Abrir un archivo XML

Un árbol por el que de verdad puedes navegar

El XML en un editor de texto es un muro de corchetes angulares; el mismo documento como árbol es algo que puedes leer. Cada elemento se convierte en una fila que puedes expandir o contraer, los atributos se muestran junto a su elemento en lugar de amontonarse en la línea, y el anidamiento es la sangría: encontrar el único registro que te interesa en una exportación de diez mil líneas es cuestión de cerrar las ramas que no quieres.

Un documento con más de unos cientos de elementos se abre contraído por debajo de la raíz, a propósito. Dibujar primero todas las filas de una exportación grande significaría una página que tarda segundos en poder usarse y que luego se desplaza mal; empezar contraído deja ver de inmediato la forma del documento, que suele ser lo que buscas de todos modos. Expandir sobre la marcha es más rápido y, además, una mejor forma de entender un archivo desconocido.

No se descarga nada y no se resuelve nada. Un documento XML puede hacer referencia a un DTD o a una entidad externos, y un analizador que sigue esas referencias irá a buscar lo que indiquen: un archivo en el disco, una dirección en una red interna. Esa es la vulnerabilidad XML External Entity, y la única defensa completa es negarse. Por eso, un documento que depende de un DTD externo se muestra sin él, lo cual es una medida de seguridad y no una carencia, y es lo más importante justo en el caso para el que la gente usa un visor: inspeccionar un archivo que no escribió.

Los espacios de nombres se muestran tal como están escritos en lugar de normalizarse, porque un prefijo suele ser justo lo que intentas entender en un documento desconocido. Las secciones CDATA se muestran como el texto literal que contienen, y las referencias a entidades se muestran en lugar de expandirse, así que lo que ves corresponde a lo que hay en el archivo.

Si buscas otra cosa

Cuando sabes lo que buscas, haz una consulta en lugar de explorar. xmlstarlet sel -t -v "//order[@id='42']/total" data.xml responde una pregunta concreta con una expresión XPath, y xmllint --xpath hace lo mismo. Es mucho más rápido que expandir un árbol una vez que puedes describir lo que quieres.

Para archivos demasiado grandes para caber en memoria (y el XML analizado como árbol suele ocupar varias veces el tamaño del archivo), ningún visor te va a ayudar. Los analizadores de streaming, como iterparse de Python, recorren un documento de varios gigabytes con memoria constante, y less junto con xmllint --format basta para ver la forma de algo enorme sin cargarlo.