XML XML. XML extensible Markup Language HTML. Motivação. W3C: World Wide Web Consortium XML 1.0. Mário Meireles Teixeira DEINF-UFMA

Transcrição

1 Mário Meireles Teixeira DEINF-UFMA Motivação extensible Markup Language W3C: World Wide Web Consortium W3C Recommendation, 10/Fev/1998 (inicial) W3C Recommendation, 04/Fev/2004, 3 a ed. Site oficial: HTML HyperText Markup Language Simples e flexível Simples? Conjunto limitado de marcações <TITLE>... </TITLE> <H1>... </H1> <A>... </A> <IMG SRC=... ALT=... > <HR> Flexível? Conteúdo representado juntamente com sua estrutura e forma de apresentação Difícil extrair o conteúdo de um documento Linguagem revolucionária para a época de sua criação (1994)

2 Limitações de HTML Origens da HTML Não é possível estender o conjunto de marcas original: Permitir que autores ou comunidades criem seus próprios conjuntos de marcas, definidos para melhor caracterizarem os documentos de interesse Permitir associar significado a dados e campos do documento, viabilizando o processamento automático dos documentos HTML foi definida com SGML [ISO 1986] Standard Generalized Markup Language (SGML) SGML permite definir linguagens específicas para um domínio Exemplo: documento SGML para um documento demo <!doctype demo [ <!element demo o o (p*)> <!element p - o (#pcdata)> ]> <p> The first paragraph. <p> The second paragraph. SGML na Web Por que não usar SGML na Web? Maior poder de expressão e flexibilidade que HTML Autoria mais complexa que HTML Documentos exigem um processamento por demais elaborado para ser realizado sob demanda na Web Impasse: SGML - poderosa, porém cara... HTML - prática, porém limitada... Solução:...um passo atrás O Modelo de Markup O que um modelo que utiliza marcas específicas viabiliza? Nesse modelo marcas específicas são utilizadas para identificar dados ou trechos de documentos O modelo viabiliza a definição de linguagens como e suas descendentes com as seguintes características: abertas inteligíveis pelo ser humano capazes de manter independentes as representações das diversas dimensões de um documento

3 É uma linguagem de marcação (markup) apropriada à representação de dados, documentos e demais entidades cuja essência fundamenta-se na capacidade de agregar informações Exemplos de entidades: um programa de computador um relatório um script uma folha de estilo. Os termos hiperdocumento ou documento são usados para denominar genericamente tais entidades Fundamentos de é um formato universal que funciona como um denominador comum para a troca de dados na Web, separando dados de formato. Pontos fundamentais da : Extensibilidade Podem-se definir linguagens baseadas em, as quais podem ser estendidas, desde que se sigam as regras de validação Estrutura Facilmente digerida pelos parsers e legível pelos seres humanos, embora complexa Validade Além de requisitos de sintaxe rigorosos, um documento pode opcionalmente ser validado segundo sua estrutura e conteúdo (DTD e Schema) Dimensões da informação em um documento Documentos apresentam pelo menos duas dimensões de informações: o conteúdo propriamente dito a estrutura organizacional Uma representação pode incluir dimensões referentes a informações sobre: apresentação do documento metadados estrutura de ligações sua semântica. Dimensões e Processamento Dimensões de estrutura e conteúdo Documentos bem formados Outras dimensões de um documento Apresentação: CSS, XSL Estrutura e Semântica: DTDs e Schemas Metadados e mais semântica: RDF, OWL Estrutura de hipertexto: XLink e XPointer Processamento de documentos Parsers, APIs, SAX, DOM...

4 Linguagem ou meta-linguagem? é uma linguagem: Estabelece regras gerais, as quais documentos em conformidade com devem respeitar é também uma meta-linguagem: Possui recursos para a definição de gramáticas que caracterizam linguagens para classes de documentos específicos, com conjunto de elementos, atributos e regras de composição bem determinados Estrutura do Documento Elementos e Atributos A padronização W3C define um conjunto de regras estritas a serem seguidas ao escrever um documento well-formed Elementos e Atributos Elementos Vazios <elemento /> Elementos <elemento> </elemento> Atributos São os valores associados a um elemento O valor deve estar entre aspas ou apóstrofos Os nomes dos elementos são case sensitive. Os nomes devem começar com uma letra ou "_". Os caracteres seguintes podem incluir letras, números, hífens, pontos ou "_", mas não espaços. O caracter ":" também é válido, mas está reservado para composição de nomes com Namespaces. <elemento atributo= valor >texto</elemento>

