Sistemi per il recupero delle informazioni
XML
HTML
Il linguaggio HTML
HTML = Hypertext Markup Language Linguaggio per la costruzione delle pagine web
definisce come devono essere visualizzate le pagine permette di realizzare legami ipertestuali tra pagine diverse
Linguaggio di markup indica come disporre gli elementi all’interno di una pagina mediante
delle istruzioni dette “tag” i browser leggono il file html, interpretano i tag e visualizzano la pagina
con le giuste formattazioni
Nota: una pagina HTML altro non è che un normalissimo file di testo, che fa riferimento ad altri elementi separati, come immagini, filmati, file multimediali.
I tag
Le istruzioni HTML sono formate da parole chiave racchiuse tra i simboli “<” e “>”
Si introducono dei tag che hanno il formato <comando> </comando>
Tutto quello racchiuso tra le coppie di tag deve essere interpretato secondo quanto specificato dal comando
Esistono tag che non vogliono la chiusura <br> <hr>
Template di una pagina web
<html>
<head>
<title> titolo </title>
</head>
<body>
contenuto del documento
</body>
</html>
Struttura di una pagina HTML
Struttura di una pagina HTML
<html> </html>: contenitore del documento è chiuso a fine documento contiene due sezioni
<head> </head> <body> </body>
<head> </head>: contiene informazioni quali titolo del documento fogli di stile scripting
<body> </body>: racchiude il contenuto
Il tag head
Il tag <head> contiene informazioni non visualizzate nel corpo della pagina i motori di ricerca classificano i siti queste informazioni servono ai motori di ricerca
Il tag <title> racchiude il titolo della pagina visibile nella barra del titolo il testo contenuto può comparire anche in seguito alla ricerca in un
motore, come titolo del link. Sarà dunque importante impostarlo in modo pertinente; es:
<head>
<title> Il sito di Anna <title>
</head>
Il tag meta
Il tag <meta> contiene informazioni non visualizzate nel corpo della pagina si tratta di una serie di parole chiave e descrizioni, che aiutano i motori di
ricerca a classificare il sito; la sintassi è<meta name=“…” content =“…”>
Ad es. il meta-tag "description" permette di impostare una descrizione sintetica del sito stesso
anche in questo caso, la descrizione compare talvolta nei risultati della ricerca
<meta name = "description" content = “home page di Annalisa Pascarella">
il meta-tag "keywords" permette di indicare alcuni contenuti relativi al sito stesso
Il Doc type
DTD = document type definition prima di <html>, fornisce le specifiche del documento. Non è obbligatorio di solito generato automaticamente dall'editor. In mancanza, il
documento è identificato come HTML 2.0 es: <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01
Transitional//EN“ http://www.w3.org/TR/html4/loose.dtd >
HTML: il tipo di linguaggio utilizzato è l'HTML PUBLIC: il documento è pubblico W3C: il documento fa riferimento alle specifiche del W3C, - : le specifiche non sono registrate all'ISO. Se lo fossero, sarebbe "+", DTD HTML 4.01 Transitional: il documento fa riferimento a una DTD, a
seguire c’è l’indirizzo del DTD; EN: la lingua con cui è scritta la DTD è l'inglese
Un pò di utili tag
<br> per andare a capo non vuole il tag di chiusura!
<hr> per tracciare una linea orizzontale
<b> </b> (<i> </i>) per visualizzare in grassetto (in corsivo)
<!-- questo è un commento -- >
Attributi
Molti tag hanno degli attributi. La sintassi corretta per un tag e’ infatti
<tag attributo1=“val” attributo2=“val”> testo <tag>
es.
<body bgcolor=“blue” background =“img.jpg”> testo <body>
Si tende ad avere il contenuto separato dallo stile i fogli di stile (CSS) contengono le regole di formattazione per i vari tag
Tag di formattazione
<p> </p> delimita un paragrafo lascio spazio sopra e sotto
<div> </div> non lascia spazio prima e dopo la chiusura va a capo
<span> </span> elemento inline, non va a capo
Elenchi
<ol> tag da utilizzare per aprire un elenco ordinato (ol = ordered list) gli elementi sono individuati dal tag <li>
<ul> tag da utilizzare per aprire un elenco non ordinato (ul = unordered list) gli elementi sono individuati dal tag <li>
Elenchi – esempio
<ol type = "a"> <li> primo elemento <li> secondo elemento</ol> l'attributo type può assumere i valori ”1”,”i”,”I”,”a”,”A”
è un attributo case-sensitive
<ul type=”disc”> <li>primo elemento <li>secondo elemento</ul> l’attributo type definisce il tipo di bullet e può assumere i seguenti valori
“disc”, “circle”,”square”
Immagini
<img src ="nomefile"> tag per inserire immagini i browser supportano file .jpg, .gif, .png il valore dell’attributo src è il pathname del file
il pathname del file può essere assoluto o relativo esistono diversi attributi per definire le proprietà delle immagini
dimensioni posizione rispetto al testo dimensione bordo dell’immagine
non vuole chiusura
Immagini - esempio
<img src="nomefile" low src="nomefile“
height="x" width="x" alt="nome_alternativo" align="x" vspace="x" hspace="x" border="x“>
Link
I link sono "il ponte" che consente di passare da un testo all’altro: all’interno della pagina web i link ci consentono di muoverci da un documento all’altro del web si parla di ipertesti
I link sono definiti con il tag <a> <a href="http://www.w3.org"> W3C </a>
il parametro href del tag permette di specificare l’URL cui il legame deve portare
il testo tra <a> e </a> e’ usato come label per il link è indifferente che la destinazione sia una pagina HTML di un sito,
un’immagine, un file pdf , un file zip, o un file exe: il meccanismo del link funziona allo stesso modo indipendentemente dal tipo di risorsa; poi il browser si comporterà in modo differente a seconda della risorsa
Link - esempio
<a title =“vai ai link” href=”/sito/link.html”> Link </a>
<a href="mailto: [email protected]"> Contatti
</a>
realizza il collegamento alla pagina link.html
si aprirà il client di posta predefinito
Caratteristiche di HTML
HTML descrive la struttura logica dell'informazione allo scopo di presentarla come pagina Web molte pagine ancora generate manualmente sempre più pagine generate da applicazioni le pagine HTML sono destinate agli umani
marcatura descrive la presentazione non c'è un legame diretto tra marcatura e informazione
Limitazioni di HTML Insieme di etichette prefissato
non permette di estendere il linguaggio con tag personali Marcatura non denota il significato
come faccio a sapere quali sono le informazioni che mi interessano? · non ci dice nulla sul contenuto del documento
come faccio ad estrarre le informazioni che mi interessano (e solo quelle)? · non supporta dati strutturati -> inefficiente per i motori di ricerca
Marcatura usata per la presentazione del documento Serve un formalismo più flessibile;
separazione tra: contenuto presentazione navigazione
definizione di domini o contesti indipendenza dalla piattaforma (media)e supporto multilingue
XML
Sommario
Esaminiamo:
Parte I: Cos’è il markup Parte II:Storia e Introduzione all’XML Parte III: Documenti, dati e rappresentazioni Parte IV: Definizione e applicazione di grammatiche Parte V: Modelli di presentazione dei documenti XML Parte VI: Strumenti e indirizzi per XML
Parte ICos’è il markup
Definizione di markup
Tipi di markup
Il markup procedurale
Il markup dichiarativo
Perché tutto questo chiasso?
Quando si porta una collezione di documenti in forma elettronica, si ha di solito in mente in generale una specifica applicazione (metterla in rete, prepararla per la stampa, ecc.). di solito, si cerca di trasformare il documento nella forma più opportuna
perché venga utilizzato nell’applicazione suddetta. spesso per questo si fanno delle scelte che impediscono o ostacolano
notevolmente un ulteriore riuso della stessa collezione per una diversa applicazione.
L’impaginato poco si adatta ad un’indicizzazione per la rete, o viceversa i linguaggi di visualizzazione su rete sono troppo poco sofisticati per una produzione tipografica di buon livello, ecc.
I linguaggi di markup derivati da SGML sono i linguaggi più opportuni per strutturare e marcare i documenti in maniera indipendente dall’applicazione, favorendo la riusabilità, la flessibilità e la apertura ad applicazioni complesse.
Cos’è il markup? (1) Definiamo markup ogni mezzo per rendere esplicita una particolare interpretazione
di un testo. per esempio, tutte quelle aggiunte al testo scritto che permettono di renderlo più
fruibile.
Oltre a rendere il testo più leggibile, il markup permette anche di specificare ulteriori usi del testo.
Con il markup per sistemi informatici, specifichiamo le modalità esatte di utilizzo del testo nel sistema stesso.
Esempi di markup: testo in corsivo, testo sottolineato in XML tutto ciò che è compreso tra i caratteri “<” e “>” (angled brackets, parentesi
angolari) è considerato markup, viene detto anche tag (etichetta), esempio: <nome>
Anche HTML è un markup language inizialmente definito in SGML.
Cos’è il markup? (2)
Quando un autore scrive, da millenni a questa parte, specifica anche i delimitatori di parola (chiamati spazi), i delimitatori di frase (chiamati virgole) e i delimitatori di periodo (chiamati punti).
La numerazione delle pagine o l’uso dei margini per creare effetti sul contenuto sono noti da centinaia di anni.
Eppure questo a stretto rigore non fa parte del testo, ma del markup: nessuno dirà ad alta voce ‘virgola’ o ‘punto’ nel leggere un testo, ma creerà adeguati comportamenti paralinguistici (espressioni, toni, pause) per migliorare in chi ascolta la comprensione del testo.
Tipi di markup
Il markup assolve a diversi ruoli a seconda del sistema di elaborazione, dell’applicazione, dello scopo a cui il documento è soggetto. Puntuazionale: punteggiatura, spazi, ecc. Presentazionale: ritorni a capo, allineamenti, cambi pagina, ecc. Procedurale: le istruzioni di computer da eseguire per ottenere un certo
effetto Descrittivo (o dichiarativo): l’associazione ad ogni porzione di un
documento dell’etichetta che ne descrive il senso e il ruolo Referenziale: l’uso di abbreviazioni e sigle che fanno riferimento e
vengono sostituite con entità più lunghe e complesse.
Tre Uomini in Barca
Jerome K. Jerome
1889
Capitolo primo
Tre invalidi - Le sofferenze di George e Harris - La vittima di centosette malattie inguaribili - […]
Eravamo in quattro: George, William Samuel Harris, e io, Montmorency. Standocene seduti in camera mia, fumavamo e parlavamo di quanto fossimo malridotti… malridotti, dal punto di vista della salute, intendo, naturalmente. Ci sentivamo tutti piuttosto giù di corda, ...
3
Un testo su carta
Treuominiinbarcajeromekjerome1889capitoloprimotreinvalidilesofferenzedigeorgeeharrislavittimadicentosettemalattieinguaribilieravamoinquattrogeorge,williamsamuelharrisioemontmorencystandocenesedutiincameramiafumavamoeparlavamodiquantofossimomalridottimalridottidalpuntodivistadellasaluteintendonaturalmentecisentivamotuttipiuttostogiùdicorda
Il testo senza markup
Questo è il testo completamente senza markup, come poteva essere scritto su un papiro della biblioteca di Alessandria, nel II o III secolo a.C.
Tre Uomini in BarcaJerome K. Jerome (1889)Capitolo primoTre invalidi - Le sofferenze di George e Harris - La vittima di centosette malattie inguaribili - […]Eravamo in quattro: George, William Samuel Harris, io, e Montmorency. Standocene seduti in camera mia, fumavamo e parlavamo di quanto fossimo malridotti… malridotti, dal punto di vista della salute, intendo, naturalmente. Ci sentivamo tutti piuttosto giù di corda, ...
Markup metabolizzato
Aggiungiamo markup puntuazionale e presentazionale: maiuscole/minuscole, punteggiatura, spazi e ritorni a capo sono essi stessi elementi di markup.
{\rtf1 \mac \ansicpg10000 \uc1 \pard \plain \s15 \qc \widctlpar \adjustright \f4 \fs48 \cgrid {Tre Uomini in Barca \par } \pard \plain \widctlpar \adjustright \f4 \cgrid { \line \par \par \par \par \par } \pard \plain \s1 \qc \keepn \widctlpar \outlinelevel0 \adjustright \i \f4 \fs36 \cgrid {Jerome K. Jerome \par } \pard \plain \qc \widctlpar \adjustright \f4 \cgrid { \fs36 […] \par 1889 \line \par } \pard \widctlpar \adjustright { \page } { \b \fs36 Capitolo primo} { \par \par \par \line } { \i Tre invalidi - Le sofferenze di George e Harris - La vittima di centosette malattie inguaribili - [ \u8230 \'c9] \par } { \line } { \fs28 Eravamo in quattro: George, William Samuel Harris, io, e Montmorency. Standocene seduti in camera mia, fumavamo e parlavamo di quanto fossimo malridotti \u8230 \'c9 malridotti, dal punto di vista della salute, intendo, naturalmente. \line Ci sentivamo tutti piuttosto gi \u249 \'9d di corda, ... \par }}
Markup procedurale Sono comandi, o istruzioni che il sistema di lettura (umano o
elettronico) deve eseguire sul testo. Ad esempio, istruzioni su come andare a capo, come decidere i margini, ecc. Questo è RTF.
Il markup procedurale
Basato sull’aspetto Ad ogni elemento del documento viene associata la procedura per
visualizzarlo in maniera voluta: font, dimensione, corsivi, grassetti, margini, interlinea, ecc.
Dipendente dal sistema ogni sistema di visualizzazione impone le proprie regole e la propria
sintassi.
Associato agli individui ogni elemento possiede le proprie procedure per la visualizzazione, che
possono anche essere tutte diverse anche per elementi dello stesso tipo.
Non contestuale le regole di visualizzazione non dipendono dal contesto in cui vengono
fatte, ma ognuna fa specie a sé.
<ROMANZO> <TITOLO>Tre Uomini in Barca</TITOLO> <AUTORE>Jerome K. Jerome</AUTORE> <ANNO>1889</ANNO> <CAPITOLO> <TITOLO>Capitolo primo</TITOLO> <INDICE> <EL>Tre invalidi</EL> <EL>Le sofferenze di George e Harris </EL> <EL>La vittima di centosette malattie inguaribili</EL> </INDICE> <PARA>Eravamo in quattro: George, William Samuel Harris, io, e Montmorency. Standocene seduti in camera mia, fumavamo e parlavamo di quanto fossimo malridotti… malridotti, dal punto di vista della salute, intendo, naturalmente. </PARA> <PARA>Ci sentivamo tutti piuttosto giù di corda,</PARA> </CAPITOLO>… </ROMANZO>
Markup descrittivo Sono informazioni (descrizioni) sugli elementi del documento, che ne
specificano il ruolo, la giustificazione, la relazione con gli altri elementi.
Il markup descrittivo
Basato sul ruolo di ogni elemento viene descritto il ruolo all’interno del testo, più che le
regole per la sua visualizzazione: ad esempio: “questo è un titolo, questo è un paragrafo, questo è il nome
dell’autore, questa è una citazione.” Indipendente dal sistema
poiché il markup descrittivo assegna ruoli (e non regole di visualizzazione) agli elementi del testo, questi sono intrinseci agli elementi stessi, e non alle funzionalità disponibili nel sistema di visualizzazione.
un sistema incapace di variare l’interlinea, o con un elenco limitato di font e dimensioni, può aver problemi ad interpretare un markup procedurale troppo ricco, ma la differenza tra (per esempio) un “titolo” o un “elenco” o un “paragrafo” non dipende dalla sofisticazione del sistema di visualizzazione.
