XML Formatter / Validator

O que é XML e por que ainda está em todo lugar

XML (Extensible Markup Language) foi padronizado pelo W3C em 1998 e rapidamente se tornou o formato universal de troca de dados estruturados — até o JSON assumir o controle das APIs REST. Hoje o XML é chamado de "legado" em conferências, mas ainda processa uma enorme quantidade de dados reais: serviços SOAP em bancos e hospitais, feeds RSS e Atom, gráficos SVG, OOXML (.docx, .xlsx), layouts Android, configurações Maven e praticamente todos os barramentos de integração empresarial.

Como developer, você vai encontrar XML com mais frequência do que imagina.

As regras do XML que mais causam erros

Um parser XML em conformidade com a especificação é obrigado a rejeitar input malformado, não tentar adivinhar sua intenção como um parser HTML faz. As causas mais comuns de falha:

1. Tags sem fechar. Todo tag de abertura precisa de um tag de fechamento ou deve ser self-closing: <br/>. Diferentemente do HTML, <br> não é válido em XML.
2. Sensibilidade a maiúsculas. <Item> e <item> são elementos distintos. Misturá-los invalida o documento.
3. Apenas um elemento raiz. Um documento XML válido tem exatamente um elemento de nível superior.
4. Valores de atributos devem estar entre aspas. <img width=300> é notação HTML; em XML deve ser width="300".
5. Caracteres reservados no conteúdo. Os caracteres <, > e & em texto devem ser escapados como <, > e &, ou envolvidos em uma seção CDATA.

Namespaces — a maior fonte de confusão

Os namespaces do XML permitem que vocabulários distintos coexistam em um documento sem colisões de nomes. Um namespace é uma URI vinculada a um prefixo:

<root xmlns:soap="http://schemas.xmlsoap.org/soap/envelope/"
      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
  <soap:Envelope>
    <soap:Body xsi:type="xs:string">Olá</soap:Body>
  </soap:Envelope>
</root>

A URI é apenas um identificador único — não precisa resolver para nada real. Um formatter que não entende namespaces pode reordenar atributos de forma a quebrar os bindings. Esta ferramenta preserva todas as declarações de namespace exatamente como estão escritas.

Seções CDATA

Uma seção CDATA instrui o parser a tratar tudo dentro dela como dados de caractere literal, não como marcação:

<script><![CDATA[
  if (a < b && c > d) {
    fazerAlgo();
  }
]]></script>

Sem CDATA, esses <, > e & precisariam ser escapados. CDATA é útil para incorporar fragmentos HTML, JavaScript ou SQL dentro de XML. A única string que não pode aparecer dentro de CDATA é ]]> (o delimitador de fechamento).

Comentários e instruções de processamento

Comentários XML <!-- assim --> são semanticamente inertes — parsers podem descartá-los. Esta ferramenta usa fast-xml-parser com preservação de comentários habilitada, então os nós de comentário sobrevivem ao reformatamento.

Instruções de processamento <?xml-stylesheet type="text/xsl" href="style.xsl"?> são diretivas para a aplicação consumidora. Sempre inclua a declaração XML <?xml version="1.0" encoding="UTF-8"?> quando o documento puder conter caracteres não-ASCII.

Self-closing tags e ordem de atributos

Self-closing tags (<element/>) e seu equivalente de dois tokens (<element></element>) são semanticamente idênticos em XML. O formatter normaliza elementos vazios curtos para a forma self-closing. A ordem dos atributos não tem significado semântico segundo a especificação, mas esta ferramenta preserva a ordem original para evitar surpresas em workflows que comparam posição de atributos.

Pretty-print vs minificar

Pretty-print adiciona indentação e quebras de linha para que a estrutura seja legível. Use para:

• Controle de versão (diffs ficam compreensíveis)
• Depurar envelopes SOAP e respostas de API
• Editar arquivos de configuração manualmente

Minificar remove todos os espaços em branco não significativos. Use para:

• Transmissão em ambientes com largura de banda limitada
• Reduzir o tamanho de armazenamento em arquivos XML grandes

Importante: espaços em branco dentro de <![CDATA[…]]> ou em elementos de conteúdo misto são significativos e não devem ser removidos. O formatter respeita isso.

