Recapitular XML... Gestão e Tratamento de Informação DEI IST
Agenda Introdução ao XML XML Schema XML Namespaces
Agenda Introdução ao XML XML Schema XML Namespaces
Revolução da Web HTML é a linguagem da Web Mesmo se existe uma grande quantidade de ficheiros.doc,.ps,.pdf,.jpg,.gif, som, vídeo Existem milhares de páginas Públicas/privadas, estáticas/dinâmicas, vísiveis/escondidas Suporte natural para a informação distribuída Destinada a seres humanos mas, cada vez mais, também às aplicações
Aplicações sobre dados distribuídos sobre a Web HTML não está adaptado a aplicações do tipo: B2C, B2B, bibliotecas on-line,... Não chega aceder a um conjunto de páginas HTML como nos motores de busca Estas aplicações necessitam de tipos para representar a estrutura dos dados Que modelo de dados então adoptar? Base de Dados?
Modelo BD relacional vs Modelo dados Web (1) Modelo de dados relacional: Conhece-se a estrutura das tabelas e a semântica das colunas; não sobre a Web Estrutura dos dados fixa vs irregular Falta de dados Estrutura explícita vs implícita
Modelo BD relacional vs Modelo dados Web (2) Esquema de dados Web: pode ser deduzido a posteriori pode ser complexo e grande pode ser ignorado pelas interrogações pode evoluir muito rapidamente. Alguns dados podem não ter estrutura Texto, imagens Alguns dados podem não ser conforme a estrutura
Junção de dois modelos resulta... Gestão de documentos SGML Documentação hipertexto HTML Gestão de dados Bases de Dados estruturadas (relacional e OO) Bases de dados semi-estruturadas
XML extensible Markup Language Formato universal para os documentos e dados semi-estruturados na Web Versão simplificada de SGML Esperanto da Web que vai substituir o HTML Família de standards: XLink, XPath, XSL, XQuery, SOAP, DOM,... Modelo de dados baseado em árvores e uma linguagem de representação baseada em tags (etiquetas)
Exemplo fn ln nome Helena Galhardas IST Elementos fn Atributos tipo Dados ficha trab Ender. email cidade CP Porto Salvo2790-380 2790-380 tipo missão ensino Ensinar bem hig@inesc-id.pt <ficha> <nome> <fn>helena</fn> <ln>galhardas</ln> </nome> <trab tipo= ensino"> IST <ender> <cidade>porto Salvo</cidade> <cp>92310</cp> </ender> <email>hig@inesc-id.pt</email> </trab> <missão>ensinar bem </missão> </ficha>
Acesso a dados XML Características das interrogações: Bases de dados (estilo SQL) Navegação Palavras chaves (estilo motor de pesquisa Web) e pattern matching (estilo comando grep ) Interrogação de dados e estrutura ao mesmo tempo a estrutura não é totalmente conhecida previamente
Observações XML fornece uma sintaxe, não fornece semântica apriori As tags não têm significado definido pela linguagem, mas podem fazer sentido para as aplicações XML define apenas a estrutura e conteúdo de um documento, não o seu comportamento nem o seu tratamento Desenvolvida e promovida pelo W3C Indústria: Oracle, IBM, Microsoft, CompaQ, Xerox,... Laboratórios de investigação: MIT, INRIA, etc
Alguns standards importantes DOM (Document Object Model): interface de programação que permite aceder à estrutura e conteúdo dos documentos [DTD], XML Schema: tipos Os documentos devem ser bem formados, mas os tipos não são obrigatórios XPath: linguagem de expressões de caminho para aceder a partes do documento XSLT: linguagem de transformação XQuery: linguagem de interrogação (o SQL do XML)
Dialectos de XML Para uma determinada aplicação, define-se uma sintaxe (um dialecto XML) e define-se a sua semântica. XHTML: Reformulação de HTML como sendo uma aplicação XML sintaxe mais rigorosa, por ex., fecha-se o que se abriu Importação de fragmentos de documentos de outros domínios Possibilidade de utilizar aplicações XML standard MathML: Permite a troca e tratamento de expressões matemáticas sobre a Web Facilita a inserção de expressões matemáticas em docs HTML ou XML
Vantagens do XML
Transferência e partilha de informação Uma comunidade de utilizadores (ex: indústria da biotecnologia) inventa livremente as tags que lhe parecem úteis para representar as informações que pretendem trocar ou partilhar Exemplo: diferentes maneiras de representar uma data <data> 5 Janeiro 2000 </data> <data> <a>2000</a><m>01</m><d>05</d> </data> <data formato='iso-8601'> 2000-01-05 </data>
Interoperabilidade das ferramentas de tratamento Ferramentas para dados XML Parsers, editores, browsers,... Consequências: Um servidor de documentos XML consegue responder a um conjunto de necessidades de uma organização Um único editor permite tratar o conjunto de dados de uma organização
Acesso a fontes de informação heterógeneas A interrogação e a troca de dados entre sistemas de informação heterogéneos é muitas vezes complexa XML pretende colmatar esse problema Formato de transferência de informação normalizado independente da plataforma A indexação e interrogação de bases de dados documentais grandes é baseada em informações estruturais e textuais.