Il markup descrittivo
Basato su categorie i ruoli sono categorie. Ogni elemento è associato ad una categoria, e ne
riflette tutte le caratteristiche automaticamente.
Contestuale con il markup dichiarativo è possibile definire delle regole che
permettano o impediscano l’assegnazione di una categoria (ruolo) ad un elemento del testo a seconda del contesto.
ad esempio, si può richiedere che il titolo vada all’inizio del testo, o che una lista sia composta solo di elementi della lista, e non da paragrafi, ecc.
La storia del markup
1969 : Charles Goldfarb (IBM) dirige lo sviluppo di GML 1974 : Charles Goldfarb inventa SGML, il padre dei linguaggi di marcatura 1986: SGML diventa uno standard ISO (ISO 8879 – “Standard Generalized
Markup Language'')
1989: Tim-Berners Lee (CERN di Ginevra) inventa HTML 1995: Fondazione del World Wide Web Consortium (W3C)
1996: Inizio dello sviluppo di XML presso il W3C 1998: XML 1.0 diventa una raccomandazione W3C
SGML
SGML (Standard Generalized Markup Language) è un meta-linguaggio standard e non proprietario per il markup dichiarativo. Facilita markup leggibili, generici, strutturati, gerarchici.
Un meta-linguaggio è un linguaggio per definire linguaggi, una grammatica di costruzione di linguaggi.
non proprietario significa che non esiste un’unica ditta o casa produttrice che ne detiene il controllo.
In SGML il markup è posto in maniera leggibile a fianco degli elementi del testo a cui si riferiscono.
SGML ha teorizzato l’uso del markup per informazioni (descrizioni) sugli elementi dei documenti, che ne specificano il ruolo, la giustificazione, la relazione con gli altri elementi.
SGML permette di definire delle strutture, suggerite o imposte, a cui i documenti si debbono adeguare.
le strutture imposte da SGML sono tipicamente a livelli di dettaglio successivi.
Parte IIStoria e Introduzione a XML
INTRODUZIONE - I
L'eXtensible Markup Language (XML) non è l'ennesimo linguaggio di markup né l'evoluzione dell'HTML.
Esso è un meta-linguaggio di markup, cioè un linguaggio che permette di definire altri linguaggi di markup. progettato per lo scambio e la interusabilità di documenti strutturati su
Internet.
A differenza di HTML, XML non ha tag predefiniti e non serve per definire pagine Web né per programmare.
Serve esclusivamente per definire altri linguaggi.
XML di per sé è un insieme standard di regole sintattiche per modellare la struttura di documenti e dati.
Questo insieme di regole, dette specifiche, definiscono le modalità secondo cui è possibile crearsi un proprio linguaggio di markup.
Le specifiche ufficiali sono state definite dal W3C (Worl Wide Web Consortium) e sono consultabili a partire dall'indirizzo http://www.w3.org/XML.
INTRODUZIONE - II
XML: cos’è? Un meta-linguaggio di markup derivato da SGML
XML e SGML sono meta-linguaggi di markup descrittivo inseriscono all'interno del documento delle etichette o marcature (tag), che permettono di
descrivere il contenuto del documento stesso. in questo modo un'applicazione, ad esempio un motore di ricerca , è in grado di leggere le
informazioni contenute nel documento e di elaborarle in maniera efficiente e corretta. Ecco l'esempio di un documento, che descrive gli estremi di una legge, in formato XML:
<?xml version="1.0"?>
<Legge>
<Intestazione>
<DataLegge>7 dicembre 2000</DataLegge>
<NumeroLegge>383</NumeroLegge>
<TitoloLegge>Disciplina delle associazioni di promozione sociale</TitoloLegge>
</Intestazione>
</Legge>
XML: cos’è?
I tag non sono predefiniti dal linguaggio, e’ compito dell’autore del documento a definirli l'insieme delle marcature utilizzabili per creare un documento XML non è
predefinito come succede per il linguaggio HTML per il quale un organismo unico internazionale, il Web Consortium, ha definito l'insieme dei tag utilizzabili e il loro significato.
l'autore del documento XML definisce i propri tag in base alla tipologia dei dati da descrivere. per autore s'intende l'insieme dei soggetti interessati alla distribuzione di documenti
XML che descrivono una certa tipologia semantica e che concordano insieme una struttura comune da adottare ad esempio, se un ente pubblico o privato intende rendere accessibile su Internet
le schede bibliografiche del catalogo della propria biblioteca, utilizzando il linguaggio XML, dovrà contattare gran parte degli enti pubblici e/o privati che hanno la stessa esigenza e concordare con essi una struttura da utilizzare, ossia definire il numero e il tipo di tag.
XML: cos’è? E’ stato inventato per descrivere semanticamente i dati
XML è stato progettato per trattare la descrizione delle informazioni, ossia concentra l'attenzione sul significato dei dati. ad esempio, in questo documento XML, che descrive gli estremi di una legge,
<?xml version="1.0"?>
<Legge>
<Intestazione>
<DataLegge>7 dicembre 2000</DataLegge>
<NumeroLegge>383</NumeroLegge>
<TitoloLegge>Disciplina delle associazioni di promozione
sociale</TitoloLegge>
</Intestazione>
</Legge>
le marcature indicano in maniera non ambigua il significato di ciascun dato, per cui un'applicazione è in grado di estrarre correttamente tutte le informazioni contenute nel documento senza incorrere in errori interpretativi.
XML: cos’è? XML non è orientato ad uno specifico tipo di elaborazione
XML è stato creato esclusivamente come uno strumento per strutturare, memorizzare e scambiare informazioni. ad esempio, in questo documento XML che descrive un articolo di una legge,
<?xml version="1.0"?>
<Articolo Num="1">
<Rubrica>Finalità e oggetto della legge</Rubrica>
<Comma Num="1" >La Repubblica riconosce il valore...</Comma>
</Articolo>
non è contenuta alcuna istruzione finalizzata all'elaborazione dei dati; si tratta di pura informazione confezionata nelle marcature XML. Occorre utilizzare un'applicazione specifica per inviare, ricevere o visualizzare il documento XML. Le marcature, evidenziando la semantica delle informazioni contenute in un documento, rendono semplice la progettazione e la realizzazione di applicazioni in grado di elaborare i dati.
PERCHE’ ?
Ma perché si sente tanto parlare di XML?
Perché tutti ne parlano quasi come una rivoluzione in ambito informatico?
Cosa è possibile fare con questo meta- linguaggio?
Come è possibile definire ed utilizzare un proprio linguaggio di markup?
UN PO’ DI STORIA
Internet ed il Web hanno bisogno di standard per poter essere utilizzabili e per poter evolvere senza forzature.
A questo scopo è stato istituito il Worl Wide Web Consortium nel dicembre del 1994 con l'obiettivo di definire standard accettati dai maggiori produttori di software per il Web, primo fra tutti il linguaggio HTML.
L'assalto commerciale ad Internet degli anni '90 e la rapida diffusione del Web ha scatenato una delle lotte più agguerrite sul piano tecnico e commerciale: la guerra dei browser tra Netscape e Microsoft. ciascun contendente introduceva, con ogni nuova versione del proprio
browser, una estensione proprietaria all'HTML.
Risultato: un sito Web che usava le estensioni proprietarie di un browser rischiava di risultare inaccessibile agli altri browser.
UN PO’ DI STORIA
In questo contesto cominciò a delinearsi la necessità di un linguaggio di markup che offrisse maggiore libertà nella definizione dei tag pur rimanendo nell'ambito del rispetto di uno standard.
Nel 1996 si costituì l'XML Working Group nell'ambito del W3C. lo scopo del gruppo di lavoro era quello di definire un linguaggio che
salvasse gli standard e offrisse libertà di estensione. La ricerca partì dall’SGML un meta-linguaggio per la definizione di
linguaggi di markup. questo linguaggio risultava troppo complesso per gli scopi della ricerca
e fu semplificato
Nel dicembre '97 le specifiche di XML venivano pubblicate.
UN PO’ DI STORIA
Anche se gli obiettivi iniziali della nascita di XML erano rivolti alla soluzione di un problema di standard per il Web, ben presto ci si accorse che XML non era limitato al solo contesto Web.
L’XML risulta essere abbastanza generale per poter essere utilizzato nei più disparati contesti: dalla definizione della struttura di documenti allo scambio di informazioni tra sistemi diversi, dalla rappresentazione di immagini alla definizione di formati di dati. questo aspetto rappresentava una rivoluzione
XML è un acronimo per eXtensible Markup Language Language perché si tratta di un linguaggio Markup perché è fondato sull'utilizzo dei marcatori eXtensible perché consente a chi lo utilizza di creare i tag di cui ha bisogno.
IL MONDO DI XML
Dopo aver conosciuto la storia dell'origine di XML, la domanda che sorge è: allora XML sostituirà l'HTML?
Anche se il dubbio risulta legittimo, possiamo dire che XML e HTML non sono in diretta concorrenza.
Le specifiche di HTML sono ferme alla versione 4.0 del dicembre 1997 (ignorando le piccole revisioni della 4.01) , tuttavia XML contribuisce proprio all'evoluzione dell'HTML.
IL LINGUAGGIO XHTML L'evoluzione del linguaggio HTML è XHTML (eXtensible HTML), una ridefinizione di
HTML in termini di XML. XHTML è HTML definito secondo le regole di XML. Le differenze più evidenti si riassumono brevemente:
tutti i tag e i loro attributi sono espressi in minuscolo è obbligatorio inserire il tag di chiusura
(es. se usiamo <p> dobbiamo chiudere con </p>) i valori degli attributi devono essere specificati tra doppi apici o singoli apici
(es. <table width="30%">) i tag vuoti seguono la cosiddetta sintassi minimizzata
(es, il tag <br> diventa <br/>) Possono sembrare differenze di poco conto, soprattutto perché la tolleranza dei
browser ci ha abituato a commettere errori sintattici, ma sono molto importanti. Le pagine strutturate in XHTML possono essere elaborate da software diversi dai
classici browser ad es. gli spider dei motori di ricerca, i sintetizzatori vocali, i dispositivi wireless, …
XML: standardizzato e strutturato
Abbiamo detto che XML è un insieme standard di regole sintattiche per modellare la struttura di documenti e dati.
Due parole sono di fondamentale importanza: standard e struttura.
Le regole sono standard e questo garantisce l'indipendenza da una specifica piattaforma hardware e software o da uno specifico produttore.
Le regole di XML consentono di definire la struttura di documenti e dati, ma non altre caratteristiche come il tipo o la presentazione dei dati o documenti. Questo compito non è di XML ma è delegato ad altre tecnologie, alcune delle quali sono basate sullo stesso XML.
I vantaggi di XML
Documenti auto-descrittivi la scelta dei nomi degli elementi può essere fatta per facilitare la
comprensione del ruolo strutturale dell’elemento. Struttura navigabile dei documenti
la rigida struttura ad albero e l’assenza di regole di minimizzazione rendono semplice la visualizzazione
Platform-independence XML è uno standard aperto, e chiunque può realizzare strumenti che lo
usino come formato di dati. Facile convertibilità a formati Web
la totale interdipendenza tra XML, SGML, HTML etc. fa sì che la conversione tra formati interni e formati per il Web sia facile.
Cosa c’è con XML?
XML è in realtà una famiglia di linguaggi, alcuni già definiti, altri in corso di completamento. Alcuni hanno l’ambizione di standard, altri sono solo proposte di privati o industrie interessate. Alcuni hanno scopi generali, altri sono applicazioni specifiche per ambiti più ristretti. XML 1.0: un meta-linguaggio di markup, sottoinsieme di SGML XML-Namespace: un meccanismo per la convivenza di nomi di tag
appartenenti a DTD diversi XPath per la creazione di link ipertestuali XSL: un linguaggio di stylesheet per XML XML schema: un linguaggio per la specifica di criteri di validazione di
documenti XML
Cosa si fa con XML? Data Interchange
Ogni volta che più programmi si debbono scambiare dati, ci sono problemi di compatibilità. Ogni programma ha le proprie assunzioni in termini di caratteri, separatori, ripetibilità di elementi, differenza tra elementi vuoti e assenti, ecc.
XML si propone come la sintassi intermedia più semplice per esprimere dati anche complessi in forma indipendente dall’applicazione che li ha creati.
Document publishing XML è ideale come linguaggio per esprimere documenti strutturati o
semi strutturati, e per esprimerli in maniera indipendente dalla loro destinazione finale.
Lo stesso documento XML può essere preso e trasformato per la stampa, il Web, il telefonino, l’autoradio.
Cosa si fa con XML? (2)
Interazione tra database eterogenei Ogni volta che è necessario trasferire dei dati da un database all’altro, la
soluzione più economica è stampare i dati dal primo DB su carta e ribatterli a mano sul secondo.
Idealmente si vorrebbe accedere via Web ai dati del primo DB, selezionare quelli di interesse, e spostarli sul secondo DB, che si preoccupa di adattarli alle sue esigenze.
Il secondo DB, dunque, deve essere in grado di comprendere la sintassi dei dati, di interpretare la struttura e di isolare le informazioni di suo interesse.
Per questo potrebbe essere aiutato da un formato di interscambio tipo XML, che permetterebbe di etichettare i dati esplicitamente.
HTML vs XML HTML nacque come evoluzione del SGML, che permetteva di mettere
in rete documenti di un tipo molto specifico, semplici documenti di testo con qualche immagine e dei link ipertestuali.
Con il successo del WWW, HTML venne iniziato ad usare per molti scopi, molti più di quelli per cui era stato progettato.
Si iniziò ad abusare dei tag di HTML per gli effetti grafici che forniva, più che per gli aspetti strutturali o semantici.
Si iniziarono a desiderare elaborazioni sofisticate sui dati HTML, elaborazioni che non era possibile fornire.
Si iniziò a trovare limitata la capacità grafica di HTML, anche abusando dei tag.
Cosa è questo ?
<td> 12 </td>
• Il numero civico di una via ?
• Il numero di telefono per ottenere informazionisugli abbonati ?
• Entrambe le cose ?
• Nessuna delle due ?
HTML vs XML
<p> <b> Sig. Mario Rossi </b><br>Via Verdi, 12<br>56100, Pisa
Un markup con HTML
Sig. Mario RossiVia Verdi, 1256100, Pisa
Il nostro algoritmo per trovare il numero civico:
Se un paragrafo contiene due tag <br> allora la prima parola dopo la prima virgola dopo il primo tag <br> è il numero civico.
<business-card><persona>
<titolo> Sig. </titolo><nome> Mario </nome><cognome> Rossi </cognome>
</persona><indirizzo>
<strada> Via Verdi </strada><numero-civico> 12 </numero-civico><cap> 56100 </cap><città> Pisa </città>
</indirizzo></business-card>
Un semplice markup in XML
Visualizzazione dell’XML
Come l’HTML
Sig. Mario RossiVia Verdi, 1256100, Pisa
ma anche…
Sig. Mario RossiVia Verdi, 1256100, Pisa
Un algoritmo migliore e più semplice per trovare il numero civico:
il numero civico è il contenuto del tag <numero-civico>
Visualizzazione dell’XML
Il linguaggio XML non produce nessun effetto: non comprende le istruzioni di elaborazioni (neanche quelle di visualizzazioni)
Neccessita sempre di qualche applicazione che decide cosa fare per ogni tag.
