XML फ़ाइलों में महारत हासिल करना: संरचना, उपयोग के मामले और प्रमुख लाभ

एक XML फ़ाइल संरचित डेटा को पंक्तियों और स्तंभों के बजाय नेस्टेड, मानव-पठनीय टैग के रूप में संग्रहीत करती है। Microsoft इस प्रारूप को "एक ऐसी तकनीक के रूप में वर्णित करता है जिसे मानव-पठनीय टेक्स्ट फ़ाइल में संरचित डेटा के प्रबंधन और साझाकरण के लिए डिज़ाइन किया गया है।" यह मार्गदर्शिका बताती है कि ये फ़ाइलें कैसे बनाई जाती हैं, वे कहाँ से आती हैं, स्प्रेडशीट उन्हें कैसे संभालती हैं, और उनसे उपयोगी जानकारी कैसे निकाली जाए।

XML फ़ाइल क्या है

यह एक प्लेन टेक्स्ट फ़ाइल है जिसमें डेटा और उन चीज़ों के नाम दोनों होते हैं जिनका यह वर्णन करती है। एक कॉमा-सेपरेटेड एक्सपोर्ट आपको केवल मान देता है और अर्थ के लिए हेडर रो पर निर्भर करता है। एक टैग की गई फ़ाइल प्रत्येक मान के ठीक बगल में, इनलाइन अर्थ ले जाती है।

इस डिज़ाइन का एक परिणाम है जिसे किसी भी चीज़ से पहले समझना ज़रूरी है। यह प्रारूप श्रेणीबद्ध (hierarchical) है, इसलिए एक रिकॉर्ड में कई स्तरों तक गहरे अन्य रिकॉर्ड हो सकते हैं। एक स्प्रेडशीट फ्लैट होती है, और इन दोनों आकारों के बीच का अंतर ही वह जगह है जहाँ अधिकांश व्यावहारिक कठिनाइयाँ आती हैं।

Microsoft का अवलोकन इसके उद्देश्य को एक वाक्य में रखता है: यह प्रारूप "डेटाबेस, अनुप्रयोगों और संगठनों के बीच डेटा की परिभाषा, संचरण, सत्यापन और व्याख्या को बहुत आसान बनाता है।"

संरचना कैसे काम करती है

एलिमेंट्स और नेस्टिंग

प्रत्येक मान एक नामित एलिमेंट के अंदर होता है, और एलिमेंट्स में अन्य एलिमेंट्स हो सकते हैं। एक इनवॉइस में ग्राहक ब्लॉक, लाइन आइटम की सूची और कुल योग ब्लॉक हो सकता है, जिनमें से प्रत्येक के अपने चाइल्ड एलिमेंट्स होते हैं।

नेस्टिंग ही इसका मुख्य बिंदु है। यह उन संबंधों को रिकॉर्ड करता है जिन्हें एक फ्लैट टेबल केवल पंक्तियों में मानों को दोहराकर ही व्यक्त कर सकती है।

कस्टम टैग

टैग के नाम प्रारूप द्वारा तय नहीं होते हैं। जैसा कि आधिकारिक अवलोकन कहता है, "एप्लिकेशन डिज़ाइनर अपने स्वयं के कस्टमाइज़्ड टैग, डेटा संरचनाएं और स्कीमा बना सकते हैं।"

यही कारण है कि दो अलग-अलग विक्रेताओं की दो फ़ाइलें एक ही इनवॉइस का वर्णन कर सकती हैं और फिर भी उनमें कोई भी फ़ील्ड नाम समान नहीं हो सकता है। किसी भी विश्लेषण को यह समझने से शुरू करना होगा कि आपके सामने मौजूद टैग का वास्तव में क्या अर्थ है।

स्कीमा और सत्यापन

एक अलग स्कीमा फ़ाइल नियमों को परिभाषित करती है। Microsoft इस जोड़ी का सीधे वर्णन करता है। डेटा फ़ाइलों में "कस्टम टैग और संरचित डेटा होता है।" स्कीमा फ़ाइलों में "स्कीमा टैग होते हैं जो नियम लागू करते हैं, जैसे कि डेटा प्रकार और सत्यापन।"

स्कीमा .xsd एक्सटेंशन का उपयोग करते हैं। यह मानक .xslt एक्सटेंशन वाली ट्रांसफ़ॉर्मेशन फ़ाइलों को भी परिभाषित करता है, जिन्हें ऐसी फ़ाइलों के रूप में वर्णित किया गया है "जिनका उपयोग शैलियों को लागू करने और XML डेटा को विभिन्न प्रस्तुति प्रारूपों में बदलने के लिए किया जाता है।"