Exemplos de documentos XML <document/> <document> </document> <document> Bom dia! </document> <document> <saudacao> Bom dia! </saudacao> </document> <?xml version="1.0" standalone="yes"?> <document>o <saudacao> Bom dia! </saudacao> </document>
XML 1.0: estrutura de um elemento Um elemento tem a forma: <nome atributo='valor'> conteúdo </nome> <nome> é a tag de abertura </nome> é a tag de fecho [ elementos vazios: <nome> </nome> ou <nome/> ] «conteúdo» é o conteúdo de um elemento! Composto por uma lista (pode ser vazia) de texto, de outros elementos, de instruções de tratamento, de comentários atr='valor' representa um atributo que é um par (nome, valor). Um elemento só pode ter um atributo com um determinado nome.
Exemplos de elementos <a></a> <a>olá, bom dia</a> <a><b> </b><b> </b><a> </a></a> <a><b> </b>olá<b> </b>bom dia</a> Conteúdo de um elemento = floresta de elementos ou de texto Text UNICODE: pode representar qualquer alfabeto
XML 1.0: Restrições sobre os nomes O nome de um elemento ou atributo é uma cadeia não vazia de caracteres, escolhidos entre: Caracteres alfa-numéricos, sublinhado (undescore), sinal menos, o ponto, caracter dois pontos (:) Que deve satisfazer as seguintes condições: O primeiro caracter deve ser alfabético ou sublinhado Os três primeiros caracteres não devem formar uma cadeia cuja representação em minúsculas é "xml". Exemplos de nomes de elementos correctos _nome Nome_sociedade xsl:rule X.11 incorrectos 1998-catalogo XmlSpec nome sociedade
XML 1.0: Sintaxe dos atributos Um atributo é um par nome='valor' que caracteriza um elemento Um elemento pode ter vários atributos (separados por espaço): <relatorio lingua= pt' ult-modif='08/07/99'> a ordem não tem importância O valor de um atributo é uma cadeia delimitada por aspas (") ou ('). Não deve conter os caracteres ^, % e &.
Referências XML XML permite associar identificadores únicos a elementos, como sendo o valor de um determinado atributo. <state id = s2 > <scode> NE </scode> <sname> Nevada </sname> </state> <city id = c2 > <ccode> CCN </ccode> <cname> Carson City </cname> <state-of idref = s2 /> </city>
Referências Serge Abiteboul, Slides of the course: Données Semistructurées, Master Recherche Informatique Paris Sud, http://www-rocq.inria.fr/~abitebou/master- SSD/index.html Erik Wilde, Slides of the course: XML Foundations, UC Berkeley, http://dret.net/lectures/xml-fall07/ XML 1.0 Press Release, http://www.w3.org/press/1998/xml10-rec XML 1.0 Spec, http://www.w3.org/tr/rec-xml/ S. Abiteboul, P. Buneman, D. Suciu, Data on the Web, From Relations to Semistructured Data and XML, Morgan Kaufmann, 2000.