5 Exemplo de documento Estrutura Hierárquica <?xml version="1.0" encoding="iso "?> <carta> <emissor> <pessoa>jomi Fred Hübner</pessoa> <endereço rua="antonio da Veiga, 140" /> </emissor> <destinatário tratamento="ilmo. Sr." > <pessoa>fulano</pessoa> </destinatário> <!-- Início do texto --> <texto>venho por meio desta... </texto> </carta> Sintaxe: documento bem formado Toda tag tem uma start-tag e uma end-tag <carta...>... </carta> ou <endereço... /> Todo atributo precisa estar contido em uma starttag, ter um nome único na tag e um valor definido entre aspas ou apóstrofos ( ou ) Todo documento tem um, e somente um, elemento raiz (root element) Instruções de Processamento (PI) São marcações específicas para alguns produtos ou ferramentas, p.ex., tradutores de para outros formatos, como PDF Em especial, há uma PI reservada que determina algumas propriedades do documento : versão do xml codificação dos caracteres <?xml version="1.0" encoding="iso "?> formato de apresentação <?xml-stylesheet href="material-ie.xsl type="text/xsl" media = "explorer"?>

6 Conjuntos de Caracteres ASCII 1 byte, 7 bits --> 128 combinações ISO Latin-1 1 byte, 8 bits --> 256 combinações (ASCII + caracteres para a maioria das línguas da Europa Ocidental, inclusive Português) ISO 8859-(2...15) 1 byte, 8 bits --> 256 combinações (ASCII + caracteres para outros conjuntos de línguas) Unicode Conjunto default para 2 bytes --> combinações Atualmente, pouco mais de utilizadas reservadas para futuras extensões Cerca de usadas para os ideogramas Han (japonês, chinês, coreano) Unicode Caracteres Especiais Latim Básico - ASCII, Inglês americano Latin-1 - Português, Francês, Inglês, etc Grego Caracteres p/ desenho de caixas Para inserir caracteres especiais em um documento, usa-se o & : - (Unicode Atenção ao ; final) - (Unicode hexa) Ideogramas HAN Uso reservado a desenvolvedores de software UTF-8 Versão compacta do Unicode (utiliza apenas um byte para a maioria dos caracteres comuns) Caracteres reservados: & - & &apos; - > - > < - < " -

7 Caracteres Ignorados pelo Parser Exemplos - É possível inserir seqüências de caracteres em um documento cuja sintaxe será ignorada: <carta> <logo> <![CDATA[ <<Aqui a sintaxe é livre!>> ]]> </logo>... </carta> <![CDATA... ]]> Character Data Aplicações: inserir texto ASCII não formatado, uma imagem de bitmap... Referências Bibliográficas: Transparências: css Podem-se usar folhas de estilo (CSS) para a apresentação de documentos, porém recomenda-se usar XSL (aguarde...) Exercício 1 Defina um documento que permita responder às seguintes perguntas sobre um professor: Quais as suas disciplinas? Qual o horário das aulas? Quais os softwares necessários para cada disciplina? Quais as reservas de laboratório? Validação de Documentos Escreva um documento que represente as reservas dos laboratórios. Cada reserva deve ter: Identificação do laboratório Data e hora Como saber se um laboratório tem os softwares necessários para uma disciplina?

8 DTD Document Type Definition Definição de Elementos Um documento que segue as regras gerais de formação é dito bem-formado Além disso, um documento pode ter sua estrutura e conteúdo validados segundo uma gramática, definida por um DTD documento válido Um DTD permite definir: Os elementos de um documento Os atributos dos elementos O número de ocorrências dos elementos Sub-elementos de um elemento... <!ELEMENT carta ANY> <!ELEMENT emissor (#PCDATA)> <!ELEMENT destinatário EMPTY> ANY: o elemento pode conter qualquer outro sub-elemento ou texto #PCDATA: sub-elemento texto (Parsed Character Data) EMPTY: o elemento não pode conter qualquer outro subelemento ou texto Outra forma de definição: Schemas Definição de Sub-elementos <!ELEMENT carta (emissor?,destinatário*,texto) > <!ELEMENT xpto (a,(b c)*,d?) > Operadores de cardinalidade: default : obrigatório (pelo menos 1)? : opcional (0 ou 1) + : 1 a n * : 0 a n Operadores de composição:, : seguido de : ou Definição de Atributos <!ATTLIST endereço rua CDATA #IMPLIED cidade CDATA São Luís > <!ATTLIST destinatário tratamento (Sr Sra) Sr > Principais tipos: CDATA : caracteres (...) : enumeração ID : chave primária IDREF : chave estrangeira Principais modificadores: #IMPLIED : opcional #REQUIRED : necessário #FIXED : constante