इन फ़ाइलों का उपयोग किस लिए किया जाता है

आप शायद ही कभी इस प्रारूप को चुनते हैं। यह आमतौर पर किसी ऐसे सिस्टम से आता है जो वर्षों से चल रहा है।

• वित्त और बैंकिंग। स्टेटमेंट और भुगतान संदेश प्रारूप आमतौर पर डीलिमिटेड होने के बजाय टैग किए जाते हैं।
• ई-इनवॉइसिंग। कई राष्ट्रीय ई-इनवॉइस जनादेश एक टैग किए गए दस्तावेज़ को कानूनी आर्टिफैक्ट के रूप में निर्दिष्ट करते हैं।
• ERP और HR एक्सपोर्ट। लंबे समय से चल रहे एंटरप्राइज़ सिस्टम अक्सर डिफ़ॉल्ट रूप से इसी प्रारूप में एक्सपोर्ट करते हैं।
• उत्पाद और सामग्री फ़ीड। रिटेल कैटलॉग फ़ीड और सिंडिकेशन प्रारूप टैग-आधारित होते हैं।
• कॉन्फ़िगरेशन और Office दस्तावेज़। आधुनिक Office फ़ाइल प्रारूप टैग किए गए भागों के ज़िप किए गए संग्रह हैं।

इन पाँचों में पैटर्न एक जैसा ही है। यह फ़ाइल किसी अन्य मशीन के लिए तैयार किया गया एक इंटरचेंज आर्टिफैक्ट है, न कि किसी विश्लेषक के लिए बनाई गई वर्किंग फ़ाइल।

फ्लैट प्रारूपों के साथ तुलना

	टैग की गई फ़ाइलें (.xml)	CSV	Parquet
आकार	नेस्टेड, कई स्तर	फ्लैट पंक्तियाँ और स्तंभ	फ्लैट, कॉलम-ओरिएंटेड
फ़ील्ड के नाम	प्रत्येक मान के साथ इनलाइन होते हैं	केवल हेडर रो	फ़ाइल मेटाडेटा में संग्रहीत
सत्यापन	वैकल्पिक स्कीमा फ़ाइल प्रकारों को लागू करती है	कोई इन-बिल्ट नहीं	स्कीमा में रखे गए प्रकार
टेक्स्ट एडिटर में पठनीय	हाँ, हालांकि वर्बोज़ है	हाँ	नहीं
समान डेटा के लिए सामान्य आकार	सबसे बड़ा	मध्यम	सबसे छोटा
सामान्य स्रोत	एंटरप्राइज़ सिस्टम और इंटरचेंज मानक	एक्सपोर्ट और रिपोर्ट	डेटा प्लेटफ़ॉर्म

यदि आप नियमित रूप से इन प्रारूपों पर काम करते हैं, तो TSV फ़ाइलों और Parquet फ़ाइलों पर हमारे सहायक लेख उस तालिका के फ्लैट पक्ष को कवर करते हैं.

Excel इस प्रारूप को कैसे संभालता है

यही वह जगह है जहाँ अधिकांश विश्लेषक इस प्रारूप से रूबरू होते हैं, और आधिकारिक दस्तावेज़ इस बारे में असामान्य रूप से स्पष्ट हैं कि क्या होता है.

इम्पोर्ट पाथ मुख्य रिबन पर नहीं है। Microsoft का इम्पोर्ट निर्देश है "Developer > Import पर क्लिक करें।" यह पेज पाठकों को उस टैब को दिखाने के चरणों की ओर भी इशारा करता है, क्योंकि यह डिफ़ॉल्ट रूप से छिपा होता है।

बुनियादी वर्कफ़्लो में, Microsoft के शब्दों में, "पाँच चरण" होते हैं। आप वर्कबुक में एक स्कीमा फ़ाइल जोड़ते हैं, फिर उसके एलिमेंट्स को सेल या टेबल पर मैप करते हैं। आप डेटा फ़ाइल इम्पोर्ट करते हैं और एलिमेंट्स को उन मैप किए गए सेल से बाइंड करते हैं। वहाँ से आप Excel में काम करते हैं, और संशोधित डेटा को वापस एक्सपोर्ट करते हैं।

दो व्यवहार बाकी सभी की तुलना में अधिक मायने रखते हैं।

यदि आप स्कीमा प्रदान नहीं करते हैं, तो Excel स्कीमा का अनुमान लगाएगा। पहले स्कीमा जोड़े बिना इम्पोर्ट करें, और "Excel आपके लिए स्कीमा का अनुमान लगाने की कोशिश करता है।" वह अनुमान "XML डेटा फ़ाइल में परिभाषित टैग पर आधारित होता है।"

