XML-Dateien beherrschen: Struktur, Anwendungsfälle und wichtigste Vorteile

Eine XML-Datei speichert strukturierte Daten als verschachtelte, für Menschen lesbare Tags anstelle von Zeilen und Spalten. Microsoft beschreibt das Format als „eine Technologie, die für die Verwaltung und Freigabe strukturierter Daten in einer für Menschen lesbaren Textdatei entwickelt wurde“. Diese Anleitung zeigt, wie diese Dateien aufgebaut sind, woher sie stammen, wie Tabellenkalkulationen mit ihnen umgehen und wie Sie Antworten aus ihnen gewinnen.

Was ist eine XML-Datei

Es handelt sich um eine reine Textdatei, die sowohl Daten als auch die Namen der beschriebenen Objekte enthält. Ein kommagetrennter Export liefert Ihnen Werte und verlässt sich auf eine Kopfzeile, um Bedeutung zu vermitteln. Eine mit Tags versehene Datei trägt die Bedeutung direkt im Text, direkt neben jedem Wert.

Dieses Design hat eine Konsequenz, die man vor allem anderen verstehen sollte. Das Format ist hierarchisch, sodass ein Datensatz andere Datensätze über mehrere Ebenen hinweg enthalten kann. Eine Tabellenkalkulation ist flach, und in der Lücke zwischen diesen beiden Formen liegt die größte praktische Schwierigkeit.

Die Übersicht von Microsoft bringt den Zweck auf den Punkt: Das Format „erleichtert die Definition, Übertragung, Validierung und Interpretation von Daten zwischen Datenbanken, Anwendungen und Organisationen erheblich“.

Wie die Struktur funktioniert

Elemente und Verschachtelung

Jeder Wert befindet sich in einem benannten Element, und Elemente können andere Elemente enthalten. Eine Rechnung kann einen Kundenblock, eine Liste von Rechnungsposten und einen Summenblock enthalten, die jeweils eigene Unterelemente besitzen.

Die Verschachtelung ist der entscheidende Punkt. Sie erfasst Beziehungen, die eine flache Tabelle nur durch die Wiederholung von Werten über Zeilen hinweg ausdrücken kann.

Benutzerdefinierte Tags

Tag-Namen sind durch das Format nicht festgelegt. Wie es in der offiziellen Übersicht heißt, „können Anwendungsentwickler ihre eigenen benutzerdefinierten Tags, Datenstrukturen und Schemata erstellen“.

Aus diesem Grund können zwei Dateien von zwei verschiedenen Anbietern dieselbe Rechnung beschreiben und fast keine gemeinsamen Feldnamen aufweisen. Jede Analyse muss damit beginnen, zu lesen, was die vorliegenden Tags tatsächlich bedeuten.

Schemata und Validierung

Eine separate Schemadatei definiert die Regeln. Microsoft beschreibt diese Paarung direkt. Datendateien „enthalten die benutzerdefinierten Tags und strukturierten Daten“. Schemadateien „enthalten Schema-Tags, die Regeln wie Datentyp und Validierung erzwingen“.

Schemata verwenden die Dateiendung .xsd. Der Standard definiert auch Transformationsdateien mit der Endung .xslt, die als Dateien beschrieben werden, „die verwendet werden, um Stile anzuwenden und XML-Daten in verschiedene Präsentationsformate zu transformieren“.

Wofür diese Dateien verwendet werden

Man entscheidet sich selten aktiv für dieses Format. Es wird einem meist von einem System geliefert, das schon seit Jahren läuft.

• Finanzen und Bankwesen. Kontoauszugs- und Zahlungsnachrichtenformate sind in der Regel mit Tags versehen und nicht durch Trennzeichen getrennt.
• E-Rechnungsstellung. Viele nationale E-Rechnungsvorgaben schreiben ein mit Tags versehenes Dokument als rechtliches Artefakt vor.
• ERP- und HR-Exporte. Langlebige Unternehmenssysteme exportieren standardmäßig oft in diesem Format.
• Produkt- und Content-Feeds. Einzelhandelskatalog-Feeds und Syndizierungsformate basieren auf Tags.
• Konfigurations- und Office-Dokumente. Moderne Office-Dateiformate sind komprimierte Sammlungen von mit Tags versehenen Teilen.

Das Muster ist bei allen fünf dasselbe. Die Datei ist ein Austausch-Artefakt, das für eine andere Maschine erstellt wurde, und keine Arbeitsdatei für einen Analysten.