Gli attuali browser non sono in grado di visualizzare i documenti XML senza il supporto di altri linguaggi di formattazione (es. XSL, eXtensible Style Sheet) Es. senza XSL
cdcatalog.xml Es. con XSL
cdcatalog_xsl.xml
Visualizzazione dell’XML
XML vs HTML XML non è stato progettato per sostituire HTML
XML e HTML sono stati progettati per svolgere compiti diversi: XML è stato pensato per descrivere i dati ed è incentrato sul loro valore semantico
riguarda la descrizione delle informazioni HTML è stato pensato per visualizzare i dati ed è incentrato sull'aspetto con il
quale il dato è presentato tratta la visualizzazione delle informazioni
XML è estensibile, è un metalinguaggio nel senso che permette di definire altri linguaggi di marcatura (si veda, ad esempio, il linguaggio Wireless Markup Language usato per le connessioni senza cavo)
HTML non è estensibile XML mantiene separate la struttura del documento dalle regole per la sua
visualizzazione HTML usa elementi per la struttura insieme ad elementi per la visualizzazione
XML: gli obiettivi
Questi gli obiettivi progettuali di XML secondo il W3C XML Working Group: XML deve essere utilizzato in modo semplice su Internet. XML deve supportare un gran numero di applicazioni. XML deve essere compatibile con SGML. Deve essere facile lo sviluppo di programmi che elaborino XML. Il numero di caratteristiche opzionali deve essere mantenuto al minimo
possibile, idealmente a zero. I documenti XML dovrebbero essere leggibili da un uomo e
ragionevolmente chiari. La progettazione XML dovrebbe essere rapida. La progettazione XML dovrebbe essere formale e concisa. I documenti XML devono essere facili da creare. Non è di nessuna importanza l’economia nel markup XML.
Parte IIIDocumenti, dati e rappresentazioni
Le componenti di XML
Tre parti fondamentali da tenere distinte: il documento XML; le specifiche relative agli elementi, la struttura (DTD); le specifiche relative alla rappresentazione, lo stile (Stylesheet).
STRUTTURA DEI DOCUMENTI XML
Concretamente, un documento XML è un file di testo che contiene una serie di tag, attributi e testo secondo regole sintattiche ben definite. documento va inteso nel senso generale di contenitore di informazioni
Analizziamo ora XML dal punto di vista logico e sintattico e i documenti che con esso si possono creare dando uno sguardo alla struttura logica.
Un documento XML è intrinsecamente caratterizzato da una struttura gerarchica. E’ composto da componenti denominati elementi. ciascun elemento rappresenta un componente logico del
documento e può contenere altri elementi (sottoelementi) o del testo. gli elementi possono avere associate altre informazioni che ne
descrivono le proprietà, chiamate attributi. L'organizzazione degli elementi segue un ordine gerarchico o arboreo
che prevede un elemento principale (root element o radice). la radice contiene l'insieme degli altri elementi del documento.
Struttura gerarchica di un documento XML
Possiamo rappresentare graficamente la struttura di un documento XML tramite un albero, noto come document tree.
Prendiamo in considerazione la rappresentazione di un generico articolo a carattere tecnico e proviamo a rappresentarlo secondo il modello XML.
Struttura gerarchica di un documento XML
Root element
elementi
Attributo
Element root
Ogni documento XML deve contenere un solo elemento radice, cioè un elemento che racchiude tutti gli altri elementi secondo una struttura di relazione padre-figlio, cioé strettamente gerarchica.
L'elemento radice è il primo elemento di un documento XML.
Struttura logica di un documento XML
La struttura logica di un documento XML dipende dalle scelte progettuali. Siamo noi a decidere come organizzare gli elementi all'interno di un documento XML. non esistono regole universali per l'organizzazione logica di un
documento.
La struttura logica di un documento XML viene tradotta in una corrispondente struttura fisica composta di elementi sintattici chiamati tag. questa struttura fisica viene implementata tramite un file di testo creato
con un qualsiasi editor.
Struttura logica di un documento XML<?xml version="1.0" ?><articolo titolo="Titolo dell'articolo">
<paragrafo titolo="Titolo del primo paragrafo"><testo>Blocco di testo del primo paragrafo</testo><immagine file="immagine1.jpg"></immagine>
</paragrafo><paragrafo titolo="Titolo del secondo paragrafo">
<testo>Blocco di testo del secondo paragrafo</testo><codice>Esempio di codice</codice><testo>Altro blocco di testo</testo>
</paragrafo><paragrafo tipo="bibliografia">
<testo>Riferimento ad un articolo</testo>
</paragrafo></articolo>
rappresentazione fisica del documento XML visto prima
tag
attributo
element root
elemento paragrafo
Struttura logica di un documento XML
La prima riga del documento lo identifica come un documento XML e ne specifica la versione (in questo caso la 1.0): <?xml version="1.0" ?> deve essere sempre presente
Sempre nella stessa dichiarazione può essere specificato l'insieme (set) di caratteri che si desidera includere all'interno dei propri documenti. Il set di caratteri usato, nel caso in cui non venga specificato diversamente, è UNICODE (UTF-8), una sorta di ASCII esteso.
Un altro set di caratteri utilizzato è il LATIN (ISO-8859-1). In questo caso la prima linea di un documento diventa: <?xml version="1.0" encoding="ISO-8859-1"?>
XML e Unicode
XML abbandona completamente ASCII e le codifiche ad un byte. Questo porta a due vantaggi nei riguardi dell’internazionalizzazione:
È possibile scrivere documenti misti, senza ricorrere a trucchi strani per identificare la parte che usa un alfabeto dalla parte che ne adopera un altro.
Un documento scritto in un linguaggio non latino non deve basarsi su parametri esterni per essere riconosciuto come tale, ma la codifica stessa dei caratteri lo identifica.
Struttura logica di un documento XML
Il corpo del documento segue questa prima riga, rappresentando gli elementi tramite tag, cioè sequenze di caratteri delimitate dai segni '<' e '>‘, come in HTML. Ma a differenza dell'HTML in cui i tag sono predefiniti, XML ci lascia liberi di definire i tag che vogliamo.
Per specificare un attributo per un elemento inseriamo il nome dell’attributo con il relativo valore all’interno del tag di apertura dell’elemento l'organizzazione gerarchica degli elementi viene rappresentata in XML
tramite il loro annidamento.
Alcuni elementi possono essere vuoti, cioè possono essere privi di contenuto testuale. A differenza di quanto avviene per l'HTML, XML prevede che vengano sempre specificati i tag di apertura e chiusura. È questo il caso del tag immagine. Sintassi abbreviata: <immagine file="immagine1.jpg“/>
I componenti di XML
Un documento XML contiene una varietà dei seguenti componenti Elementi
caratteristiche della partizione logica della sezione di testo (es.<nomepersona>Francesca</nomepersona>)
Attributi caratteristiche specifiche dell’elemento (es.<nomepersona
tipo=“f”>Francesca</nomepersona>) Entità
riferimento ad oggetti “esterni” al documento. Convenzione &nomeentità;
Testo (detto anche #PCDATA) Commenti Processing Instructions
Elementi
Gli elementi sono le parti di documento dotate di un senso proprio. il titolo, l’autore, i paragrafi del documento sono tutti elementi.
Un elemento XML è l’insieme di un tag iniziale, un contenuto ed un tag finale. <TITOLO>Tre uomini in barca</TITOLO>
Alcuni elementi possono essere vuoti
Tutti gli elementi devono avere un tag di chiusura ciò non è richiesto in HTML, dove alcuni elementi possono non avere il tag di
chiusura, dato che la sintassi del linguaggio non lo richiede obbligatoriamente. <p>Questo è un paragrafo.
Elementi
Differenze tra caratteri maiuscoli e caratteri minuscoli (case sensitive) I caratteri maiuscoli e minuscoli sono rilevanti per la definizione di un
tag XML. I seguenti elementi:
<articolo></articolo> <Articolo></Articolo>
sono diversi fra loro, quindi i tag di apertura e di chiusura devono essere scritti con lo stesso uso dei caratteri maiuscoli e minuscoli; non è corretto scrivere:
<articolo></Articolo>
Elementi
Elementi correttamente nidificati In XML un elemento può essere contenuto (nidificato) in un altro; nell'esempio
che segue, l'elemento paragrafo è nidificato all'interno dell'elemento Articolo.
<Articolo>
< paragrafo >1. ......... </ paragrafo >
</Articolo> In XML l'ordine di chiusura dei tag deve essere inverso rispetto all'ordine di
apertura; il successivo è un esempio errato di uso della sintassi degli elementi: <Articolo>< paragrafo >1. ......... </Articolo></ paragrafo
> Ciò non è richiesto in HTML, dove alcuni tag possono non rispettare l'ordine di
apertura e chiusura, come nell'esempio che segue: <b><i>Questo testo è in grassetto e in corsivo</b></i>
Gli attributi sono informazioni aggiuntive sull’elemento che non fanno effettivamente parte del contenuto (meta-informazioni).
Essi sono posti dentro al tag iniziale dell’elemento. Tipicamente hanno la forma nome=valore
<romanzo file=“threemen.sgm”>…</romanzo> <capitolo N=“1”>Capitolo primo</capitolo>
Ogni attributo è una coppia di oggetti: nome dell’attributo valore dell’attributo
Il valore dell’attributo viene indicato nello start-tag Il valore deve essere sempre racchiuso fra le virgolette (singole o doppie)
Un elemento può contenere uno o più attributi
Attributi
Attributi
Gli attributi servono ad aggiungere informazioni che: sarebbero irrilevanti se inserite nel testo ma che sono utili per le applicazioni che devono elaborare il documento
<file type="gif">compu.gif</file> Uno stesso dato può essere usato sia come attributo che come elemento:
<persona cittadinanza=”italiana"><nome>Anna</nome>
<cognome>Rossi</cognome>
</persona> <persona>
<cittadinanza>italiana</cittadinanza>
<nome>Anna</nome>
<cognome>Rossi</cognome>
</persona>
DOCUMENTI BEN FORMATI
XML richiede un certo rigore sugli aspetti sintattici. ad es. un tag vuoto deve prevedere il tag di chiusura o la sua forma
abbreviata
Un principio fondamentale a cui tutti i documenti XML devono sottostare è infatti: tutti i documenti XML devono essere ben formati (well formed).
Un documento XML è ben formato se è un documento conforme alle regole di sintassi descritte precedentemente
questo concetto è assimilabile in qualche modo alla correttezza ortografica di una lingua ed è un principio a cui i documenti XML non possono sottrarsi.
DOCUMENTI BEN FORMATI
Perché un documento XML sia ben formato deve rispettare le seguenti regole: ogni documento XML deve contenere un unico elemento di massimo
livello (root) che contenga tutti gli altri elementi del documento. Le sole parti di XML che possono stare all'esterno di questo elemento sono i commenti e le direttive di elaborazione<Capitolo>…
</Capitolo> ogni elemento deve avere un tag di chiusura o, se vuoti, possono
prevedere la forma abbreviata (/>) XML fa distinzione tra maiuscole e minuscole,
<paragrafo> I </paragrafo>
DOCUMENTI BEN FORMATI
Perché un documento XML sia ben formato deve rispettare le seguenti regole: gli elementi devono essere opportunamente nidificati, cioè i tag di
chiusura devono seguire l'ordine inverso dei rispettivi tag di apertura<Capitolo><paragrafo></paragrafo>
</Capitolo>
i valori degli attributi devono sempre essere racchiusi tra singoli o doppi apici
<paragrafo id=“primo”> </paragrafo>
DOCUMENTI non BEN FORMATI
La violazione di una qualsiasi di queste regole fa in modo che il documento risultante non venga considerato ben formato.
Codice del tipo
<articolo titolo=test>...</Articolo>
darà qualche problema, e lo stesso dicasi per situazioni analoghe alla seguente:
<paragrafo><testo>
abcdefghi...</paragrafo>
</testo>
Anche la scelta dei nomi dei tag deve seguire alcune regole. Un tag può iniziare con un lettera o un underscore (_) e può contenere lettere, numeri, il punto, l'underscore (_) o il trattino (-). Non sono ammessi spazi o altri caratteri. XML è sensibile all'uso di maiuscolo e minuscolo, quindi i tag <prova> e <Prova> sono considerati diversi.
DOCUMENTI BEN FORMATI – contenuto
Un documento XML può contenere potenzialmente qualsiasi carattere dell'alfabeto latino, cifre e punteggiatura. normalmente vengono accettati come caratteri validi in un documento
XML i primi 128 caratteri della codifica ASCII (lettere dell'alfabeto latino minuscole e maiuscole, cifre, segni di punteggiatura, ecc.).
se un documento contiene caratteri che non rientrano tra questi (es.: lettere accentate, simboli di valuta, ecc.) è necessario specificare lo schema di codifica utilizzato.
Lo schema di codifica ed altre informazioni dirette al software incaricato di elaborare il documento XML sono indicate tramite elementi speciali detti direttive di elaborazione o processing instruction. ad esempio, la seguente direttiva di elaborazione:
<?xml version="1.0" encoding="iso-8859-1"?>
abilita l'uso del set di caratteri noto come Latin 1 contenente le lettere accentate.
DOCUMENTI BEN FORMATI – commenti
In un documento XML possiamo trovare i commenti, cioè informazioni ignorate dai software che lo elaborano. Queste note non fanno parte del contenuto del documento, e le
applicazioni XML li ignorano. Sono molto comodi per passare informazioni tra un autore e l’altro, o
per trattenere informazioni per se stessi, nel caso le dimenticassimo.
I commenti XML seguono la stessa sintassi dell'HTML, sono cioè racchiusi tra le sequenze di caratteri <!– e --> e possono trovarsi in qualsiasi punto del documento. <!– bla bla bla -->
DOCUMENTI BEN FORMATI – entità
Potrebbe essere necessario inserire in un documento XML dei caratteri particolari che potrebbero renderlo non ben formato. ad esempio, se dobbiamo inserire del testo che contiene il simbolo <,
corriamo il rischio che possa venire interpretato come l'inizio di un nuovo tag, come nel seguente esempio:<testo>
il simbolo < indica minore di
</testo>
Per evitare situazioni di questo tipo, XML prevede degli oggetti speciali detti entità che consentono di sostituire altri caratteri.
DOCUMENTI BEN FORMATI – entità
Cinque entità sono predefinite e consentono l'uso di altrettanti caratteri riservati all'interno di un documento: & definisce il carattere & < definisce il carattere < > definisce il carattere > " definisce il carattere “ ' definisce il carattere ‘
Sfruttando le entità, l'esempio precedente diventa:<testo>
il simbolo < indica minore di</testo>
DOCUMENTI BEN FORMATI – CDATA
In determinate situazioni gli elementi da sostituire con le entità possono essere molti, il che rischia di rendere illeggibile il testo ad essere umano. si consideri il caso in cui un blocco di testo illustri proprio del codice
XML:<codice> <libro> <capitolo> </capitolo> </libro></codice>
In questo caso, al posto di sostituire tutte le occorrenze dei simboli speciali con le corrispondenti entità è possibile utilizzare una sezione CDATA.
