \fBxmlwf\fR to quickly
 214 check a file -- it must parse \fBxmlwf\fR's
 215 standard output.
 216 .PP
 217 The errors should go to standard error, not standard output.
 218 .PP
 219 There should be a way to get \*(T<\fB\-d\fR\*(T> to send its
 220 output to standard output rather than forcing the user to send
 221 it to a file.
 222 .PP
 223 I have no idea why anyone would want to use the
 224 \*(T<\fB\-d\fR\*(T>, \*(T<\fB\-c\fR\*(T>, and
 225 \*(T<\fB\-m\fR\*(T> options. If someone could explain it to
 226 me, I'd like to add this information to this manpage.
 227 .SH ALTERNATIVES
 228 Here are some XML validators on the web:
 229
 230 .nf
 231 http://www.hcrc.ed.ac.uk/~richard/xml\-check.html
 232 http://www.stg.brown.edu/service/xmlvalid/
 233 http://www.scripting.com/frontier5/xml/code/xmlValidator.html
 234 http://www.xml.com/pub/a/tools/ruwf/check.html
 235 .fi
 236 .SH "SEE ALSO"
 237 .nf
 238 The Expat home page:        http://www.libexpat.org/
 239 The W3 XML specification:   http://www.w3.org/TR/REC\-xml
 240 .fi
 241 .SH AUTHOR
 242 This manual page was written by Scott Bronson <\*(T<bronson@rinspin.com\*(T>> for
 243 the Debian GNU/Linux system (but may be used by others). Permission is
 244 granted to copy, distribute and/or modify this document under
 245 the terms of the GNU Free Documentation
 246 License, Version 1.1.