Vergleich mit flachen Formaten

	Dateien mit Tags (.xml)	CSV	Parquet
Form	Verschachtelt, viele Ebenen	Flache Zeilen und Spalten	Flach, spaltenorientiert
Feldnamen	Direkt im Text bei jedem Wert enthalten	Nur Kopfzeile	In den Datei-Metadaten gespeichert
Validierung	Optionale Schemadatei erzwingt Typen	Keine integrierte	Typen im Schema hinterlegt
In einem Texteditor lesbar	Ja, wenn auch weitschweifig	Ja	Nein
Typische Größe für dieselben Daten	Größte	Mittlere	Kleinste
Übliche Quelle	Unternehmenssysteme und Austauschstandards	Exporte und Berichte	Datenplattformen

Wenn Sie regelmäßig mit diesen Formaten arbeiten, decken unsere begleitenden Erklärungen zu TSV-Dateien und Parquet-Dateien die flache Seite dieser Tabelle ab.

Wie Excel mit dem Format umgeht

Hier begegnen die meisten Analysten dem Format, und die offizielle Dokumentation beschreibt ungewöhnlich klar, was dabei passiert.

Der Importpfad befindet sich nicht auf der Hauptregisterkarte. Die Importanweisung von Microsoft lautet „Klicken Sie auf Entwicklertools > Importieren“. Die Seite verweist die Leser auch auf die Schritte zum Einblenden dieser Registerkarte, da sie standardmäßig ausgeblendet ist.

Der grundlegende Arbeitsablauf umfasst, in Microsofts Worten, „fünf Phasen“. Sie fügen einer Arbeitsmappe eine Schemadatei hinzu und weisen dann deren Elemente Zellen oder Tabellen zu. Sie importieren die Datendatei und verknüpfen die Elemente mit diesen zugewiesenen Zellen. Von dort aus arbeiten Sie in Excel und exportieren die überarbeiteten Daten wieder.

Zwei Verhaltensweisen sind wichtiger als der Rest.

Excel schätzt ein Schema, wenn Sie keines bereitstellen. Wenn Sie importieren, ohne vorher ein Schema hinzuzufügen, „versucht Excel, ein Schema für Sie abzuleiten“. Diese Schätzung basiert „auf den in der XML-Datendatei definierten Tags“.

Die Schätzung wird dann mit der Arbeitsmappe gespeichert. Auf der Seite wird auch darauf hingewiesen, dass „Sie das von Excel abgeleitete Schema nicht als separate XML-Schemadatendatei (.xsd) exportieren können“.

Die Verschachtelung wird beim Importieren flachgelegt. Microsoft beschreibt das Ergebnis eines schreibgeschützten Öffnens. Es handelt sich um „eine zweidimensionale Tabelle mit Zeilen und Spalten, die XML-Tags als Spaltenüberschriften anzeigt“. Das Stammelement wird „wie ein Titel verwendet“.

Diese Verflachung ist genau das, was Sie für die Analyse wollen, und genau der Punkt, an dem Bedeutung verloren geht. Eine dreistufige Hierarchie wird zu Spalten, und die Beziehung zwischen übergeordnetem und untergeordnetem Element überlebt nur in der Art und Weise, wie die Tags benannt wurden.

Wichtigste Vorteile

Die Daten erklären sich selbst. Feldnamen werden zusammen mit den Werten übertragen, sodass eine von ihrer Dokumentation getrennte Datei immer noch interpretierbar ist.

Die Validierung ist Teil des Ökosystems. Ein Schema kann Datentypen und Pflichtfelder erzwingen, bevor die Daten Sie erreichen, was kein einfacher, durch Trennzeichen getrennter Export tut.

Es überschreitet Organisationsgrenzen. Wie in der offiziellen Übersicht angemerkt, „folgt das Format branchenüblichen Richtlinien und kann von einer Vielzahl von Datenbanken und Anwendungen verarbeitet werden“.

Die Hierarchie bleibt erhalten. Eine Rechnung mit zwölf Rechnungsposten bleibt eine einzige Rechnung, anstatt zu zwölf Zeilen zu werden, die die Kopfwerte wiederholen.

Wissenswerte Einschränkungen

Weitschweifigkeit. Das Wiederholen von Tag-Namen um jeden Wert herum macht Dateien im Vergleich zu denselben Daten in einem flachen Format sehr groß.

Tag-Namen sind nicht herstellerübergreifend standardisiert. Benutzerdefinierte Tags sind eine Funktion des Formats, und der Preis dafür ist, dass jede neue Quelle interpretiert werden muss.

Tabellenkalkulationen erfordern eine flache Hierarchie. Jede Pivot-Tabelle, jedes Diagramm oder jede Formel erwartet ein Rechteck, daher muss sich die Form vor Beginn der Analyse ändern.