Una sezione CDATA (Character DATA) è un blocco di testo che viene considerato sempre come testo, anche se contiene codice XML o altri caratteri speciali.
DOCUMENTI BEN FORMATI – CDATA
Per indicare una sezione CDATA è sufficiente racchiuderla tra le sequenze di caratteri <![CDATA[ e ]]>.
Il nostro esempio diventerà come segue:
<codice> <![CDATA[
<libro> <capitolo> </capitolo> </libro> ]]> </codice>
In certe situazioni non si conosce a priori il contenuto che può essere inserito in un blocco di testo e pertanto l'utilizzo delle sezioni CDATA risulta obbligatorio.
DOCUMENTI VALIDI – grammatica
XML offre la libertà di definire i tag a seconda delle necessità, ma per evitare confusione è necessario un meccanismo che ne vincoli l'utilizzo all'interno dei documenti. Abbiamo bisogno di definire una grammatica per il linguaggio di markup che abbiamo ideato.
Una grammatica è un insieme di regole che indica quali vocaboli (elementi) possono essere utilizzati e con che struttura è possibile comporre frasi (documenti). una grammatica definisce uno specifico linguaggio di markup.
Se un documento XML rispetta le regole definite da una grammatica è detto valido per un particolare linguaggio.
La caratteristica di documento valido si affianca a quella di documento ben formato per costruire documenti XML adatti ad essere elaborati automaticamente.
Un documento ben formato può non essere valido rispetto ad una grammatica ma non rispetto a un’altra, mentre un documento valido è necessariamente ben formato.
DOCUMENTI VALIDI – grammatica
Ma come si definisce una grammatica per descrivere un linguaggio di markup?
Attualmente due sono gli approcci più diffusi alla creazione di grammatiche per documenti XML: Dtd – Document Type Definition XML Schema
Questi argomenti saranno affrontati in seguito.
DOCUMENTI VALIDI – tipi di elaborazione
Un documento XML può essere all'origine di diversi tipi di elaborazione : generazione di altri documenti, eventualmente in formati diversi, controllo delle impostazioni di programmi, rappresentazione di immagini, ecc.
Tutti i possibili impieghi di XML, però, si fondano su due tipi di elaborazione preliminare: la verifica che un documento sia ben formato e la sua validità rispetto ad una grammatica.
I software che si occupano di queste elaborazioni sono detti parser e sono degli strumenti standard disponibili sulle diverse piattaforme. Il cuore di un applicazione XML è il parser, ovvero quel modulo che legge il
documento XML e ne crea una rappresentazione interna utile per successive elaborazioni (come la visualizzazione).
DOCUMENTI VALIDI – parser
Possiamo suddividere i parser in due categorie (talvolta può essere lo stesso parser che assume due ruoli): parser non validante è un parser che verifica soltanto se un documento è
ben formato anche in presenza di un DTD è solo in grado di verificare la buona forma del
documento. In alcune applicazioni, però, non è necessario validare i documenti, solo verificare
la loro buona forma. parser validante è un parser che, oltre a verificare che un documento è ben
formato, verifica se è corretto rispetto ad una data grammatica
La maggior parte degli editor XML più recenti hanno un parser integrato o si appoggiano su parser esterni per effettuare la convalida dei documenti.
Parte IVDefinizione e applicazione di grammatiche
DTD: Document Type Definition
Una caratteristica fondamentale dell'XML è l'estensibilità. L'autore di un documento XML può creare nuovi tag per descrivere i contenuti semantici dei propri dati, semplificando il loro scambio fra i gruppi di persone interessate allo stesso settore. Ciò ha portato alla necessità di definire delle regole grammaticali, o vincoli,
alle quali gli elementi devono attenersi. Queste regole grammaticali sono definite nelle specifiche XML e sono
codificate nel Document Type Definition (DTD). da un punto di vista cronologico il DTD rappresenta il primo approccio per la
definizione di grammatiche per documenti XML
Un Dtd è un documento che descrive i tag utilizzabili in un documento XML, la loro reciproca relazione nei confronti della struttura del documento e altre informazioni sugli attributi di ciascun tag.
DTD: Document Type Definition
Le regole grammaticali o vincoli specificano: qual è l'insieme degli elementi e degli attributi che si possono usare nel
documento XML quali sono le relazioni gerarchiche fra gli elementi qual è l'ordine in cui gli elementi appariranno nel documento XML quali elementi ed attributi sono opzionali
Il DTD definisce quindi gli elementi legali di un documento XML, stabilisce le regole degli elementi del documento, cioè determina il suo modello
Quando un documento XML è ben formato e rispetta le regole del DTD a cui si riferisce si dice che è un documento XML valido.
La sintassi di un DTD si basa principalmente sulla presenza di due dichiarazioni: <!ELEMENT> e <!ATTLIST>. La prima definisce gli elementi utilizzabili nel documento e la struttura del
documento stesso, la seconda definisce la lista di attributi per ciascun elemento.
DTD - dichiarazione Un documento XML che usa un DTD deve dichiararlo con una Document Type
Declaration:
<!DOCTYPE nomeElementoRoot
[ eventuale descrizione
della struttura ]>
segue la descrizione degli elementi, racchiusi fra le parentesi quadre Definito un DTD abbiamo definito la grammatica per un linguaggio di markup. A questo
punto dobbiamo mettere in relazione un documento XML con il suo DTD , in modo che un parser XML possa verificare non soltanto la struttura ben formata del documento, ma anche la sua validità rispetto alla grammatica specificata. Esistono due modi per indicare il Dtd cui un documento XML fa riferimento. Il DTD può
essere in un file esterno al documento XML incluso nello stesso documento XML
Entità, documenti e considerazioni su XML
Il primo modo prevede la presenza del Dtd all'interno del documento XML, come nel seguente esempio:
<?xml version="1.0"><!DOCTYPE articolo[
...Definizioni del Dtd...]><articolo>
...Contenuto del documento XML...</articolo>
La dichiarazione <!DOCTYPE> indica che il documento individuato dall'elemento root <articolo> segue le regole definite tra le parentesi quadre.
sintassi:<!DOCTYPE elemento-radice [ dichiarazione-elementi]>
Entità, documenti e considerazioni su XML
Il secondo modo prevede che il Dtd sia definito in un file esterno ed il documento XML abbia un riferimento a tale file, come nel seguente esempio:
<?xml version="1.0"><!DOCTYPE articolo SYSTEM "articolo.dtd">
In questo caso si fa riferimento al Dtd definito nel file articolo.dtd.
L'indicazione del file contenente il Dtd può essere espressa come URL assoluto o relativo.
Ad esempio, se il Dtd viene pubblicato su un sito web è possibile specificare il riferimento al Dtd come nel seguente esempio:
<!DOCTYPE articolo SYSTEM "http://www.myXML.it/articolo.dtd">
sintassi:<!DOCTYPE elemento-radice SYSTEM "nome-file">dove nome-file è un file esterno che contiene il DTD per il documento XML
DTD – <!ELEMENT> <!ELEMENT> definisce gli elementi utilizzabili nel documento e la
struttura del documento stesso posso specificare quali sono gli elementi leciti all’interno di un elemento,
in quale numero e quale posizione rispetto agli altri.
Ad esempio, la dichiarazione <!ELEMENT articolo(paragrafo+)>
indica che l'elemento <articolo> ha come sottoelemento uno o più elementi <paragrafo>.
Il carattere '+', dopo il nome del sottoelemento, indica il relativo numero di occorrenze.
DTD – <!ELEMENT>
Una dichiarazione di elemento può assumere tre forme.
Prima forma: <!ELEMENT NomeElemento (#PCDATA)> questa è la forma più semplice in cui si dichiara che un elemento può
contenere come valore una qualsiasi stringa di testo; ad esempio: <!ELEMENT Rubrica (#PCDATA)> In questo caso il documento XML che fa riferimento al DTD contenente tale
dichiarazione potrà contenere un elemento del tipo:
...
<Rubrica>DISPOSIZIONI GENERALI</Rubrica>
...
DTD – <!ELEMENT>
Seconda forma: <!ELEMENT NomeElemento EMPTY> questa è la forma con la quale si dichiara che un elemento è privo di
valore. In questo caso all'elemento sono sempre associati uno o più attributi:<!ELEMENT Numero EMPTY>
<!ATTLIST Numero
Valore CDATA #REQUIRED> e quindi il documento XML che fa riferimento al DTD contenente tale
dichiarazione potrà contenere un elemento del tipo:...
<Numero Valore="1"/ >
...
DTD – <!ELEMENT>
Terza forma: <!ELEMENT NomeElemento (ElementoFiglio1, ElementoFiglio2, ...)> questa è la forma a contenitore in cui si dichiara che un elemento è composto da
sottoelementi (figli) con i quali s'instaura una stretta gerarchia del tipo padre-figlio.<!ELEMENT Legge (TitoloLegge, Articolato)>
<!ELEMENT TitoloLegge (#PCDATA)>
<!ELEMENT Articolato (...)> In questo caso il documento XML che fa riferimento al DTD contenente tale
dichiarazione potrà contenere un elemento del tipo:<Legge>
<TitoloLegge>Disciplina delle associazioni di promozione sociale</TitoloLegge>
<Articolato>
...
</Articolato>
</Legge>
DTD – <!ELEMENT>
Quando si usa la terza forma per dichiarare gli elementi, i sottoelementi possono essere specificati in maniera più articolata utilizzando un insieme di caratteri speciali che ha lo scopo di indicare il numero di occorrenze di un elemento. In particolare: + (indica che l'elemento è presente una o più volte) * (indica che l'elemento è presente zero o più volte) ? (indica che l'elemento è presente zero o una sola volta, opzionale) se non si specifica niente l’elemento deve comparire solo una volta
Per esempio, la definizione <!ELEMENT paragrafo(immagine*, testo+)>
indica che l'elemento <paragrafo> contiene la sequenza di elementi <immagine> e
<testo>. L'elemento <immagine> può essere presente zero o più volte, mentre <testo>
deve essere presente almeno una volta.
Separatori
Separano specifiche determinando l’ordine o l’obbligatorietà: ‘,’ (virgola): richiede la presenza di entrambe le specifiche nell’ordine
precisato. Es.: (a , b): ci devono essere sia a che b, e prima ci deve essere a e poi b.
‘|’ (barra verticale): ammette la presenza di una sola delle due specifiche.
Es.: (a | b): ci può essere o a, oppure b, ma solo uno di essi.
Esempio
DTD – <!ELEMENT>
Esiste la possibilità di definire elementi il cui contenuto non è definito a priori, possono cioè essere vuoti o contenere altri elementi senza vincoli particolari. Per definire questo tipo di elementi si utilizza la seguente dichiarazione: <!ELEMENT elemento ANY>
Ricapitolando… <!ELEMENT X ANY>
l’elemento X può contenere qualunque altro elemento specificato nel DTD, o anche testo
<!ELEMENT X EMPTY> l’elemento X non può contenere niente. Debbo scrivere il tag con la
sintassi tipica degli elementi vuoti: <X/> <!ELEMENT X #PCDATA>
l’elemento X può solo contenere testo. E’ proibito mettere altri elementi al suo interno
<!ELEMENT X (Y, (W | Z)+ , K*)> l’elemento X può contenere solo elementi secondo la specifica data,
usando i separatori e gli operatori di ripetizione specificati. <!ELEMENT X (#PCDATA | Y | W | Z)*>
L’elemento X può contenere sia testo sia altri elementi in maniera ed ordine specificati.
Un esempioUn libro, fatto di capitoli e a loro volta di paragrafi.
<!DOCTYPE ROMANZO SYSTEM “romanzo.dtd”><ROMANZO> <TITOLO>Tre Uomini in Barca</TITOLO> <AUTORE>Jerome K. Jerome</AUTORE>
<ANNO>1889</ANNO> <CAPITOLO> <TITOLO>Capitolo primo</TITOLO> <INDICE> <EL>Tre invalidi</EL><EL>Le sofferenze di George e Harris </EL><EL>La vittima di centosette malattie inguaribili</EL> </INDICE> <PARA>Eravamo in quattro: George, William Samuel Harris, io, e Montmorency. Standocene seduti in camera mia, fumavamo e parlavamo di quanto fossimo malridotti… <INCISO>malridotti, dal punto di vista della salute, <INCISO>intendo,</INCISO> naturalmente</INCISO>. </PARA> <PARA>Ci sentivamo tutti piuttosto giù di corda,</PARA> </CAPITOLO>… </ROMANZO>
Il file “romanzo.dtd”
<!ELEMENT ROMANZO (TITOLO, AUTORE, ANNO, CAPITOLO+)><!ELEMENT CAPITOLO (TITOLO, INDICE, PARA+)> <!ELEMENT TITOLO (#PCDATA) ><!ELEMENT AUTORE (#PCDATA) ><!ELEMENT ANNO (#PCDATA) ><!ELEMENT INDICE (EL+) ><!ELEMENT EL (#PCDATA) ><!ELEMENT PARA (#PCDATA | INCISO) * ><!ELEMENT INCISO (#PCDATA | INCISO)* >
DTD – <!ATTLIST>
La dichiarazione di attributi all'interno di un DTD identifica: quali elementi hanno attributi il tipo di attributi l'eventuale valore assunto nel caso in cui non venga esplicitamente
assegnato un valore (valore di default)
Una dichiarazione di attributo viene espressa secondo la seguente sintassi:
<!ATTLIST NomeElemento
NomeAttributo1 TipoAttributo1 ValoreAttributo1
NomeAttributo2 TipoAttributo2 ValoreAttributo2
...
NomeAttributoN TipoAttributoN ValoreAttributoN >
DTD – <!ATTLIST>
ad esempio, la dichiarazione: <!ATTLIST articolo titolo CDATA #REQUIRED>
indica che l'elemento <articolo> prevede un attributo titolo che può averecome valore una qualsiasi combinazione di caratteri (CDATA).
l'indicazione #REQUIRED indica che la presenza dell'attributo è obbligatoria.
I valori di default importanti in XML sono di quattro tipi: Valore esplicito: un stringa tra virgolette Valore necessario: la keyword #REQUIRED. Valore opzionale: la keyword #IMPLIED. Valore esplicito e non modificabile: la keyword #FIXED e una stringa
tra virgolette.
DTD – <!ATTLIST>
Se un attributo prevede valori alternativi predefiniti è necessario specificarli al posto di CDATA, come accade per l'attributo tipo del tag <paragrafo>
<!ATTLIST paragrafotitolo CDATA #REQUIREDtipo (abstract|bibliografia|note) #IMPLIED
>
In questo caso vengono definiti due attributi per l'elemento <paragrafo> facendo seguire alla definizione del primo attributo (titolo) quella del secondo (tipo). L'attributo tipo, opzionale, può assumere uno tra i valori abstract, bibliografia o note.
DTD – <!ATTLIST><!ATTLIST X att CDATA “uno”>
Il tag iniziale di X può contenere un attributo chiamato “att”. Qualunque stringa è lecita. Se non viene specificata una stringa, il valore definito per default è “uno”
<!ATTLIST X att (uno|due|tre) “due”> Il tag iniziale di X può contenere un attributo chiamato “att”. Sono leciti solo i
valori descritti. Se non viene specificata una stringa, il valore definito per default è “due”
<!ATTLIST X att ID #IMPLIED> Il tag iniziale di X può contenere un attributo chiamato “att”. Sono leciti solo
valori unici su tutto il documento. L’elemento X assume identificabilità assoluta all’interno del documento: è un “luogo notevole”. Poiché il valore deve essere sempre diverso, non è possibile specificare un valore di default.