इसके बाद वह अनुमान वर्कबुक के साथ संग्रहीत हो जाता है। पेज यह भी नोट करता है कि "आप Excel द्वारा अनुमानित स्कीमा को एक अलग XML स्कीमा डेटा फ़ाइल (.xsd) के रूप में एक्सपोर्ट नहीं कर सकते।"

इम्पोर्ट करते समय नेस्टिंग फ्लैट हो जाती है। Microsoft रीड-ओनली ओपन के परिणाम का वर्णन करता है। यह "पंक्तियों और स्तंभों वाली एक द्वि-आयामी तालिका है जो XML टैग को कॉलम हेडिंग के रूप में दिखाती है।" रूट एलिमेंट का उपयोग "एक शीर्षक की तरह" किया जाता है।

वह फ़्लैटनिंग बिल्कुल वही है जो आप विश्लेषण के लिए चाहते हैं और ठीक वहीं अर्थ खो जाता है। एक तीन-स्तरीय पदानुक्रम कॉलम बन जाता, और पैरेंट और चाइल्ड के बीच का संबंध केवल इस बात में जीवित रहता है कि टैग का नाम कैसे रखा गया था।

मुख्य लाभ

डेटा खुद को स्पष्ट करता है। फ़ील्ड के नाम मानों के साथ चलते हैं, इसलिए अपने दस्तावेज़ीकरण से अलग हुई फ़ाइल की भी व्याख्या की जा सकती है।

सत्यापन इस इकोसिस्टम का हिस्सा है। डेटा आप तक पहुँचने से पहले एक स्कीमा डेटा प्रकारों और आवश्यक फ़ील्ड को लागू कर सकता है, जो कोई भी साधारण डीलिमिटेड एक्सपोर्ट नहीं करता है।

यह संगठनात्मक सीमाओं को पार करता है। जैसा कि आधिकारिक अवलोकन में उल्लेख किया गया है, यह प्रारूप "उद्योग-मानक दिशानिर्देशों का पालन करता है और इसे विभिन्न प्रकार के डेटाबेस और अनुप्रयोगों द्वारा संसाधित किया जा सकता है।"

पदानुक्रम सुरक्षित रहता है। बारह लाइन आइटम वाला एक इनवॉइस एक ही इनवॉइस रहता है, न कि बारह पंक्तियाँ जो हेडर मानों को दोहराती हैं।

जानने योग्य सीमाएँ

वर्बोसिटी। प्रत्येक मान के चारों ओर टैग नामों को दोहराने से फ़ाइलें एक फ्लैट प्रारूप में समान डेटा की तुलना में बड़ी हो जाती हैं।

विभिन्न विक्रेताओं के बीच टैग के नाम मानकीकृत नहीं हैं। कस्टम टैग इस प्रारूप की एक विशेषता है, और इसका नुकसान यह है कि प्रत्येक नए स्रोत की व्याख्या करने की आवश्यकता होती है।

स्प्रेडशीट को पदानुक्रम को फ्लैट करने की आवश्यकता होती है। कोई भी पिवट, चार्ट या फ़ॉर्मूला एक रेक्टेंगल की अपेक्षा करता है, इसलिए विश्लेषण शुरू होने से पहले आकार को बदलना होगा।

सत्यापन पर इम्पोर्ट विफल हो सकता है। Microsoft नोट करता है कि "जब Excel XML मैप के अनुसार डेटा को सत्यापित नहीं कर पाता है, तो वह XML Import Error डायलॉग बॉक्स प्रदर्शित करता है।" यह आपको काम शुरू करने से पहले वापस स्कीमा पर भेज देता है।

आकार से जूझे बिना उत्तर तक पहुँचना

व्यावहारिक प्रश्न शायद ही कभी यह होता है कि "मैं इस फ़ाइल को कैसे खोलूँ।" यह होता है कि "मैं आज दोपहर तक इससे चार्ट कैसे प्राप्त करूँ।"

जो रास्ता काम करता है वह वही है जो Excel पहले से ही सुझाता है। पदानुक्रम को एक रेक्टेंगल में फ्लैट करें, तय करें कि पदानुक्रम का कौन सा स्तर एक पंक्ति है, और वहाँ से विश्लेषण करें।

Powerdrill Bloom अपलोड के रूप में Excel, CSV, PDF और docs को स्वीकार करता है, इसलिए एक टैग की गई स्रोत फ़ाइल को पहले CSV या वर्कबुक में परिवर्तित किया जाना चाहिए। Excel का अपना रीड-ओनली ओपन बिल्कुल वही रेक्टेंगल तैयार करता है, और आपके डेटा टूलिंग में कोई भी कन्वर्शन स्टेप भी ऐसा ही करता है।