Quando o XML ainda é melhor que JSON

• Serviços SOAP: sistemas financeiros, governamentais e de saúde frequentemente exigem SOAP. Não há equivalente JSON.
• Feeds RSS/Atom: todo o ecossistema de sindicalização ainda é XML.
• SVG: gráficos vetoriais escaláveis são XML — você pode formatar um arquivo SVG exatamente como qualquer XML.
• OOXML: arquivos .docx e .xlsx são ZIPs que contêm XML.
• Modelos de documento complexos: conteúdo misto, namespaces e esquemas XSD lidam com cenários que o modelo chave-valor plano do JSON não cobre bem.

Desempenho e limite de tamanho

O formatter roda completamente no seu navegador. Inputs de até 5 MB são processados confortavelmente na maioria dos navegadores modernos. Para arquivos maiores, xmllint --format na linha de comando é mais eficiente.

Privacidade

Todo o processamento é local — seu XML nunca sai do navegador. Você pode verificar isso na aba Network do DevTools.

Por que meu XML falha no parsing mesmo parecendo correto?

Parsers XML em conformidade com a especificação devem rejeitar input malformado em vez de tentar interpretá-lo. As causas mais comuns: um & ou < sem escape no conteúdo de texto (use & e <), tag sem fechar, diferença de maiúsculas entre tag de abertura e fechamento (XML diferencia maiúsculas de minúsculas), ou mais de um elemento raiz. A mensagem de erro inclui número de linha e coluna; vá para essa posição primeiro.

O formatter preserva comentários XML?

Sim. Esta ferramenta usa fast-xml-parser com preservação de comentários habilitada, então nós <!-- seu comentário --> sobrevivem ao reformatamento. Algumas bibliotecas XML descartam comentários por serem semanticamente inertes — se comentários são importantes para seu workflow, verifique também com seu parser downstream.

Reformatar muda o significado do XML?

Para conteúdo apenas de elementos, não. Espaço em branco entre elementos não é significativo segundo a especificação, então adicionar ou remover indentação é seguro. A exceção é conteúdo misto — elementos que contêm tanto elementos filhos quanto nós de texto. Em <p>Olá <b>mundo</b></p>, o espaço antes de <b> é significativo e é preservado como está.

O que são namespaces e por que importam?

Namespaces permitem que vocabulários XML distintos coexistam sem colisões de nomes. Um prefixo como soap: ou xsi: é vinculado a uma URI por um atributo xmlns:. O formatter preserva todas as declarações de namespace e seus bindings exatamente — reordená-los ou removê-los quebraria queries XPath e parsers que dependem do nome expandido.

Posso formatar arquivos SVG com esta ferramenta?

Sim. SVG é XML, então o formatter lida com isso corretamente. Cole o fonte SVG, escolha a largura de indentação e clique em formatar. É muito útil para tornar SVGs editados manualmente legíveis em diffs antes de subir para controle de versão.

O que é uma seção CDATA e quando devo usá-la?

<![CDATA[…]]> envolve dados de caractere literal que não devem ser parseados como marcação. Use quando precisar incorporar fragmentos HTML, SQL ou código contendo <, > ou & sem escapar cada caractere. A única sequência que não pode aparecer dentro de CDATA é ]]>. O formatter preserva seções CDATA intactas.

Existe um limite de tamanho de arquivo?

A ferramenta roda completamente no seu navegador, então os limites práticos dependem do seu dispositivo. Até ~5 MB funciona bem na maioria dos navegadores modernos. Arquivos maiores podem causar uma pausa de vários segundos. Para arquivos acima de 10 MB, xmllint --format na linha de comando é mais rápido.

Meu documento tem <?xml version="1.0"?> no início — é obrigatório?

A declaração XML é opcional para documentos codificados em UTF-8 ou UTF-16 com BOM. Na prática, inclua sempre quando o documento contiver caracteres não-ASCII e puder ser processado por parsers estritos — ela elimina a ambiguidade sobre o encoding e a versão XML.