<!ATTLIST X att IDREF #IMPLIED> Il tag iniziale di X può contenere un attributo chiamato “att”. I valori di “att”
debbono essere uguali ad un valore di un attributo di tipo ID esistente da qualche parte nel documento.
Esempio, più: attributi ID e IDREF
L’elemento dell’indice punta al paragrafo che vi si riferisce:
<!DOCTYPE ROMANZO SYSTEM “romanzo.dtd”><ROMANZO> <TITOLO>Tre Uomini in Barca</TITOLO> <AUTORE>Jerome K. Jerome</AUTORE> <ANNO>1889</ANNO> <CAPITOLO> <TITOLO>Capitolo primo</TITOLO> <INDICE> <EL p=“uno”>Tre invalidi</EL><EL p=“due”>Le sofferenze di George e Harris</EL><EL p=“tre”>La vittima di centosette malattie inguaribili</EL> </INDICE> <PARA n=“uno”>Eravamo in quattro: George, William Samuel Harris, io, e Montmorency. Standocene seduti in camera mia, fumavamo e parlavamo di quanto fossimo malridotti… <INCISO> malridotti, dal punto di vista della salute, <INCISO>intendo, </INCISO> naturalmente</INCISO>. </PARA> <PARA>Ci sentivamo tutti piuttosto giù di corda,</PARA> </CAPITOLO>… </ROMANZO>
Il file “romanzo.dtd”
<!ELEMENT ROMANZO (TITOLO, AUTORE, ANNO, CAPITOLO+)><!ELEMENT CAPITOLO (TITOLO, INDICE, PARA+)> <!ELEMENT TITOLO (#PCDATA) ><!ELEMENT AUTORE (#PCDATA) ><!ELEMENT ANNO (#PCDATA) ><!ELEMENT INDICE (EL+) ><!ELEMENT EL (#PCDATA) ><!ATTLIST EL p IDREF#REQUIRED ><!ELEMENT PARA (#PCDATA | INCISO)* ><!ATTLIST PARA n ID #IMPLIED ><!ELEMENT INCISO (#PCDATA | INCISO)* >
DTD - Elemento vs Attributo
Un DTD può essere costruito utilizzando soltanto gli elementi oppure anche gli attributi. Non esiste una regola generale per scegliere l'una o l'altra soluzione: la scelta dipende dal contesto che si sta formalizzando.
L'uso degli attributi può comportare alcuni problemi: gli attributi non possono contenere valori multipli gli attributi non possono descrivere le strutture gli attributi sono più difficili da manipolare dagli applicativi gli attributi non possono essere vincolati da legami gerarchici fra di loro
Entità
Abbiamo visto come XML preveda degli elementi, detti entità, che consentono di sostituire caratteri speciali.
Più in generale, una entità consente di sostituire sequenze di caratteri con nomi speciali della forma & nome;.
È possibile definire entità personalizzate all'interno di un Dtd in modo da sostituire qualsiasi sequenza di caratteri.
Per definire un'entità personalizzata si utilizza la dichiarazione <!ENTITY>. il seguente esempio mostra la definizione di un'entità & html; che rappresenta
un'abbreviazione per la stringa HyperText Markup Language:
<!ENTITY html "HyperText Markup Language"> grazie a questa dichiarazione possiamo utilizzare l'entità & html; al posto
dell'intera stringa all'interno del documento XML che fa riferimento a questa grammatica.
Considerazioni
Utilizzando i DTD abbiamo un maggior controllo sulla struttura e sull'uso dei tag in un documento XML, evitando che la libertà nella definizione dei tag possa far perdere il controllo sui contenuti.
Tuttavia l'uso dei DTD per definire la grammatica di un linguaggio di markup non sempre è del tutto soddisfacente.
Il principale problema: il DTD descrive la struttura di un documento e non il suo contenuto
A parte il fatto che la sintassi utilizzata per definire un DTD non segue le regole stesse di XML, i DTD non consentono di specificare un tipo di dato per il valore degli attributi, né di specificare il numero minimo o massimo di occorrenze di un tag in un documento o altre caratteristiche che in determinati contesti consentirebbero di ottenere un controllo ancora più accurato sulla validità di un documento XML.
Queste limitazioni hanno spinto alla definizione di approcci alternativi per definire grammatiche per documenti XML. Tra questi approcci il più noto è XML Schema.
XML Schema
Analogamente ad un Dtd, un XML Schema è una descrizione formale di una grammatica per un linguaggio di markup basato su XML.
XML Schema è stato pensato per fornire quel supporto di validazione che i DTD permettono solo parzialmente, in particolare sul contenuto degli elementi e degli attributi del documenti XML.
I DTD non distinguono tra nome del tag e tipo del tag, ed hanno solo due tipi: complesso (cioè strutturato) e semplice (cioè CDATA o #PCDATA). XML Schema, invece, fornisce un set complesso di tipi, a cui i tag e il loro contenuto debbono aderire.
A differenza di un DTD, che utilizza una propria sintassi specifica, un XML Schema utilizza la stessa sintassi XML per definire la grammatica di un linguaggio di markup permettendo l’uso di applicazioni XML per la verifica della validità dei dati espressi.
XML Schema: elementi e struttura
Quindi uno XML Schema è un documento XML che descrive la grammatica di un linguaggio XML utilizzando un linguaggio di markup specifico. In quanto documento XML, uno XML Schema ha un root element che contiene tutte le regole di definizione della grammatica.
La struttura generale di uno schema XML è la seguente:<?xml version="1.0"?><xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
... Definizione della grammatica ...</xs:schema>
L'elemento root del documento è rappresentato dal tag <xs:schema>. esso indica al parser che in questo documento saranno utilizzati dei tag
definiti dal namespace standard del W3C. i namespaces rappresentano un meccanismo per identificare tag
appartenenti ad una specifica grammatica questi tag speciali sono caratterizzati dal prefisso xs:
XML Schema: elementi e struttura
XML schema prevede il tag <xs:element> per la definizione degli elementi utilizzabili in un documento XML, specificando nell’attributo name il nome del relativo tag.
All’interno di ciascun tag <xs:element> possiamo indicare il tipo di dato dell’elemento e possiamo definire gli eventuali attributi
Ad esempio la seguente definizione specifica l’elemento testo che può contenere solo stringhe <xs:element name=“testo” type=“xs:string” />
questa dichiarazione corrisponde alla seguente dichiarazione Dtd <!ELEMENT testo(#PCDATA)>
TIPO DI DATO
Per comprendere meglio ed apprezzare la potenza degli XML Schema occorre analizzare il concetto di tipo di dato.
Esistono due categorie di tipi di dato: semplici e complessi.
TIPO DI DATO SEMPLICI
XML Schema introduce il concetto di tipo di dato semplice per definire gli elementi che non possono contenere altri elementi e non prevedono attributi.
Si possono usare tipi di dato semplici predefiniti oppure è possibile personalizzarli.
Sono previsti numerosi tipi di dato predefiniti, alcuni dei quali sono riportati nella seguente tabella:
TIPO DI DATO SEMPLICI
Ad esempio, la seguente dichiarazione:
<xs:element name="quantita" type="xs:integer" />
permette l'utilizzo dell'elemento quantità in un documento XML consentendo soltanto un contenuto di tipo intero.
In altre parole, sarà considerato valido l'elemento
<quantita>123</quantita>
Mentre non lo sarà l'elemento
<quantita>uno</quantita>.
TIPO DI DATO SEMPLICI XML Schema prevede anche la possibilità di definire tipi di dato
semplici personalizzati come derivazione di quelli predefiniti. se, ad esempio, abbiamo bisogno di limitare il valore che può essere
assegnato all'elemento <quantita> possiamo definirlo nel seguente modo:
<xs:element name="quantita" ><xs:simpleType><xs:restriction base="xs:integer">
<xs:minInclusive value="1" /><xs:maxInclusive value="100" />
</xs:restriction></xs:simpleType>
</xs:element>
In altre parole, la dichiarazione indica che l'elemento <quantita> è di tipo semplice e prevede una restrizione sul tipo di dato intero predefinito accettando valori compresi tra 1 e 100.
TIPO DI DATO COMPLESSI
I tipi di dato complessi si riferiscono ad elementi che possono contenere altri elementi e possono avere attributi.
Definire un elemento di tipo complesso corrisponde a definire la relativa struttura.
Lo schema generale per la definizione di un elemento di tipo complesso è il seguente:
<xs:element name="NOME_ELEMENTO"><xs:complexType>
... Definizione del tipo complesso ...
... Definizione degli attributi ...</xs:complexType>
</xs:element>
TIPO DI DATO COMPLESSI
Se l'elemento può contenere altri elementi possiamo definire la sequenza di elementi che possono stare al suo interno utilizzando uno dei costruttori di tipi complessi previsti: <xs:sequence>
consente di definire una sequenza ordinata di sottoelementi <xs:choice>
consente di definire un elenco di sottoelementi alternativi <xs:all>
consente di definire una sequenza non ordinata di sottoelementi
Per ciascuno di questi costruttori e per ciascun elemento è possibile definire il numero di occorrenze previste utilizzando gli attributi minOccurs e maxOccurs.
TIPO DI DATO COMPLESSI
Ad esempio, se l'elemento testo può essere presente una o infinite volte all'interno di un paragrafo possiamo esprimere questa condizione nel seguente modo:
<xs:element name="paragrafo">
<xs:complexType>
<xs:element name="testo" minOccurs="1"
maxOccurs="unbounded"/>
</xs:complexType>
</xs:element>
In questo caso il valore unbounded indica che non è stabilito un massimo numero di elementi testo che possono stare all'interno di un paragrafo.
TIPO DI DATO COMPLESSI
Per gli elementi vuoti è prevista una definizione basata sul seguente schema:
<xs:element name="NOME_ELEMENTO">
<xs:complexType>
<xs:complexContent>
<xs:extension base="xs:anyType" />
... Definizione degli attributi ...
</xs:complexContent>
</xs:complexType>
</xs:element>
In altri termini, un elemento vuoto è considerato un elemento di tipo complesso il cui contenuto non si basa su nessun tipo predefinito.
TIPO DI DATO COMPLESSI La definizione degli attributi è basata sull'uso del tag
<xs:attribute>, come nel seguente esempio:<xs:attribute name="titolo" type="xs:string“
use="required" />
L'attributo use consente di specificare alcune caratteristiche come la presenza obbligatoria (required) o un valore predefinito (default) in combinazione con l'attributo value. ad esempio, la seguente definizione indica un attributo il cui valore di
predefinito è test:<xs:attribute name="titolo" type="xs:string"
use="default" value="test" />
Bisogna tener presente che se non si specifica esplicitamente l'obbligatorietà dell'attributo, esso è considerato opzionale.
TIPO DI DATO – esempio
Il seguente codice presenta uno XML Schema relativo al linguaggio di descrizione di articoli tecnici mostrato nei vari esempi.
<?xml version="1.0"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"> <xs:element name="articolo"> <xs:complexType> <xs:sequence> <xs:element name="paragrafo" maxOccurs="unbounded"> <xs:complexType> <xs:all maxOccurs="unbounded"> <xs:element name="immagine" minOccurs="0"> <xs:complexType> <xs:attribute name="file“ use="required"> <xs:simpleType>
<xs:restriction base="xs:string"/> </xs:simpleType> </xs:attribute> </xs:complexType> </xs:element>
<xs:element name="testo"/> <xs:element name="codice" minOccurs="0"/> </xs:all> <xs:attribute name="titolo" type="xs:string"use="optional"/>
TIPO DI DATO – esempio
<xs:attribute name="tipo" use="optional"> <xs:simpleType> <xs:restriction base="xs:string"> <xs:enumeration value="abstract"/> <xs:enumeration value="bibliografia"/> <xs:enumeration value="note"/> </xs:restriction> </xs:simpleType> </xs:attribute> </xs:complexType> </xs:element> </xs:sequence> <xs:attribute name="titolo" type="xs:string“ use="required"/> </xs:complexType> </xs:element></xs:schema>
Questo XML Schema è equivalente al Dtd che abbiamo visto precedentemente
Integrazioni di grammatiche e namespaces
A partire da una grammatica definita tramite uno XML Schema, è possibile sfruttare un parser XML validante per verificare la validità di un documento XML.
Il parser avrà bisogno: del documento XML da validare dello schema XML rispetto a cui effettuare la validazione
Integrazioni di grammatiche e namespaces
Ci sono diversi modi per fornire al parser informazioni sullo schema da utilizzare per la validazione: si può nell'inserire nel documento XML un riferimento allo schema da usare. Ad esempio:
<articolo
xmlns:xsi="http://www.w3.org/2001/XMLSchema- instance"
xsi:noNamespaceSchemaLocation="articolo.xsd"
titolo="Guida ad XML"
>
Oltre all’attributo titolo sono stati aggiunti due attributi predefiniti. l'attributo xmlns:xsi indica un URL che specifica la modalità con cui si
indicherà il riferimento allo schema XML. l'attributo xsi:noNamespaceSchemaLocation indica il nome e percorso
del file contenente lo schema XML di riferimento.
Integrazioni di grammatiche e namespaces
Una delle caratteristiche auspicabili nella creazione di un nuovo linguaggio è la possibilità di integrare elementi derivanti da grammatiche diverse.
Questa caratteristica consente di riutilizzare parti di grammatiche già definite evitando di dover rifare parte di lavoro già fatto in altri ambiti. In questo modo, ad esempio, sarebbe possibile integrare un linguaggio per
la descrizione di articoli tecnici con un linguaggio pre-esistente per la descrizione di bibliografie, ottenendo un nuovo linguaggio composto.
La composizione di linguaggi pone almeno due tipi di problemi: un documento che utilizza due grammatiche presenta il problema della
validazione: a quale schema si deve fare riferimento per validare un documento XML "ibrido"?
due linguaggi potrebbero avere tag ed attributi con lo stesso nome, anche se utilizzabili in contesti diversi: come fare a risolvere questo tipo di ambiguità?
Integrazioni di grammatiche e namespaces
La soluzione a questi problemi deriva dai namespace. Un namespace è un insieme di nomi di elementi e nomi di attributi
identificati univocamente da un identificatore.
L'identificatore univoco individua l'insieme dei nomi distinguendoli da eventuali omonimie in altri namespace. esempio: se nell'ambito di una grammatica per descrivere dei dati
anagrafici è stato definito un elemento indirizzo, questo nome potrebbe essere confuso con l'elemento indirizzo definito nell'ambito di una grammatica che descrive messaggi di posta elettronica.
l'identificatore del relativo namespace consente di distinguere i due elementi omonimi.
Integrazioni di grammatiche e namespaces
Concetto non nuovo nell'informatica: quando definiamo i nomi dei campi in una tabella di un database
abbiamo definito un namespace. non possiamo avere campi con lo stesso nome all'interno di una tabella,
ma possiamo avere gli stessi nomi in tabelle diverse. possiamo risolvere l'ambiguità tra due campi omonimi facendoli
precedere dal nome della tabella (il namespace).
