Dominando Arquivos XML: Estrutura, Casos de Uso e Principais Vantagens
Um arquivo XML armazena dados estruturados como tags aninhadas e legíveis por humanos, em vez de linhas e colunas. A Microsoft descreve o formato como "uma tecnologia projetada para gerenciar e compartilhar dados estruturados em um arquivo de texto legível por humanos". Este guia aborda como esses arquivos são construídos, de onde vêm, como as planilhas os manipulam e como extrair uma resposta de um deles.
O que é um arquivo XML
É um arquivo de texto simples que carrega tanto os dados quanto os nomes das coisas que descreve. Uma exportação separada por vírgulas fornece valores e depende de uma linha de cabeçalho para dar sentido. Um arquivo com tags carrega o significado em linha, ao lado de cada valor.
Esse design tem uma consequência que vale a pena entender antes de qualquer outra coisa. O formato é hierárquico, de modo que um registro pode conter outros registros, em vários níveis de profundidade. Uma planilha é plana, e a lacuna entre esses dois formatos é onde reside a maior parte da dificuldade prática.
A visão geral da Microsoft resume o objetivo em uma frase: o formato "facilita muito a definição, transmissão, validação e interpretação de dados entre bancos de dados, aplicativos e organizações."
Como funciona a estrutura
Elementos e aninhamento
Cada valor fica dentro de um elemento nomeado, e os elementos podem conter outros elementos. Uma fatura pode conter um bloco de cliente, uma lista de itens de linha e um bloco de totais, cada um com seus próprios filhos.
O aninhamento é o ponto principal. Ele registra relações que uma tabela plana só consegue expressar repetindo valores nas linhas.
Tags personalizadas
Os nomes das tags não são fixados pelo formato. Como diz a visão geral oficial, "os designers de aplicativos podem criar suas próprias tags personalizadas, estruturas de dados e esquemas."
É por isso que dois arquivos de dois fornecedores diferentes podem descrever a mesma fatura e não compartilhar quase nenhum nome de campo. Qualquer análise precisa começar pela leitura do que as tags à sua frente realmente significam.
Esquemas e validação
Um arquivo de esquema separado define as regras. A Microsoft descreve essa associação diretamente. Os arquivos de dados "contêm as tags personalizadas e os dados estruturados". Os arquivos de esquema "contêm tags de esquema que impõem regras, como tipo de dados e validação."
Os esquemas usam a extensão .xsd. O padrão também define arquivos de transformação com a extensão .xslt, descritos como arquivos "usados para aplicar estilos e transformar dados XML em diferentes formatos de apresentação."
Para que servem esses arquivos
Raramente você escolhe esse formato. Ele chega, geralmente, de um sistema que está em execução há anos.
- Finanças e serviços bancários. Os formatos de extratos e mensagens de pagamento costumam usar tags em vez de delimitadores.
- Faturamento eletrônico. Muitas exigências nacionais de faturamento eletrônico especificam um documento com tags como o artefato legal.
- Exportações de ERP e RH. Sistemas corporativos antigos frequentemente exportam nesse formato por padrão.
- Feeds de produtos e conteúdo. Feeds de catálogos de varejo e formatos de distribuição são baseados em tags.
- Configuração e documentos do Office. Os formatos de arquivo modernos do Office são coleções compactadas de partes com tags.
O padrão em todos os cinco é o mesmo. O arquivo é um artefato de intercâmbio produzido para outra máquina, não um arquivo de trabalho produzido para um analista.
Comparado com os formatos planos
| Arquivos com tags (.xml) | CSV | Parquet | |
|---|---|---|---|
| Formato | Aninhado, muitos níveis | Linhas e colunas planas | Plano, orientado a colunas |
| Nomes dos campos | Carregados em linha com cada valor | Apenas linha de cabeçalho | Armazenados nos metadados do arquivo |
| Validação | Arquivo de esquema opcional impõe tipos | Nenhuma integrada | Tipos mantidos no esquema |
| Legível em um editor de texto | Sim, embora prolixo | Sim | Não |
| Tamanho típico para os mesmos dados | Maior | Médio | Menor |
| Origem comum | Sistemas corporativos e padrões de intercâmbio | Exportações e relatórios | Plataformas de dados |
Se você trabalha com esses formatos regularmente, nossos guias explicativos complementares sobre arquivos TSV e arquivos Parquet cobrem o lado plano dessa tabela.
Como o Excel lida com o formato
É aqui que a maioria dos analistas se depara com o formato, e a documentação oficial é excepcionalmente clara sobre o que acontece.
O caminho de importação não está na faixa de opções principal. A instrução de importação da Microsoft é "Clique em Desenvolvedor > Importar". A página também direciona os leitores para as etapas de exibição dessa guia, pois ela fica oculta por padrão.
O fluxo de trabalho básico tem, nas palavras da Microsoft, "cinco fases". Você adiciona um arquivo de esquema a uma pasta de trabalho e, em seguida, mapeia seus elementos para células ou tabelas. Você importa o arquivo de dados e vincula os elementos a essas células mapeadas. A partir daí, você trabalha no Excel e exporta os dados revisados de volta.
Dois comportamentos importam mais do que o resto.
O Excel adivinhará um esquema se você não fornecer um. Importe sem adicionar um esquema primeiro e "o Excel tentará inferir um esquema para você". Essa suposição é "baseada nas tags definidas no arquivo de dados XML".