9 Definição de Entidades Entidades permitem a reutilização de dados: Entidades internas <!ENTITY nomeempresa ABC Cia"> Entidades externas <!ENTITY diretor SYSTEM "diretor.xml"> <!ENTITY logo SYSTEM " NDATA gif> Nos arquivos que utilizam esta DTD, pode-se escrever: <carta> &nomeempresa; &logo; <emissor> &diretor;... e serão feitas as substituições cabíveis. Indicação da DTD O documento pode ter uma referência para a DTD a ser utilizada na sua validação: <?xml version="1.0"?> <!DOCTYPE carta SYSTEM "carta.dtd" > <carta>... </carta> A definição da DTD também pode ser feita internamente ao documento Um documento, embora deva seguir as regras gerais de formação, não se valida automaticamente A validação a partir de uma DTD é geralmente feita por algum agente externo (um parser, um programa) carta.xml Exemplos <?xml version="1.0" encoding="iso "?> <!DOCTYPE carta SYSTEM "carta.dtd" > <carta> <emissor> <pessoa>jomi Fred Hübner</pessoa> <endereço rua="antonio da Veiga, 140" /> </emissor> <destinatário tratamento="ilmo. Sr." > <pessoa>fulano</pessoa> </destinatário> <!-- Início do texto --> <texto>venho por meio desta... </texto> </carta>

10 carta.dtd <?xml version="1.0" encoding="iso "?> <!ELEMENT carta (emissor, destinatário+, texto) > <!ELEMENT emissor (pessoa,endereço) > <!ELEMENT destinatário (pessoa,endereço?) > <!ATTLIST destinatário tratamento ( Sr Sra ) "Sr" > <!ELEMENT endereço EMPTY > <!ATTLIST endereço rua CDATA #REQUIRED cidade CDATA São Luís" cep CDATA #IMPLIED> <!ELEMENT texto (#PCDATA) > <!ELEMENT pessoa (#PCDATA) > bibref.xml <?xml version="1.0"?> <!DOCTYPE bibref SYSTEM "bibref.dtd" > <bibref id="bray97" type="journal"> <title>extensible Markup Language ()</title> <publication volume="2" number="4" pages="29-66"> World Wide Web Journal </publication> <authors> <name>tim <lastname>bray</lastname></name> <name>jean <lastname>paoli</lastname></name> <name>c. M. <lastname>mcqueen</lastname></name> </authors> <date>august 7, 1997</date> <abstract>... </abstract> </bibref> bibref.dtd <!ELEMENT bibref (title, publication, authors, date, abstract?) > <!ATTLIST bibref id ID #REQUIRED > <!ATTLIST bibref type (Journal Conference) "Conference > <!ELEMENT title (#PCDATA) > <!ELEMENT publication (#PCDATA) > <!ATTLIST publication volume CDATA #IMPLIED > <!ATTLIST publication number CDATA #IMPLIED > <!ATTLIST publication pages CDATA #IMPLIED > <!ELEMENT authors (name)* > <!ELEMENT name (#PCDATA lastname)* > <!ELEMENT lastname (#PCDATA) > <!ELEMENT date (#PCDATA) > <!ELEMENT abstract (#PCDATA enfa sep)* > <!ELEMENT enfa (#PCDATA) > <!ELEMENT sep EMPTY > DTD no próprio documento <?xml version ="1.0" encoding="iso "?> <!DOCTYPE thesis [ <!ENTITY chapter1 SYSTEM "chap1.xml"> <!ENTITY chapter7 SYSTEM "chap7.xml"> <!ELEMENT thesis (abstract,chapter+)> <!ATTLIST thesis author CDATA #REQUIRED> <!ELEMENT abstract (#PCDATA)> <!ELEMENT chapter (title,body)>... ]> <thesis author= Mário"> <abstract>este trabalho apresenta...</abstract> &chapter1; &chapter7; </thesis>

11 Exercício 2 1. Escreva o DTD para o documento que contém as informações das disciplinas dos professores. 2. Escreva o DTD para o documento que contém as informações sobre os softwares. 3. Escreva o DTD para o documento que contém as informações sobre os laboratórios/reservas.