Un XML schema definisce implicitamente un namespace degli elementi e degli attributi che possono essere usati in un documento XML
Se in un documento XML si utilizzano elementi definiti in schemi diversi abbiamo bisogno di un meccanismo che permetta di identificare ciascun namespace e il relativo XML Schema che lo definisce.
Sintassi dei namespace
In un documento XML si fa riferimento ad un namespace utilizzando un attributo speciale (xmlns) associato al root element, come nel seguente esempio: <articolo xmlns="http://www.dominio.it/xml/articolo"> questo indica che l'elemento articolo ed i suoi sottoelementi utilizzano i
nomi definiti nel namespace identificato dall'identificatore http://www.dominio.it/xml/articolo.
L'identificatore di un namespace può essere rappresentato da una qualsiasi stringa, purché sia univoca. Proprio per garantirne l'univocità, è prassi ormai consolidata utilizzare un URI (Uniform Resource Identifier) come identificatore. non è necessario che l'indirizzo specificato come identificatore di
namespace corrisponda ad un file pubblicato sul Web.
Sintassi dei namespace
Per mettere in relazione un namespace con il relativo XML Schema occorre dichiararlo nel root element come nel seguente esempio:
<articolo
xmlns:xsi="http://www.w3.org/2001/XMLSchema- instance"
xmlns="http://www.dominio.it/xml/articolo"
xmlns="http://www.dominio.it/xml/bibliografia"
xsi:schemaLocation="http://www.dominio.it/xml/articolo
articolo.xsd"
xsi:schemaLocation="http://www.dominio.it/xml/bibliografia
bibliografia.xsd"
> l'attributo xmlns:xsi specifica la modalità con cui viene indicato il riferimento
allo schema. l'attributo xsi:schemaLocation indica il namespace ed il file in cui è definito il
relativo XML Schema separati da uno spazio.
Sintassi dei namespace
È possibile combinare più namespace facendo in modo che ciascun elemento utilizzato faccia riferimento al proprio namespace.
Occorre tener presente che quando si fa riferimento ad un namespace, questo riferimento vale per l'elemento corrente e per tutti gli elementi contenuti, a meno che non venga specificato un diverso namespace.
Sintassi dei namespace
Il seguente utilizza elementi di due diversi namespace: uno relativo alla grammatica della struttura di un articolo e l'altro relativo alla grammatica di bibliografie:
<articolo xmlns="http://www.dominio.it/xml/articolo" titolo="Guida ad XML"> <paragrafo titolo="Introduzione"> <testo> bla bla bla </testo> </paragrafo> <paragrafo titolo="Bibliografia"> <bibliografia xmlns="http://www.dominio.it/xml/bibliografia"> <autore> Tizio </autore> <titolo> Opera citata </titolo> <anno> 1999 </anno> </bibliografia> </paragrafo></articolo>
Sintassi dei namespace
Riportare il riferimento ad un namespace per ogni elemento è di solito scomodo e rende di difficile lettura il documento XML.
È possibile creare delle abbreviazioni per fare riferimento ai namespace.
Queste abbreviazioni sono costituite da caratteri alfanumerici seguiti da due punti (:) dichiarati nel root element ed utilizzati come prefissi dei nomi degli elementi.
Sintassi dei namespace
Il seguente esempio riporta il codice XML precedente facendo uso di questi prefissi:
<art:articolo titolo="Guida ad XML" xmlns:art="http://www.dominio.it/xml/articolo" xmlns:bibl="http://www.dominio.it/xml/bibliografia" > <art:paragrafo titolo="Introduzione"> <art:testo> bla bla bla </art:testo> </art:paragrafo> <art:paragrafo titolo="Bibliografia"> <bibl:bibliografia> <bibl:autore> Tizio </bibl:autore> <bibl:titolo> Opera citata </bibl:titolo> <bibl:anno> 1999 </bibl:anno> </bibl:bibliografia> </art:paragrafo></art:articolo>
Le dichiarazioni xmlns:art xmlns:bibl
assegnano i prefissi art:bibl:
ai relativi namespace e questi prefissi vengono utilizzati per ciascun elemento del documento XML.
Parte VModelli di presentazione dei documenti XML
Presentazione di XML con CSS
A differenza di HTML, che è un linguaggio specifico di strutturazione e presentazione di documenti, XML è più generale e non ha una semantica di presentazione .
Non è previsto alcun meccanismo predefinito per visualizzare i vari elementi di un documento. ad esempio, un documento XML visualizzato in un browser appare
generalmente così com'è, al massimo con una indentazione e una colorazione dei tag impostata dal browser.
Fogli di stile
Un foglio di stile è un documento separato che contiene regole di formattazione e visualizzazione per un documento XML o HTML.
Quale è il vantaggio di separare lo stile dai contenuti? Un foglio di stile può essere utilizzato per controllare molti documenti
contemporaneamente e quindi permette di applicare modifiche di formattazione in modo veloce ed accurato intervenendo soltanto nel documento che contiene le regole di visualizzazione.
In un foglio di stile sono specificate tutte le regole di formattazione che verranno applicate ai documenti di un intero sito Web.
Nella gestione di un sito Web complesso, ad esempio, è possibile personalizzare i punti degli elenchi, o impostare diverse dimensioni di carattere semplicemente modificando il foglio di stile invece che tutte le pagine del sito.
Fogli di stile
Esistono due tipi di fogli di stile: i fogli di stile CSS (Cascading Style Sheets); i fogli di stile XSL (eXtensible Stylesheet Language)
I fogli di stile CSS applicano le regole di formattazione direttamente al contenuto del documento per creare i risultati desiderati e possono essere utilizzati sia con i documenti HTML sia con i documenti XML.
I fogli di stile XSL eseguono invece una trasformazione del contenuto del documento e possono essere usati solo con documenti XML.
Un'altra differenza significativa consiste nel fatto che i CSS contengono solo regole di formattazione, mentre i fogli XSL contengono anche regole di trasformazione.
Presentazione di XML con CSS
Importante differenza tra l'utilizzo dei CSS per formattare documenti HTML e il loro uso per i documenti XML.
In HTML la maggior parte dei tag ha una formattazione predefinita e pertanto un foglio di stile CSS consente di ridefinire tali impostazioni.
In XML i tag non hanno alcun significato di formattazione, pertanto è necessario specificare tutto.
Presentazione di XML con CSS
E’ possibile utilizzare i CSS in modo analogo a come si utilizzano con HTML.
Nel documento XML bisogna indicare (catalog_with_css.xml):<?xml version="1.0"?>
<?xml-stylesheet type="text/css” href="catalog.css"?>
Per ciascun elemento del documento XML che vogliamo formattare occorre definire una regola secondo lo schema:
selettore { proprietà: valore; proprietà: valore; ... } il selettore specifica a quale elemento la regola deve essere applicata,
mentre la parte racchiusa tra parentesi graffe elenca le caratteristiche da impostare e il relativo valore.
Presentazione di XML con CSS
Per strutturare visivamente il documento dobbiamo indicare la modalità di visualizzazione di ciascun elemento tramite la proprietà display di CSS. ad esempio, per formattare l'elemento paragrafo di un articolo possiamo definire
una regola come la seguente: paragrafo {display: block; font-size: 12pt; text-align:
left}
Generalmente un foglio di stile CSS da applicare ad un documento XML viene salvato in un file di testo con estensione .css (l'estensione usata è irrilevante). nel documento XML possiamo quindi inserire un riferimento ad esso mediante
un’apposita direttiva di elaborazione, come nel seguente esempio: <?xml- stylesheet type="text/css" href="stile.css" ?>
questa dichiarazione fa in modo che un browser abilitato applichi le impostazioni del foglio di stile CSS specificato al documento XML.
Presentazione di XML con CSS
Raggruppamento I selettori possono essere raggruppati fra di loro, separandoli con una virgola. Ad esempio,
sempre per un documento HTML, possiamo scrivere: h1, h2, h3, h4, h5, h6 {color: green} per avere dello stesso colore i tag di struttura da h1 a h6.
L'attributo classe (class) Per mezzo dell'attributo class si possono definire diversi stili per lo stesso elemento.
Supponiamo di volere, per un documento HTML, due tipi diversi di paragrafo: uno con allineamento a destra e l'altro con allineamento centrato. Qui di seguito sono indicate le linee per la definizione del foglio di stile: p.right {text-align: right} p.center {text-align: center}
mentre qui sotto viene ilustrato come usare l'attributo class nel documento: <p class="right">Questo è un paragrafo. Il testo in questo paragrafo sarà allineato a
destra.</p> <p class="center">Questo è un paragrafo. Il testo in questo paragrafo sarà centrato.</p>
Presentazione di XML con CSS
L'attributo id Con l'attributo id si può definire uno stile unico da usare con più
elementi. Di seguito viene indicata la riga per la definizione del foglio di stile:
#right {text-align: right} Qui sotto si mostra come si deve usare l'attributo id nel documento:
<p id="right">Questo è un paragrafo. Il testo in questo paragrafo sarà allineato a destra.</p>
<h3 id="right">Questo è un titolo; anche questo titolo sarà allineato a destra.</h3>
L'attributo id deve avere un unico valore nel documento.
Presentazione di XML con CSS
I fogli di stile CSS sono pensati principalmente per il Web e mancano pertanto di alcune caratteristiche che possono risultare utili in ambiti diversi. ad esempio, per la presentazione su supporti cartacei occorrerebbero
maggiori funzionalità per l'impaginazione.
Tra le principali limitazioni, non è prevista la possibilità di estrarre il valore degli attributi degli elementi in modo da poterli visualizzare.
Per risolvere questi problemi il W3C ha definito un insieme di specifiche volte a gestire in maniera altamente flessibile la presentazione e la trasformazio ne di documenti XML: l'eXtensible Stylesheet Language (XSL).
XSL: eXtensible Stylesheet Language
L'eXtensible Stylesheet Language (XSL) è un insieme di tre linguaggi che forniscono gli strumenti per l'elaborazione e la presentazione di documenti XML in maniera molto flessibile.
La definizione di questa tecnologia si basa sull'osservazione del processo di presentazione di dati di qualsiasi natura.
Possiamo individuare i seguenti meccanismi di base: un meccanismo per l'individuazione dei dati da presentare un meccanismo per il controllo dell'elaborazione dei dati e di come la
presentazione deve essere effettuata un meccanismo per la definizione della formattazione da applicare ai
dati per la presentazione vera e propria
XSL: eXtensible Stylesheet Language
A ciascuno di questi tre meccanismi, XSL associa uno specifico linguaggio: XPath consente di individuare gli elementi e gli attributi di un documento
XML sui quali verranno applicate le operazioni necessarie per la presentazione dei dati
XSLT (XSL transformation) consente di controllare le operazioni che rendono i dati presentabili; linguaggio per descrivere come trasformare e impaginare i documenti XML in altri documenti XML, HTML o TXT
XSL-FO (XSL Formatting Objects) definisce un insieme di tag di formattazione; linguaggio per trasformare e impaginare i documenti XML in PDF, PostScript, SVG
Es. Se i dati di fatturazione sono in XML, posso ottenere la fattura in PDF con una trasformazione XSL-FO
XSL: eXtensible Stylesheet Language
Questa suddivisione dei compiti nel processo di presentazione è il punto di forza di XSL e ne garantisce la flessibilità. questi tre linguaggi non sono strettamente dipendenti l'uno dall'altro.
Se, ad esempio, in una particolare applicazione ci rendiamo conto che XPath non soddisfa le nostre esigenze di ricerca di elementi in un documento XML, potremmo utilizzare linguaggio analogo (XQL, per citarne uno) ma senza modificare la presentazione dei caratteri.
Oppure potremmo decidere di non utilizzare affatto XSL-FO per formattare i dati di un documento XML e produrre direttamente codice HTML, o meglio XHTML, cioè la versione di HTML basata su XML.
XSL: eXtensible Stylesheet Language
Poiché un foglio di stile XSL è a sua volta un documento XML, deve iniziare con la dichiarazione <?xml version="1.0"?>.
Inoltre conterrà in sequenza le seguenti due righe:
<xsl:stylesheet xmlns:xsl="http://www.w3.org/TR/WD-xsl">
<xsl:template match="/"> La prima definisce l'inizio del foglio di stile, mentre la seconda definisce
l'inizio di un modello (template), che individua la parte di documento XML a cui applicare le regole di trasformazione. Tutti i tag che fanno parte di un documento XSL iniziano con il suffisso "xsl:" e sono detti direttive.
XSL: eXtensible Stylesheet Language
La presentazione dei dati racchiusi in un documento XML è basata su due elementi: un documento che descrive come i dati devono essere elaborati per la
presentazione, chiamato foglio di stile XSLT un componente software, chiamato processore XSLT, in grado di prendere in
input un documento XML e un foglio di stile XSLT e di produrre in output i dati secondo il formato di presentazione prescelto (XSL-FO, XHTML, testo, ecc.) XSLT usa le espressioni di Xpath per localizzare i nodi del documento XML che
devono subire il trattamento
La definizione di un foglio di stile XSLT è quindi il punto cruciale della presentazione dei dati XML. le regole di trasformazione presenti in un foglio XSLT consentono di
selezionare gli elementi di un documento XML e di gestirne la modalità di presentazione.
XPath: espressioni e funzioni
Individuare gli elementi di un documento XML rappresenta il primo passo di un'elaborazione per la presentazione dei dati.
Nei CSS questo ruolo è svolto dal selettore, cioè l'elemento sintattico di una regola CSS che individua gli elementi da formattare.
In XSL questo passo viene descritto tramite il linguaggio XPath. a differenza dei selettori CSS, XPath è molto più potente e flessibile.
Questo linguaggio consente di creare espressioni dichiarative, chiamate espressioni XPath o pattern, che individuano i vari nodi dell'albero di rappresentazione di un documento XML.
XPath: espressioni e funzioni
<?xml version="1.0" ?><articolo titolo="">
<paragrafo titolo="Titolo del primo paragrafo"><testo>
Blocco di testo del primo paragrafo</testo><immagine file="immagine1.jpg"></immagine></paragrafo>
<paragrafo titolo="Titolo del secondo paragrafo"><testo>
Blocco di testo del secondo paragrafo</testo><codice>
Esempio di codice</codice><testo>
Altro blocco di testo</testo>
</paragrafo></articolo>
XPath: espressioni e funzioni
Per individuare l'elemento <testo> all'interno del nostro esempio di documento XML dobbiamo specificare un percorso di questo tipo: /articolo/paragrafo/testo
Se siamo interessati all'attributo titolo dell'elemento <paragrafo> possiamo specificarlo nel modo seguente: /articolo/paragrafo/@titolo
Queste espressioni, però, individuano il primo elemento che corrisponde al percorso.
Per selezionare uno specifico elemento, ad esempio il paragrafo con titolo Titolo del secondo paragrafo, possiamo farlo con l'espressione seguente: /articolo/paragrafo/[@titolo=“Titolo del secondo paragrafo”]
In pratica, all'interno delle parentesi quadre specifichiamo la condizione che deve essere soddisfatta dall'elemento.
XPath: espressioni e funzioni
Per selezionare un elemento specifico è possibile utilizzare anche alcune funzioni predefinite, come position(), che specifica la posizione di un elemento, e last(), che specifica l'ultima posizione di una sequenza di elementi. ad esempio, le due espressioni seguenti specificano rispettivamente il
secondo paragrafo e l'ultimo paragrafo dell'articolo: /articolo/paragrafo[position()=2] /articolo/paragrafo[position()=last()]
Fogli di stile XSLT
Nell'ambito dello standard XSL il compito di trasformare un documento XML in un altro documento è affidato al linguaggio XSLT.