Der Import kann bei der Validierung fehlschlagen. Microsoft weist darauf hin, dass „Excel das Dialogfeld XML-Importfehler anzeigt, wenn Daten nicht gemäß der XML-Zuordnung validiert werden können“. Das führt Sie zurück zum Schema, bevor Sie überhaupt beginnen können.

Zu einer Antwort gelangen, ohne gegen die Form anzukämpfen

Die praktische Frage lautet selten „Wie öffne ich diese Datei?“. Sie lautet vielmehr „Wie erstelle ich bis heute Nachmittag ein Diagramm daraus?“.

Der Weg, der funktioniert, ist der, den Excel bereits andeutet. Verflachen Sie die Hierarchie in ein Rechteck, entscheiden Sie, welche Ebene der Hierarchie einer Zeile entspricht, und analysieren Sie von dort aus.

Powerdrill Bloom akzeptiert Excel, CSV, PDF und Dokumente als Uploads, daher eine mit Tags versehene Quelldatei zuerst in CSV oder eine Arbeitsmappe konvertiert werden sollte. Das schreibgeschützte Öffnen in Excel selbst erzeugt genau dieses Rechteck, ebenso wie jeder Konvertierungsschritt in Ihren Datentools.

Sobald die Daten flach sind, ist die Analyse ganz gewöhnlich. Die Seite des CSV AI assistant beschreibt diesen Weg. Die Preisseite fasst das Ergebnis zusammen: Stellen Sie Fragen zu Ihren Daten und „erhalten Sie eine fundierte Antwort mit Diagrammen, Tabellen und Exporten“. Wenn Sie speziell das Diagramm wünschen, deckt unsere Anleitung zum Umwandeln einer CSV-Datei in ein Diagramm dies von Anfang bis Ende ab.

Eine Entscheidung erfordert vor der Konvertierung besondere Sorgfalt. Wählen Sie die Zeilengranularität bewusst. Eine Zeile pro Rechnungsposten und eine Zeile pro Rechnung beantworten unterschiedliche Fragen.

Fazit

Das Format ist weitschweifig, selbstbeschreibend und hierarchisch, und diese drei Eigenschaften erklären alles andere bei der Arbeit damit. Es eignet sich hervorragend für den Datenaustausch zwischen Organisationen und ist unpraktisch für die Analyse von Daten innerhalb einer Organisation.

Betrachten Sie die Konvertierung eher als eine bewusste Entscheidung denn als lästige Pflicht. Wählen Sie die Ebene, die zu einer Zeile wird, und behalten Sie die Tag-Namen als Spaltenüberschriften bei. Danach ist die Arbeit dieselbe wie bei jeder anderen Tabellenkalkulationsanalyse.

Haben Sie gerade eine dieser Dateien in einem Ordner liegen? Testen Sie Powerdrill Bloom mit dem verflachten Export und sehen Sie sich das Diagramm an, bevor Sie in eine Pipeline investieren.

Häufig gestellte Fragen

Wofür wird eine XML-Datei verwendet?

Sie wird verwendet, um strukturierte Daten zwischen Systemen und Organisationen zu übertragen. Zu den häufigen Quellen gehören Banknachrichten, E-Rechnungen, ERP- und HR-Exporte, Produkt-Feeds im Einzelhandel und die internen Teile von Office-Dokumenten.

Was ist der Unterschied zwischen XML und CSV?

Das eine Format ist hierarchisch und trägt Feldnamen direkt im Text bei jedem Wert. Das andere ist flach und verlässt sich auf eine einzige Kopfzeile. Das mit Tags versehene Format kann auch gegen eine Schemadatei validiert werden, was bei einem durch Trennzeichen getrennten Export nicht möglich ist.

Wie öffne ich eine XML-Datei in Excel?

Der von Microsoft dokumentierte Weg führt über Entwicklertools > Importieren, wobei die Registerkarte „Entwicklertools“ standardmäßig ausgeblendet ist. Sie können die Datei auch schreibgeschützt öffnen, was eine zweidimensionale Tabelle erzeugt, die die Tags als Spaltenüberschriften verwendet.

Benötige ich eine Schemadatei, um die Daten zu verwenden?

Nein. In der Dokumentation von Microsoft heißt es, dass Excel versucht, ein Schema aus den Tags abzuleiten, wenn keines bereitgestellt wird. Das abgeleitete Schema wird mit der Arbeitsmappe gespeichert und kann nicht als separate .xsd-Datei exportiert werden.

Was ist XSLT?

Microsoft beschreibt es als einen Transformationsstandard, der zusammen mit dem Datenformat definiert wurde. Er verwendet .xslt-Dateien, „um Stile anzuwenden und XML-Daten in verschiedene Präsentationsformate zu transformieren“.