Agenda Introdução ao XML XML Schema XML Namespaces
Tipificação em XML Não é imposta Mas: Melhora o armazenamento Facilita a navegação nos dados Facilita a interrogação Facilita a descrição e explicação dos dados Ajuda à optimização Permite a interoperabilidade entre programas Permite proteger os dados
XML DTD (Document Type Definition) Define uma classe de documentos Um documento XML pode ter uma DTD Terminologia para XML: Bem formado: se as tags estão correctamente fechadas Válido: se tem uma DTD e é conforme essa DTD Validação é útil em transferência de dados
XML DTD Define: Nomes de elementos Estrutura do conteúdo dos elementos Nomes dos atributos Valores dos atributos por omissão Entidades
Exemplo: Uma DTD muito simples <!DOCTYPE company [[ <!ELEMENT company ((person product)*)> <!ELEMENT person (ssn, name, office, phone?)> <!ELEMENT ssn (#PCDATA)> <!ELEMENT name (#PCDATA)> <!ELEMENT office (#PCDATA)> <!ELEMENT phone (#PCDATA)> <!ELEMENT product (pid, name, description?)> <!ELEMENT pid (#PCDATA)> <!ELEMENT description (#PCDATA)> ]> ]>
Desvantagens das DTDs Sintaxe não XML Não tem tipos de dados, em particular para o conteúdo dos elementos Só é marginalmente compatível com namespaces Não consegue usar conteúdo misto e obrigar ordem e número de elementos filhos Nomes dos elementos são globais
XML Schema Generaliza DTDs Utiliza a sintaxe XML Descreve o conteúdo possível para documentos XML É uma W3C Recommendation XML Schema Part 0: Primer XML Schema Part 1: Structures XML Schema Part 2: Datatypes Também referida como XSDL: XML Schema Definition Language, ou XSD: XML Schema Document
DTD vs XML Schema DTD XML Schema <!ELEMENT> declaration xsd:element element <!ATTLIST> declaration xsd:attribute element <!ENTITY> declaration n/a #PCDATA content xsd:string type n/a other data types
Tipos de dados simples e complexos XML Schema suporta a definição de tipos de dados e a declaração de elementos e de atributos Tipos: simples (inteiros, strings,...) complexos (expressões regulares, como nas DTDs) Alternância element-type-element: elemento raiz tem um tipo complexo que é uma expressão regular de elementos esses elementos têm os seus tipos complexos... nas folhas, temos tipos simples
Estrutura da declaração de elementos xsd:sequence Obriga a que os elementos ocorrem na ordem dada análogo a, em DTDs xsd:choice Permite que um dos elementos dados ocorra Análogo a em DTDs xsd:all Permite que os elementos ocorram numa ordem qualquer
Definição do número de ocorrências dos elementos Os atributos minoccurs e maxoccurs controlam o número de ocorrências de um elemento, sequence ou choice minoccurs tem que ser um inteiro não negativo maxoccurs tem que ser um inteiro não negativo ou sem limite O valor por omissão para ambos é 1
Expressões regulares - resumo Alternância element-type-element: <xsd:complextype name=... > [construção de elementos] </xsd:complextype> Construção de Elementos: <xsd:sequence> A B C </...> <xsd:choice> A B C </...> <xsd:all> A B C </...> <xsd:... minoccurs= 0 maxoccurs= unbounded >..</...> <xsd:... minoccurs= 0 maxoccurs= 1 >..</...>
Exemplo <xsd:element name= paper type= papertype /> <xsd:complextype name= papertype > <xsd:sequence> <xsd:element name= title type= xsd:string /> <xsd:element name= author minoccurs= 0 /> <xsd:element name= year /> <xsd: <xsd: choice> < xsd:element name= journal /> <xsd:element name= conference /> </xsd:choice> </xsd:sequence> </xsd:complextype> DTD: <!ELEMENT paper (title,author?,year, (journal conference))>