A suposição é então armazenada com a pasta de trabalho. A página também observa que "não é possível exportar o esquema inferido do Excel como um arquivo de dados de esquema XML separado (.xsd)".
O aninhamento é achatado na entrada. A Microsoft descreve o resultado de uma abertura somente leitura. Trata-se de "uma tabela bidimensional com linhas e colunas que mostra as tags XML como cabeçalhos de coluna". O elemento raiz é "usado como um título".
Esse achatamento é exatamente o que você deseja para a análise e exatamente onde o significado se perde. Uma hierarquia de três níveis se transforma em colunas, e a relação entre pai e filho sobrevive apenas na forma como as tags foram nomeadas.
Principais vantagens
Os dados se explicam sozinhos. Os nomes dos campos viajam com os valores, de modo que um arquivo separado de sua documentação ainda pode ser interpretado.
A validação faz parte do ecossistema. Um esquema pode impor tipos de dados e campos obrigatórios antes que os dados cheguem até você, o que nenhuma exportação delimitada simples faz.
Ele ultrapassa fronteiras organizacionais. Como observa a visão geral oficial, o formato "segue as diretrizes padrão do setor e pode ser processado por uma variedade de bancos de dados e aplicativos."
A hierarquia é preservada. Uma fatura com doze itens de linha continua sendo uma fatura, em vez de doze linhas que repetem os valores do cabeçalho.
Limites que vale a pena conhecer
Prolixidade. Repetir nomes de tags em torno de cada valor torna os arquivos grandes em comparação com os mesmos dados em um formato plano.
Os nomes das tags não são padronizados entre os fornecedores. Tags personalizadas são um recurso do formato, e o custo é que cada nova origem precisa de interpretação.
As planilhas precisam que a hierarquia seja achatada. Qualquer tabela dinâmica, gráfico ou fórmula espera um retângulo, portanto, o formato precisa mudar antes do início da análise.
La importação pode falhar na validação. A Microsoft observa que "o Excel exibe a caixa de diálogo Erro de Importação de XML quando não consegue validar os dados de acordo com o Mapeamento XML". Isso faz você voltar ao esquema antes de poder começar.
Obtendo uma resposta sem lutar contra o formato
A questão prática raramente é "como abro este arquivo". É "como consigo gerar um gráfico a partir dele até hoje à tarde".
O caminho que funciona é aquele que o Excel já sugere. Achate a hierarquia em um retângulo, decida qual nível da hierarquia representa uma linha e analise a partir daí.
O Powerdrill Bloom aceita Excel, CSV, PDF e documentos como uploads, portanto, um arquivo de origem com tags deve ser convertido primeiro para CSV ou para uma pasta de trabalho. A própria abertura somente leitura do Excel produz exatamente esse retângulo, assim como qualquer etapa de conversão em suas ferramentas de dados.
Uma vez que os dados estejam planos, a análise é comum. A página do assistente de IA para CSV descreve esse caminho. A página de preços resume o resultado: faça perguntas sobre seus dados e "obtenha uma resposta fundamentada com gráficos, tabelas e exportações". Se você deseja especificamente o gráfico, nosso passo a passo sobre como transformar um arquivo CSV em um gráfico cobre isso de ponta a ponta.
Uma decisão merece cuidado antes de você converter. Escolha a granularidade da linha deliberadamente. Uma linha por item de linha e uma linha por fatura respondem a perguntas diferentes.
Conclusão
O formato é prolixo, autodescritivo e hierárquico, e essas três propriedades explicam tudo o mais sobre como trabalhar com ele. É excelente para mover dados entre organizações e complicado para analisar dados dentro de uma delas.
Trate a conversão como uma decisão, e não como uma tarefa incômoda. Escolha o nível que se torna uma linha e mantenha os nomes das tags como cabeçalhos de coluna. Depois disso, o trabalho é o mesmo de qualquer análise de planilha.
Tem um desses arquivos parado em uma pasta agora mesmo? Experimente o Powerdrill Bloom na exportação achatada e veja o gráfico antes de investir em um pipeline de dados.
Perguntas frequentes
Para que é usado um arquivo XML?
Ele é usado para mover dados estruturados entre sistemas e organizações. As origens comuns incluem mensagens bancárias, faturas eletrônicas, exportações de ERP e RH, feeds de produtos de varejo e as partes internas de documentos do Office.
Qual é a diferença entre XML e CSV?
Um é hierárquico e carrega nomes de campos em linha com cada valor. O outro é plano e depende de uma única linha de cabeçalho. O formato com tags também pode ser validado em relação a um arquivo de esquema, o que uma exportação delimitada não permite.
Como abro um arquivo XML no Excel?
O caminho documentado da Microsoft é Desenvolvedor > Importar, e a guia Desenvolvedor fica oculta por padrão. Você também pode abrir o arquivo como somente leitura, o que produz uma tabela bidimensional usando as tags como cabeçalhos de coluna.
Preciso de um arquivo de esquema para usar os dados?
Não. A documentação da Microsoft afirma que o Excel tenta inferir um esquema a partir das tags quando nenhum é fornecido. O esquema inferido é mantido com a pasta de trabalho e não pode ser exportado como um arquivo .xsd separado.
O que é XSLT?
A Microsoft o descreve como um padrão de transformação definido juntamente com o formato de dados. Ele usa arquivos .xslt "para aplicar estilos e transformar dados XML em diferentes formatos de apresentação."