Nella terminologia di XSLT, il documento da trasformare è chiamato documento origine (source document), mentre il documento generato dal processo di trasformazione è chiamato documento risultante (result document). il documento risultante di una trasformazione XSLT può essere un
documento XML o un documento di altro tipo. ad esempio, a partire da un documento XML possiamo generare un
documento XHTML oppure un documento WML o anche RTF o altri formati testuali.
Fogli di stile XSLT
La trasformazione avviene in base alle informazioni contenute in un particolare tipo di documento e interpretate da un processore XSLT.
Questo documento di trasformazione, chiamato foglio di stile XSLT, non è altro che un documento XML che fa uso di tag appartenenti alla grammatica di XSLT in grado di controllare il processo di trasformazione.
In generale, un foglio di stile XSLT ha la seguente struttura :<?xml version="1.0"?><xsl:stylesheet version="1.0"
xmlns:xsl="http://www.w3.org/1999/XSL/transorm">... template di trasformazione ...</xsl:stylesheet>
Fogli di stile XSLT
All'interno del root element <xsl:stylesheet> vengono definite le istruzioni di trasformazione da applicare al documento XML origine.
XSLT consente di trasformare ciascun elemento del documento XML di origine in un altro elemento del formato del documento risultante.
È possibile anche aggiungere al documento risultante elementi completamente nuovi o non prendere in considerazione determinati elementi del documento origine, riordinare gli elementi, fare elaborazioni in base al risultato di determinate condizioni, ecc.
Il processo di trasformazione controllato da XSLT si basa sull'uso del linguaggio XPath per individuare gli elementi del documento origine, sui quali viene applicato un template (o modello) di trasformazione.
Fogli di stile XSLT
Da un punto di vista sintattico, un template è un elemento del linguaggio XSLT che ha la seguente forma di base:<xsl:template match="espressione XPath">
... Definizione dell’output...</xsl:template>
Un template XSLT individua un elemento o un insieme di elementi di un documento XML sfruttando un’espressione XPath e vi applica una serie di elaborazioni per ottenere un output. normalmente le stringhe prodotte dal XSL sono istruzioni di HTML in modo
da costituire un documento HTML interpretabile da un browser Un foglio di stile XSLT non è altro che un insieme di template da applicare
ai vari elementi di un documento XML. comprendere come avviene l'applicazione dei template di un foglio di stile
XSLT da parte del relativo processore è un elemento essenziale per realizzare fogli di stile corretti.
Esempio
Il template trasforma dinamicamente il documento XML in un documento HTML
<?xml version="1.0"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/TR/WD-xsl">
<xsl:template match="/">
<HTML>
<HEAD>
<TITLE> ... </TITLE>
</HEAD>
<BODY>
...
</xsl:template>
</xsl:stylesheet>
Fogli di stile XSLT
Il processore XSLT va alla ricerca dei template da applicare partendo dal root element e seguendo l'albero di rappresentazione logica del documento stesso.
In linea di principio, con l'applicazione del relativo template al root element termina il compito del processore XSLT.
Se il foglio di stile contiene diversi template che devono essere applicati ai vari elementi del documento XML di partenza è necessario specificarlo esplicitamente. questo può essere fatto specificando all'interno del template corrente l'elemento
<xsl:applytemplates/>. questo tag indica al parser di continuare a scandire il documento XSL
alla ricerca di altri modelli da applicare i da applicare ai nodi sottostanti, o
Fogli di stile XSLT
Non è importante l'ordine con cui sono stati specificati i template all'interno del foglio di stile; sarà il processore ad individuarli in base all'espressione XPath associata. ad esempio, un possibile template del root element che avvia la
trasformazione di un articolo può essere analogo al seguente:
<xsl:template match="/"> <xsl:value-of select="articolo/@titolo"/> <xsl:apply-templates/></xsl:template>
Questo template estrae il titolo dell'articolo ed indica al processore XSLT di cercare altri template da applicare al documento XML.
Fogli di stile XSLT
<xsl:value-of> direttiva XSL più importante per l'estrazione dei dati da un file XML una volta che tale direttiva è applicata ad un certo nodo, se questo contiene altri
nodi, il parser li esplicita comunque restituendone il contenuto, separandolo con spazi. Questa sintassi viene usata per selezionare gli elementi del documento XML da sottoporre alla trasformazione XSL.
Ad esempio:<?xml version="1.0"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/TR/WD-xsl">
<xsl:template match="/">
<HTML>
<HEAD>
<TITLE><xsl:value-of select="Legge/TitoloLegge"/></TITLE>
</HEAD>
<BODY>
...
</xsl:template>
</xsl:stylesheet>
Fogli di stile XSLT
<xsl:for-each select="condizione"> Questa direttiva viene usata per selezionare ogni elemento del documento XML che
verifica la condizione specificata dalla select.<?xml version="1.0"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/TR/WD-xsl">
<xsl:template match="/">
<HTML>
<HEAD>
<TITLE><xsl:value-of select="Legge/TitoloLegge"/></TITLE>
</HEAD>
<BODY>
...
<xsl:for-each select="Legge/Articolato/Articolo">
<p align="center"><B><font color="#008080">Art. <xsl:value-of select="Num"/><BR/>
<xsl:value-of select="Rubrica"/></font></B></p>
...
</xsl:for-each>
...
</xsl:template>
</xsl:stylesheet>
Fogli di stile XSLT
Elaborazione degli attributi I fogli di stile XSL permettono anche di gestire, in maniera potente e
flessibile, gli attributi degli elementi XML, facendo precedere il nome dell'attributo dal simbolo "@".<xsl:template match="/">
<!--Apply template to everything starting from the root node-->
<HTML>
<HEAD>
<TITLE>Legge n.<xsl:value-ofselect="Legge/Intestazione/@NumeroLegge"/> del <xsl:value-of select="Legge/Intestazione/Data"/></TITLE>
</HEAD>
<BODY>
Esempio
esempi\cdcatalog_xsl.xml esempi\cdcatalog_xsl.xsl
<?xml version='1.0'?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/TR/WD-xsl">
<xsl:template match="/">
<html>
<body>
<xsl:value-of select="CATALOG/CD/TITLE"/>
*************
<xsl:value-of select="CATALOG/CD/ARTIST"/>
</body>
</html>
</xsl:template>
</xsl:stylesheet>
Esempio
Per stampare il contenuto di un nodo del documento XML, si usano normalmente il tag <xsl:value-of, insieme all’attributo select. <xsl:value-of: produce il contenuto di un nodo, individuato
dall’attributo select select=“espressione”: identifica l’insieme di nodi del documento
XML sorgente il cui contenuto deve essere inserito in questa posizione. Es.: <xsl:value-of select="CATALOG/CD/TITLE"/>
Se piu’ nodi soddisfano l’espressione, viene considerato solo il primo nodo, a meno che non si usi <xsl:for-each
L’elemento <xsl:value-of e’ EMPTY, cioe’ non ha contenuto, quindi si puo’ usare la chiusura abbreviata: <xsl:value-of select="TITLE"/>
Applicazioni
XML viene applicato in numerosi campi e per vari scopi: archiviazione elettronica e gestione dei contenuti documentali, pubblicazione su web, scambio di documenti elettronici, formati interni per strumenti software, nel commercio elettronico, nell.apprendimento e in molti altri campi. tra i settori meno ovvi ci sono quelli relativi alla chimica, alla biologia,
alla teologia, al turismo, alla giurisprudenza e alla salute pubblica.
XML è uno standard nato nel mondo Web ma che è utilizzato sia dentro che fuori il Web stesso. è un modo di rappresentazione dei dati che devono circolare su Internet
ed è non legato necessariamente, quindi, al loro modo di presentazione attraverso un browser.
XML e giornalismo
Il Giornalismo è un classico esempio di dominio applicativo in cui l’XML sta producendo dei cambiamenti nel modo di lavorare.
Negli anni settanta i progressi nel campo dei computer e delle telecomunicazioni per lo scambio e l’archiviazione dei documenti ha portato all’automazione dei processi di lavoro in molti campi, incluso il giornalismo. In quegli anni erano stati sviluppati dei formati di descrizione degli articoli che permettevano lo scambio e l’archiviazione elettronica dei documenti
Un articolo codificato in uno di questi formati contiene il testo dell’articolo (sono supportati solo articoli in formato testo), i campi, le categorie e gli indici aggiuntivi come per esempio l’identificativo numerico, la data, la sezione, la priorità.
XML e giornalismo L’evoluzione della tecnologia (Internet, multimedialità etc.) e l’aumentata attività
giornalistica sta rendendo questi formati sempre più antiquati. Di seguito un elenco delle carenze segnalate per questi formati:
Non supportano la descrizione di contenuti multimediali Non hanno metadati per agevolare la classificazione e la ricerca degli articoli
( ricerche per persone, luoghi etc) Le categorie di indici disponibili mancano di dettaglio Non supportano l’intero ciclo di vita di un articolo, per esempio non e’ possibile
identificare l’autore di un articolo, includere quale versione e’ attualmente disponibile chi l’ha ricevuta.
Non permettono collegamenti ad altri articoli correlati Non permettono la composizione degli articoli (per esempio associare una fotografia
al testo dell’articolo). Per rispondere a queste necessità le organizzazioni per gli standard giornalistici
hanno deciso di sviluppare nuovi standard basati su applicazioni XML.
Un esempio: XMLNews (1)
XMLNews definisce il contenuto testuale e le meta-informazioni di notizie da agenzia stampa. E’ una parte dello standard denominato News Industry Text Format (NITF),
sviluppato dal International Press Telecommunications Council (IPTC) e dalla Newspaper Association of America. NITF è stato il primo standard XML sviluppato dall’IPTC negli anni novanta. NITF è una
applicazione XML per la descrizione di articoli in formato testuale, sebbene possa contenere oggetti multimediali. Questo linguaggio mira a superare alcune delle caremze che sono state identificate negli standard definiti in precedenza in quanto incorpora molti elementi di metadati
XMLNews è composto di due parti: XMLNews-Story è un DTD XML per descrivere in maniera variamente arricchita il
testo delle notizie XMLNews-Meta definisce il formato delle meta-informazioni per notizie d’agenzia. E’
conforme al Resource Description Framework (RDF), e non si riferisce solo alle notizie testuali, ma anche a immagini, video-clip, ecc.
Un esempio: XMLNews (2) XMLNews-Story: il testo di una notizia di agenzia è diviso in tre parti: l’head contiene
informazioni di organizzazione, mentre il body è a sua volta diviso in intestazione e contenuto.
<?xml version="1.0"?> <nitf> <head> <title>Colombia Earthquake</title> </head> <body> <body.head> <hedline><hl1>143 Dead in Earthquake</hl1></hedline> <byline><bytag>By Jared Kotler, AP </bytag></byline> <dateline> <location>Bogota, Colombia</location> <story.date>January 25 1999 7:28 ET</story.date> </dateline> </body.head> <body.content> … </body.content> </body> </nitf>
Un esempio: XMLNews (3) XMLNews-Story: Il body ha un markup minimale di struttura del testo:
<?xml version="1.0"?> <nitf> <head> … </head> <body> <body.head> … </body.head> <body.content>
<p>Un terremoto ha colpito la Colombia occidentale lunedì, uccidendo almeno 143 persone e ferendone
più di 900 mentre scoperchiava edifici nella zona delle coltivazioni di caffè più ricca e fertile della nazione. Gli addetti alla difesa civile sono immediatamente intervenuti.</p> <p>Il terremoto è avvenuto nel primo pomeriggio, con una magnitudine del 6 grado, secondo il Geological Survey Americano, in Golden, Colorado. L’epicentro è stato identificato nella valle dello stato del Cauca, a 210 chilometri a ovest della capitale, Bogotà.</p> </body.content> </body> </nitf>
Un esempio: XMLNews (4)
XMLNews-Story: Però è possibile in qualunque momento aggiungere informazioni inline:
<p>Un <event>terremoto</event> ha colpito la <location> <country>Colombia</country> occidentale</location> <chron norm=“19990125”>Lunedì</chron>, uccidendo almeno 143 persone e ferendone più di 900 mentre scoperchiava edifici nella zona delle coltivazioni di caffè più ricca e fertile della nazione. Gli <function>addetti alla difesa civile</function> sono immediatamente intervenuti.</p>
Questo permette di arricchire la storia con altre informazioni in maniera semi-automatica: nella ricerca: è possibile cercare tutto quello che è successo in Colombia, o cosa
è successo in una certa data. nella presentazione: un provider potrebbe fornire semi-automaticamente dei link
o delle cartine della Colombia. nell’organizzazione delle news: è possibile cercare tutti i terremoti effettivi, e non
le notizie che ne usano la parola, magari figurativamente.
Un esempio: XMLNews (5)
XMLNews-Meta: Assieme ad ogni notizia, vengono scritte delle informazioni sulla notizia, che possono avere una distribuzione separata.
XMLNews-Meta permette di gestire insieme informazioni come: Informazioni sul contenuto della notizia (titolo, lingua, formato, ecc.) Informazioni sulle date della notizia: creazione, pubblicazione,
scadenza, ecc. Informazioni sulla provenienza ed attendibilità della notizia Informazioni sui possessori dei diritti di distribuzione e copyright Informazioni di classificazione ed organizzazione Link a documenti connessi: versioni precedenti, seguenti, ed altre
notizie connesse.
Modello di attività giornalistica basato su XML.
Le attività giornalistiche possono essere così suddivise Creazione di un articolo fatta da un cronista (nella maggior parte dei
casi per conto di una agenzia di informazione). Selezione degli articoli da pubblicare (effettuata di solito, da una
redazione). Impaginatura degli articoli diversa per un giornale cartaceo o per uno
elettronico. Attualmente i contenuti delle notizie prodotte in una agenzia sono
principalmente in formato testuale, di solito disponibile ai media attraverso dei database. Gli articoli sono creati usando un formato di descrizione delle notizie
(per esempio ANPA 1312) che, tra le altre limitazioni, non ammette i contenuti multimediali.
Modello di attività giornalistica basato su XML.
Una redazione, dopo aver selezionato quali articoli pubblicare tra quelli resi disponibili dalle agenzie e dalle altre risorse, stabilisce l’impaginazione del giornale sia per la versione cartacea che per quella elettronica.
L’agenzia di informazioni diverrà una agenzia di informazioni multimediali in grado di produrre notizie con contenuti in tutti i formati digitali (testo, immagine, audio, video, grafica e animazione computerizzata).
Il contenuto giornalistico sarà contrassegnato usando l’applicazione standard dell’XML e archiviato in un database XML che conterrà i contenuti di notizie passate e presenti.
I News Media saranno in grado di fare ricerche simultanee sulle basi dati di differenti agenzie, sfruttando il fato che tutti saranno in grado di usare lo stesso formato per le notizie. Il supporto di metadati permetterà ricerche molto più intelligenti ed efficienti.
Modello di attività giornalistica basato su XML.
Il giornale sarà creato usando le notizie in formato XML delle altre agenzie o preparate dalla redazione stessa.
Usando differenti fogli di stile sarà possibile creare in modo automatico diverse versioni del giornale per le distinte piattaforme: cartacea per la distribuzione tradizionale, HTML per chi accede dal Web, WML per i telefoni cellulari e la televisione digitale.