एक बार डेटा फ्लैट हो जाने के बाद, विश्लेषण सामान्य हो जाता है। CSV AI assistant पेज उस पथ का वर्णन करता है। मूल्य निर्धारण पेज परिणाम का सारांश देता है: अपने डेटा से पूछें और "चार्ट, टेबल और एक्सपोर्ट के साथ एक सटीक उत्तर प्राप्त करें।" यदि आप विशेष रूप से चार्ट चाहते हैं, तो CSV फ़ाइल को चार्ट में बदलने पर हमारा वॉकथ्रू इसे शुरू से अंत तक कवर करता है।

कनवर्ट करने से पहले एक निर्णय पर सावधानीपूर्वक विचार करने की आवश्यकता है। पंक्ति के स्तर (row grain) को सोच-समझकर चुनें। प्रति लाइन आइटम एक पंक्ति और प्रति इनवॉइस एक पंक्ति अलग-अलग प्रश्नों के उत्तर देती हैं।

निष्कर्ष

यह प्रारूप वर्बोज़, स्व-वर्णनात्मक और श्रेणीबद्ध है, और ये तीन गुण इसके साथ काम करने के बारे में बाकी सब कुछ स्पष्ट करते हैं। यह संगठनों के बीच डेटा स्थानांतरित करने के लिए उत्कृष्ट है और किसी एक संगठन के भीतर डेटा का विश्लेषण करने के लिए थोड़ा कठिन है।

कन्वर्शन को एक उबाऊ काम के बजाय एक निर्णय के रूप में लें। उस स्तर को चुनें जो एक पंक्ति बनता है, और टैग नामों को कॉलम हेडिंग के रूप में रखें। उसके बाद, काम किसी भी स्प्रेडशीट विश्लेषण के समान ही है।

क्या अभी आपके किसी फ़ोल्डर में ऐसी कोई फ़ाइल पड़ी है? Powerdrill Bloom आज़माएं और पाइपलाइन में निवेश करने से पहले चार्ट देखें।

अक्सर पूछे जाने वाले प्रश्न

XML फ़ाइल का उपयोग किस लिए किया जाता है?

इसका उपयोग सिस्टम और संगठनों के बीच संरचित डेटा को स्थानांतरित करने के लिए किया जाता है। सामान्य स्रोतों में बैंकिंग संदेश, ई-इनवॉइस, ERP और HR एक्सपोर्ट, रिटेल उत्पाद फ़ीड और Office दस्तावेज़ों के आंतरिक भाग शामिल हैं।

XML और CSV में क्या अंतर है?

एक श्रेणीबद्ध है और प्रत्येक मान के साथ इनलाइन फ़ील्ड नाम ले जाता है। दूसरा फ्लैट है और एक ही हेडर रो पर निर्भर करता है। टैग किए गए प्रारूप को एक स्कीमा फ़ाइल के विरुद्ध भी सत्यापित किया जा सकता, जो कि एक डीलिमिटेड एक्सपोर्ट में नहीं किया जा सकता।

मैं Excel में XML फ़ाइल कैसे खोलूँ?

Microsoft का प्रलेखित मार्ग Developer > Import है, और Developer टैब डिफ़ॉल्ट रूप से छिपा होता है। आप फ़ाइल को रीड-ओनली भी खोल सकते हैं, जो कॉलम हेडिंग के रूप में टैग का उपयोग करके एक द्वि-आयामी तालिका तैयार करता है।

क्या मुझे डेटा का उपयोग करने के लिए स्कीमा फ़ाइल की आवश्यकता है?

नहीं। Microsoft के दस्तावेज़ों में कहा गया है कि जब कोई स्कीमा प्रदान नहीं की जाती है, तो Excel टैग से स्कीमा का अनुमान लगाने का प्रयास करता है। अनुमानित स्कीमा को वर्कबुक के साथ रखा जाता है और इसे एक अलग .xsd फ़ाइल के रूप में एक्सपोर्ट नहीं किया जा सकता है।

XSLT क्या है?

Microsoft इसे डेटा प्रारूप के साथ परिभाषित एक ट्रांसफ़ॉर्मेशन मानक के रूप में वर्णित करता है। यह "शैलियों को लागू करने और XML डेटा को विभिन्न प्रस्तुति प्रारूपों में बदलने के लिए" .xslt फ़ाइलों का उपयोग करता है।