TEMA 35: Estándares SGML y XML. Entornos de aplicación.

Transcripción

1 Entornos de aplicación TEMA 35: Estándares SGML y. Entornos de aplicación. Índice 1 INTRODUCCIÓN 1 2 SGML Cómo funciona SGML? Definición de la sintaxis de un lenguaje SGML Declaración de un documento SGML Procesamiento automático de un documento SGML Reglas de sintaxis en los documentos Esquemas Formato de los documentos Transformación de documentos Procesando ficheros 8 ENTORNOS DE APLICACIÓN DE LA TECNOLOGÍA 9 1 Introducción SGML Standar Generalized Markup Language- es un metalenguaje utilizado para describir lenguajes de marcado para documentos de texto en formato electrónico. Permite definir una gran variedad de lenguajes de marcado para todo tipo de usos, como por ejemplo el lenguaje html. SGML fue diseñado originalmente para permitir compartir documentos legibles por máquinas en los grandes proyectos. Estos documentos debían mantenerse legibles durante décadas, a pesar de los cambios tecnológicos. Luego, fue ampliamente utilizado en la industria de la impresión y la publicación. El gran inconveniente de SGML es su alta complejidad, que limita su uso en aplicaciones de mediana y pequeña escala. Por ello, apareció el extensible Markup Language-, un subconjunto simplificado del lenguaje SGML, con menor capacidad expresiva. SGML Aplicación del SGML HTML El ofrece el 80% de las ventajas de SGML con el 20% de su complejidad. Está estandarizado en el estándar ISO Página 1 de 10

2 2 SGML Como he indicado anteriormente, SGML es un metalenguaje de descripción de lenguajes de marcado. Las características de SGML son: Se utiliza en documentos de texto electrónicos. Sirve para describir lenguajes descriptivos que usan etiquetas. Las etiquetas describen las diferentes partes de los documentos. No describen acciones. Usa el concepto del tipo de documento DTD-. Documento que contiene la descripción de la sintaxis de un documento considerado válido, para un lenguaje en particular. Es independiente del sistema informático utilizado. Es portable a cualquier entorno. Está diseñado para facilitar la conversión de documentos de un formato a otro. 2.1 Cómo funciona SGML? Los lenguajes SGML organizan los documentos de la siguiente forma: Los documentos se componen de objetos denominados entidades. Las entidades son objetos independientes y pueden tener cualquier tamaño. Se delimitan mediante etiquetas. Las entidades se organizan en forma jerárquica. Un documento se puede distribuir en varios archivos y pueden estar guardados en ubicaciones distintas. Un archivo puede ser la portada, otro la introducción Dentro de los documentos, hay dos niveles de información: 1. El conjunto de datos que forman el contenido. El contenido es texto. 2. Las etiquetas: Su función es dar una estructura jerárquica al documento, de forma que se pueda procesar el documento. Se utiliza un etiquetado descriptivo: Identifica los elementos estructurales de un documento, determinando su estructura lógica. Las etiquetas se diferencian del resto del documento mediante caracteres de delimitación. Estos delimitadores permiten que el software diferencie entre los caracteres de la etiqueta, de los del contenido. Los delimitadores básico son los paréntesis angulares para diferenciar las etiquetas (< > con el nombre de un elemento dentro). Ej: <H1> contenido </H1> SGML emplea el conjunto de caracteres ASCII. Los caracteres especiales, que no se encuentran al conjunto ASCII son transformados a representaciones ASCII y se denominan referencias de entidad. El signo & seguido por un nombre y punto y coma se usa para representar las referencias de entidad (por ejemplo, &bullet; representa un punto negro). Pág. 2/10

3 2.2 Definición de la sintaxis de un lenguaje SGML Definición de tipo de Documentos (DTD): Sirve para definir la estructura y la sintaxis de un lenguaje SGML concreto. SGML proporciona la sintaxis necesaria por hacer la declaración de los elementos. Los elementos tienen dos funciones: 1. Dar un nombre oficial a las etiquetas 2. Describir lo que cada elemento puede contener (el modelo de contenidos). Veremos un ejemplo por definir los diferentes tipos de símbolos que se empleen por crear los elementos: <!ELEMENT chapter ( chptitle, ( para heading ) + ) > Símbolo Significado Definición <! Menor exclamación Inicio de la declaración > mayor Final de la declaración, coma Seguido por Barra vertical O + Suma Un o más () Paréntesis Facilitan la agrupación La siguiente pasa seria declarar los contenidos de los elementos, chptitle, para y heading. Podemos realizar la declaración de forma conjunta si usan el mismo tipo de contenido. <!ELEMENT ( chptitle para heading ) (#PCDATA) > PCDATA, es una palabra reservada de SGML, indicando que chptitle, para y heading no tienen ningún sub-elemento propio. Esto quiere decir que están formados con el contenido del documento. Además de declarar los nombres de los elementos y sus contenidos permitidos, la DTD también puede definir los atributos que puede llevar una etiqueta : <!ATTLIST para secrecy (topsec public) public > Una vez llegados en este punto el usuario crearía el documento usando el etiquetado especificado y por ejemplo podría escribir: <chapter><chptitle>my summer vacation</chptitle> <para secrecy= public >It was a dark night, not stormy </para> <para>a pirate ship appeared dónde the horizon / / El public representa el valor por defecto. Todos los párrafos en los que el usuario no especifique topsec o public, tendran el valor public. La utilización del atributo seria: <para secrecy=topsec>it was a dark night, not <para>a pirate ship / Pág. 3/10