Il giornale potrebbe offrire all’utente finale un database di notizie giornaliere che potrebbero avere una copertura molto più ampia di quella tradizionale.
L’utente finale potrebbe registrare le sue preferenze sul server del giornale e accedendo al database delle notizie il server potrebbe scegliere quelle che più si avvicinano alle preferenze dell’utente finale.
Influenza di XML sul WWW
XHTML sta sostituendo HTML I blog si basano su feed RSS (o ATOM), che sono documenti XML I siti di informazione diffondono le notizie con XML e RSS: Corriere
della Sera, Repubblica, CNN
XHTML: NextGen HTML
<?xml version="1.0" encoding="iso-8859-1"?><html xmlns="http://www.w3.org/TR/xhtml1" ><head> <title> Title of text XHTML Document </title></head><body><div class="myDiv"> <h1> Heading of Page </h1> <p> here is a paragraph of text. I will include inside this
paragraph a bunch of wonky text so that it looks fancy. </p> <p>Here is another paragraph with <em>inline emphasized</em> text, and <b> absolutely no</b> sense of humor. </p> <p>And another paragraph, this one with an <img src="image.gif" alt="waste of time" /> image, and a <br /> line break.
</p></div> </body></html>
XHTML and other Data
<?xml version="1.0" encoding="iso-8859-1"?><html xmlns="http://www.w3.org/TR/xhtml1" ><head> <title> Title of XHTML Document </title></head><body><div class="myDiv"> <h1> Heading of Page </h1> <mathml xmlns=“http://www.w3.org/TR/mathml”> … MathML markup … </mathml> <p> more html stuff goes here </p> <smil xmlns=“http://www.w3.org/TR/smil1”> … SMIL markup … </smil></div> </body></html>
RSS
RSS (acronimo di RDF Site Summary ed anche di Really Simple Syndication) è uno dei più popolari formati per la distribuzionedistribuzione di contenuti Web
Linguaggio basato su XML, nato tra il 1997 e il 1999 da XML ha ereditato la semplicità, l‘ estensibilità e la flessibilità.
Permette la visualizzazione su portali e siti web di headline e link relativi a notizie pubblicate su altri siti
I progenitori erano le newsletter
Come funzionano?
Un documento XML è pubblicato e aggiornato continuamente
Ci si “iscrive” al feed mediante un readerreader indicando l’URL del documento XML http://www.google.com/reader/view
I reader sono in grado di cercare e segnalare automaticamente nuovi aggiornamenti quando disponibili per i feed sottoscritti programmi client via browser
Syndication
I siti possono utilizzare il documento XML per aggiornare dinamicamente le proprie pagine (syndication)
SyndicationSyndication indica la distribuzione di contenuti internet attraverso appositi canali, di norma rappresentati da feed
Il verbo che ne deriva, to Syndicate, indica l'azione di un sito di mettere a disposizione sezioni o interi contenuti attraverso feed
Vantaggi
Evitano di dover aprire i diversi siti solo testo Nuova modalità di consumo delle news online, come una prima pagina
costruita dall’utente La diffusione dipenderà dall’evoluzione delle interfacce di facilitazione
alla navigazione on line
RSS e giornalismo
Gli RSS sono utilizzati anche dai giornali on line, The New York Times, ABSCnews, La Repubblica, Corriere
Podcast e podcasting
Un podcastpodcast è una registrazione digitale audio o video, scaricabile automaticamente da un apposito programma (un client) messa a disposizione su Internet per chiunque si abboni ad una trasmissione periodica
Il PodcastingPodcasting è un neologismo basato sulla fusione di due parole: iPod e broadcasting
Il termine nacque quando l'uso dei feed RSS divenne popolare per lo scambio di registrazioni audio su computer, palmari, lettori di musica digitale e anche telefoni cellulari.
Come funziona?
Per ricevere un podcast sono necessari: un qualsiasi supporto connesso ad internet (un PC, ad esempio) un programma client apposito (spesso gratuiti) un abbonamento presso un fornitore di podcast (spesso gratuiti)
Un podcast funziona come un abbonamento ad una pubblicazione periodica: il supporto connesso ad internet è la cassetta postale, il client è il postino, e il fornitore di podcast è la casa editrice l'abbonato riceve regolarmente le pubblicazioni, e può ascoltarle o
vederle nella modalità e nei tempi che gli sono più congeniali. http://www.audiocast.it/podlist/
Come funziona?
Il podcasting funziona grazie ad un semplice software (generalmente gratuito), che ad intervalli regolari si collega a internet e controlla quali audio o video sono stati pubblicati dai siti ai quali si è abbonati: se ne trova di nuovi li scarica la notifica della pubblicazione di nuove edizioni avviene tramite un feed
RSS scambiato tra il sito del produttore e il programma dell’utente I podcast possono essere ascoltati in ogni momento poiché la copia
del file, una volta scaricata automaticamente, rimane sul computer dell’abbonato. a differenza delle radio Web in streaming, i podcast non richiedono
necessariamente un collegamento ad internet durante l’ascolto ma solo nella fase di download (i.e., i podcast si possono ascoltare anche off-line magari su un supporto mobile non connesso ad internte)
Streaming vs Podcast
Nonostante i programmi in streaming (come le radio tradizionali) possono essere registrati dal ricevente, la loro natura transitoria li distingue nettamente dai programmi podcast che invece arrivano già in formato compresso sul computer questa differenza è importante anche dal punto di vista legale
Anche il mondo del giornalismo, della politica e della comunicazione sono interessati ai podcast. in italia Radio Rai offre le proprie trasmissioni come podcast, La
Repubblica distribuisce via podcasting le trasmissioni di Repubblica Radio, altre radio tipo RadioDJ, Radio105, RDS etc. solo alcune trasmissioni
Dizionario
BroadcastBroadcast: indica una trasmissione radio tradizionale, ascoltabile ad una determinata ora decisa dall’emittente
StreamingStreaming: indica una risorsa ascoltabile in qualsiasi momento tramite un collegamento internet al sito dell’emittente non occorre averla scaricata tutta prima di poter ascoltarla ma si può
ascoltare mano a mano che viene scaricata
PodcastingPodcasting: indica una risorsa ascoltabile in qualsiasi momento scaricata automaticamente in formato mp3 o altro dal sito dell’emittente a volte occorre averla scaricata tutta prima di poterla ascoltare
XQuery
Nel Web Consortium esiste un gruppo di lavoro (XML Query Working Group) preposto alla definizione di un linguaggio di interrogazione specifico per i documenti XML.
L'obiettivo del gruppo è quello di fornire un linguaggio potente e flessibile per estrarre dati dai documenti XML con prestazioni paragonabili a quelle fornite dai linguaggi progettati per i database . In questo modo le collezioni di file XML saranno accessibili nello stesso modo in cui lo sono attualmente i database.
Ad oggi non esiste una raccomandazione del W3C per un linguaggio d'interrogazione, ma esistono diverse proposte, fra le quali si può citare XML Query Language (XQL), estensione di XSL Patterns, lo schema per la costruzione di espressioni atte ad indicare gli elementi di un documento XML. Linguaggio di query concepito per essere applicabile a qualsiasi documento
XML simile al linguaggio SQL nei database
XQuery
Le espressioni XQL assomigliano ai percorsi per individuare file e directory nel disco di un computer. Infatti XQL sfrutta la natura gerarchica della struttura di un documento XML. Per esempio, l'espressione /Legge//Comma indica l'insieme degli elementi Comma discendenti dell'elemento Legge,
che si trovano nel documento, mentre l'espressione:
/Legge//Capo[@Num = "I"]/Articolo seleziona tutti gli articoli del capo I.
Il risultato di una query XQL è un estratto del documento XML contenente le parti selezionate, ossia un documento XML che ha come radice l'elemento <xql:result>.
XQuery
Nella progettazione di XQL si sono perseguiti 3 obiettivi fondamentali: la compattezza: XQL utilizza brevi sequenze di caratteri la semplicità: XQL utilizza pochi elementi sintattici la natura dichiarativa: le espressioni esprimono cosa si vuole ottenere e non "come"
ottenerle (concetto analogo a quello espresso per il linguaggio eXtensible Stylesheet Style)
Questi presupposti sono positivi, ma comportano anche degli svantaggi: per esempio, la compattezza porta, nel caso di espressioni complesse, a compromettere la facilità dell'interpretazione.
Esistono poi due limitazioni non indifferenti: non sono previsti meccanismi di unione fra più query (join), nè di ordinamento o di
aggregazione non è prevista l'interrogazione su più documenti contemporaneamente
Nonostante ciò, non mancano le implementazioni: XQL è supportato, per esempio dagli XML database server eXcelon di ObjectStore e Tamino di Software AG.
XQuery
<?xml version="1.0" ?><magazzino>
<articolo codice="A1"> <descrizione>Righello 25 cm</descrizione> <quantita>50</quantita> </articolo>
<articolo codice="A2"> <descrizione>Calcolatrice</descrizione> <quantita>60</quantita> </articolo>
<articolo codice="A3"> <descrizione>Quaderno a quadri</descrizione> <quantita>120</quantita> </articolo></magazzino>
XQuery: /magazzino/articolo[quantita > 100] Tutti gli articoli con quantità > 100
Conclusioni: perché utilizzare XML
XML permette di strutturare i documenti e di associare una sintassi. XML supporta UNICODE, un grande numero di set di caratteri può essere
utilizzato. XML può essere usato come formato di scambio per documenti elettronici ed
applicazioni. Indipendente da hardware e software Consente di manipolare i dati in modo più semplice ed efficiente. Quando registriamo informazioni vogliamo essere sicuri di poterle riutilizzare
in futuro. es. word 1, word 2, word per mac, word per pc, incompatibilità, perdita di
informazioni Un documento XML è in formato leggibile dall’uomo. ·Documento strutturati e metainformazioni consentono motori di ricerca più
acurati
Conclusioni: perché utilizzare XML
Sistemi standard di metadati: Resource Description Framework. XML è estensibile, non ha tag predefiniti. ·Consente di creare linguaggi standard ed estendibili, per campi di
applicazione (medicina, elettronica, matematica, musica, ...) I collegamenti offrono nuove possibilità. (punti precisi, più destinazioni,
database centralizzato -> maggiore maneggevolezza, più semplice controllare corrispondenza collegamenti).
Offre una ottima capacità di rappresentare dati complessi (notazioni matematiche, interfacce grafiche)
Visualizzare documento su media differenti in modi diversi senza doverlo riscrivere ogni volta.
XSL offre meccanismi per rappresentare e manipolare il documento, buona capacità di rappresentare dati complessi (notazioni matematiche, interfacce grafiche); sequenze, cicli e condizioni
Approfondimenti
XML – esempi e dettagli sul formatohttp://it.wikipedia.org/wiki/XML
“L'azienda è più flessibile con i documenti digitali”http://www.weekit.it/index.php?option=com_content&task=view&id=37710&Itemid=190
Glossario Applicazione XML: un linguaggio XML definito tramite un DTD o uno XML Schema ed usato in un
particolare ambiente. CSS: Cascading Style Sheets. Fogli di stile che consentono di definire come presentare documenti
HTML e XML. DOM: Document Object Model. Questa è un.interfaccia indipendente tra la piattaforma di sviluppo e
il linguaggio di programmazione usato e permette di accedere e modificare il contenuto o la struttura di documenti HTML e XML.
DTD: Document Type Definition. Questo è un formato usato per definire la struttura e gli elementi di una particolare applicazione XML.
HTML: HyperText Markup Language. E. il linguaggio di marcatura usato per creare documenti da pubblicare sul Web. E. stato standardizzato dal W3C. Markup language: Un linguaggio che consente l.aggiunta di marcatori ad un documento di testo, al
fine di fornire un significato semantico o descrivere come presentare il contenuto del documento stesso.
Metadato: Un dato usato per descrivere o aggiungere informazione agli altri dati. Metalinguaggio: Nel mondo IT è un linguaggio utilizzato per definire altri linguaggi. Namespace: Consente di individuare una parte che definisce un insieme di elementi e attributi
utilizzati in un documento XML.
Glossario SGML: Standard Generalized Markup Language. Metalinguaggio per definire linguaggi di marcatura; il precursore
dell.XML. WML: Wireless Markup Language. Un linguaggio che è usato correntemente per presentare contenuti ipertestuali su telefonia mobile e dispositivi palmari PDA. W3C: World Wide Web Consortium. E. l.organizzazione responsabile dello sviluppo degli standards legati al Web. XLink: XML Linking Language. Linguaggio per definire links tra documenti XML. XML: Extensible Markup Language . E. un metalinguaggio per definire linguaggi di marcatura, standardizzato dal
W3C. XML Schema: Come i DTD, esso consente di definire come è un documento XML, ma con un po. piu. di dettaglio. XPath: XML Path Language. Parte dell.XSL che permette di identificare porzioni di un documento XML (elementi,
attributi). XPointer: Un linguaggio che permette di identificare un punto qualsiasi del documento XML.E. un.estensione di
XPath ed è usato in combinazione con XLink. XQuery: E. un linguaggio di interrogazione per l.XML, utilizzabile sia per documenti XML singoli sia su database di
documenti XML. XSL: eXtensible Stylesheet Language. Linguaggio di fogli di stile per l.XML standardizzato dal W3C. Comprende 3
componenti: XPath, XSLT e XSL-FO. XSLT: XSL Transformations. Parte dell.XSL che permette di definire come trasformare un documento XML in un
altro documento XML, HTML, o testo. XSL-FO: XSL Formatting Objects. Parte dell.XSL che consente di presentare un documento XML.
Parte V
Strumenti per XML
Editor
Browser
XML Conversion Tools
Document Storage Systems
Xmetal
http://www.softquad.com/products/xmetal/
XMLNotepad http://msdn.microsoft.com/xml/notepad/intro.asp Freeware
Xeena http://alphaworks.ibm.com/tech/xeena Freeware e portabile
Browsers
Questa categoria comprende gli strumenti per la visualizzazione e la navigazione di documenti XML
Internet Explorer - Microsoft (Win32, Mac) Mozilla (Win32, Mac, Linux) Xplorer - IBM Alphaworks (IBM)
Xplorer http://alphaworks.ibm.com/tech/xplorer Freeware e portabile. E' solo un visualizzatore
Document Storage Systems
Strumenti per la gestione dei documenti XML, in grado di gestirne la memorizzazione e di semplificare le operazioni di ricerca.
Database con supporto per XML XML Data Store
Oracle 8i
http://www.oracle.com
Database con supporto per XML inserimento di documenti XML come dati primitivi (ricerche testuali) importazione dati da XML esportazione dati in XML
eXcelon (1)
http://www.exceloncorp.com
XML Data Store gestione nativa dei dati XML interrogazione mediante XML query languages (XQL) accesso ai dati attraverso interfacce DOM
eXcelon (2)
Siti Web interessanti
The XML Cover Pages http://www.oasis-open.org/cover/
The Whirlwind Guide to XML Tools and Vendors http://www.infotek.no/sgmltool/guide.htm
Free XML tools and software http://www/xmlsoftware.org/http://www.garshol.priv.no/download/xmltools/
W3C XML page http://www.w3.org/XML/
http://www.extrowebsite.com/corso_xml.asp http://www.kosmous.com/risorse/articolo.php?id=13