Elementos versus Tipos <xsd:element <xsd:element name= person > name= person > <xsd:complextype> <xsd:complextype> <xsd:sequence> <xsd:sequence> <xsd:element <xsd:element name= name name= name type= xsd:string /> type= xsd:string /> <xsd:element <xsd:element name= address name= address type= xsd:string /> type= xsd:string /> </xsd:sequence> </xsd:sequence> </xsd:complextype> </xsd:complextype> </xsd:element> </xsd:element> <xsd:element <xsd:element name= person name= person type= ttt > type= ttt > <xsd:complextype <xsd:complextype name= ttt > name= ttt > <xsd:sequence> <xsd:sequence> <xsd:element <xsd:element name= name name= name type= xsd:string /> type= xsd:string /> <xsd:element <xsd:element name= address name= address type= xsd:string /> type= xsd:string /> </xsd:sequence> </xsd:sequence> </xsd:complextype> </xsd:complextype> DTD: <!ELEMENT person (name,address)>
Tipos locais e globais Tipo local: <xsd:element name= person > [define localmente o tipo da pessoa] </xsd:element> Tipo global: <xsd:element name= person type= ttt /> <xsd:complextype name= ttt > [define aqui o tipo ttt] </xsd:complextype> Tipos globais podem ser reutilizados noutros elementos
Elementos locais versus elementos globais Elemento local: <xsd:complextype name= ttt > <xsd:sequence> <xsd:element name= address type=... />... </xsd:sequence> </xsd:complextype> Elemento global: <xsd:element name= address type=... /> <xsd:complextype name= ttt > <xsd:sequence> <xsd:element ref= address />... </xsd:sequence> </xsd:complextype> Elementos globais como nas DTDs
Atributos Utilizar o elemento xsd:attribute dentro de um xsd:complextype Tem atributos name, type Atributo use é opcional Se omitido, então atributo é opcional use = required para atributos obrigatórios fixed para constantes default =... para valor por omissão Atributos têm que ser declarados no fim de um xsd:complextype
Exemplo. <xsd:element name= paper type= papertype /> <xsd:complextype name= papertype > <xsd:sequence> <xsd:element name= title type= xsd:string />......... </xsd:sequence> <xsd:attribute name= language" type="xsd:string" fixed= English"/> </xsd:complextype> </xsd:element>
Conteúdo Mixed, Tipo Any <xsd:complextype mixed="true">........ Melhor do que nas DTDs: pode assegurar o tipo, mas pode existir texto entre quaisquer elementos <xsd:element name="anything" type="xsd:anytype"/>... Significa que qualquer coisa é permitida
Tipos de dados simples String Token Byte unsignedbyte Integer positiveinteger Int (larger than integer) unsignedint Long Short... Time datetime Duration Date ID IDREF IDREFS
Tipos de dados simples derivados (pelo utilizador) Tipos de dados complexos podem ser criados de raiz Novos tipos de dados simples podem ser derivados a partir de outros tipos de dados simples já existentes Derivação pode ser: Extensão: Lista: uma lista de valores de um determinado tipo União: permite valores de dois ou mais tipos de dados Restrição: limita os valores permitidos usando: Valor máximo, valor mínimo, tamanho, número de dígitos, enumeração, padrões (facetas)
Referências Peter Wood, Slides on Representing and Querying Data on the Web, http://www.dcs.bbk.ac.uk/~ptw/teaching/data-on-theweb.html. Dan Suciu, Slides on The semistructured data model, CSE 590ds: Management of XML and Semistructured Data, http://www.cs.washington.edu/education/courses/cse590ds/01sp/ S. Abiteboul, P. Buneman, D. Suciu, Data on the Web, From Relations to Semistructured Data and XML, Morgan Kaufmann, 2000, (cap 3) www.w3.org/tr/xmlschema-0 W3C's XML Schema Recommendation, Part 0: Primer www.w3.org/tr/xmlschema-1 W3C's XML Schema Recommendation, Part 1: Structures www.w3.org/tr/xmlschema-2 W3C's XML Schema Recommendation, Part 2: Datatypes
Agenda Introdução ao XML XML Schema XML Namespaces