4 2.3 Declaración de un documento SGML Los documentos DTD que usan SGML tienen las siguientes características: El documento empieza con una declaración SGML. Indica al sistema receptor exactamente el conjunto de caracteres, los delimitadores y las características opcionales de SGML que se están usando. El documento contendrá un conjunto formal de declaraciones de elementos, atributos y entidades que usará el lenguaje SGML concreto. A menudo, se reemplazará la DTD completa por una línea que informe que la DTD se edita como un texto público o se encuentra disponible dentro el sistema receptor. El documento contendrá una muestra de documento. Esta muestra es el documento en sí: contenido más etiquetado. 2.4 Procesamiento automático de un documento SGML Un procesador de documentos en un lenguaje SGML (parser) lo primero que se hace es leer el DTD del documento para conocer la sintaxis utilizada. Después se procesa el documento según la sintaxis indicada en el DTD. Separa el contenido de las etiquetas. Pueden existir etiquetas que representen contenidos especiales. Según el tipo de elemento el parser realiza una tarea u otra: Los elementos con contenido de texto, devuelven el texto con la traducción de los caracteres especiales (referencias a entidad). Los elementos de contenido de datos, por ejemplo imágenes o otros documentos SGML, el parser buscará e introducirá estos datos. Los elementos con un lenguaje interno (instrucciones de procesamiento) son enviado a las aplicaciones que correspondan y el resultado introducido en el documento final. Los elementos con declaración de comentarios, no son procesados. El resultado será un documento de texto que puede contener otros contenidos como imágenes, gráficos Pág. 4/10

5 3 Extensible Markup Language, como he indicado anteriormente, es un subconjunto simplificado de SGML. Su finalidad es facilitar el intercambio de información estructurada a través de Internet. Las ventajas de usar para la transferencia de información son: Compatible con la web y con los protocolos de Internet. Formato legible simultáneamente por humanos y máquinas. Soporte para codificación UNICODE. Permite representar la mayoría del conjunto de caracteres. Capacidad para representar la mayoría de estructuras de información (pilas, listas, etc.) Sintaxis estricta que hace que el procesado de información sea rápida y eficiente. El formato es auto-documentado: Se describe su estructura junto a los contenidos. Además de sus usos para transferir datos, también es utilizado para el almacenamiento y procesado de datos. En estos casos, ofrece los siguientes beneficios: Formato basado en estándares internacionales. Estructura jerárquica, válida para la mayoría de los documentos. Es texto plano, libre de restricciones y licencias. Independiente de la plataforma, relativamente inmune a los cambios tecnológicos. Las desventajas del son: Su sintaxis es redundante y extensa. Lo que resta eficiencia al transmitir, procesar o almacenar documentos. Ineficiente para extraer datos individuales de un documento. Dificulta el modelado de estructuras no jerárquicas. 3.1 Reglas de sintaxis en los documentos Existen dos tipos de documentos : - Bien formados: son todos los documentos que cumplen las especificaciones del lenguaje respeto a las reglas sintácticas que después voy a explicar. Los documentos deben tener una estructura jerárquica muy estricta, y los documentos que la cumplen son documentos bien formados. - Válidos: Los documentos válidos, son aquellos que, además de estar bien formados, satisfacen las reglas gramaticales especificadas por un esquema en particular. El esquema es una definición de la estructura y los elementos que puede haber en un documento determinado. Pág. 5/10

6 Cuando se procesa cualquier información formateada mediante, lo primero es comprobar si está bien formada, y luego, si incluye o referencia un esquema, comprobar que sigue sus reglas gramaticales del esquema. Hay dos tipos de parser que procesan documentos : Los parses no validadores, que sólo comprueban que un documento este bien formado y Los parses validadores, que además de comprobar que un documento esté bien formado, comprueba que cumpla las reglas del esquema al que esté asociado. Los documentos son muy parecidos a los documentos SGML. Ejemplo: <?xml version="1.0" encoding="utf-8" standalone="yes"?> <ficha> <número>angel</número> <apellido>barbero</apellido> <direccion>c/ulises, 36</direccion> </ficha> Un documento suele comenzar con una declaración que indica que es un documento y su versión. Puede tener varios atributos, algunos obligatorios y otros no: - version: indica la versión de usada en lo documento. La actual es la versión 1.1. Obligatorio. - encoding: la forma en que se ha codificado lo documento. Por defecto se UTF-8, aunque podrían ponerse otras, como UTF-16, OS-ASCII, ISO , etc. Optativo. - standalone: indica si lo documento va acompañado o no de un esquema. Optativo. Si va acompañado de un esquema, el esquema puede estar descrito dentro del documento o aparecer una referencia a dónde se puede localizar. Reglas léxicas y semánticas de un documento : - Los documentos diferencian las mayúsculas de las minúsculas. - Hay algunos caracteres especiales reservados, que forman parte de la sintaxis de : <, >, &, " y '. su lugar cuando queramos representarlos deberemos usar las entidades <, &rt;, &, " y &apos; respectivamente. - Los elementos que componen un documento están delimitados por etiquetas. Las etiquetas se identifican porque comienzan por < y finalizan por >. - Cada tipo de elemento tiene un nombre que lo identifica, y puede ir acompañado por un conjunto de atributos. Los atributos aparecen siempre en la primera etiqueta. Pág. 6/10

7 - Hay dos clases de elementos: o o Los elementos vacíos. Son aquellos que no tienen contenido y están formados por una sola etiqueta. Ejemplo: <br/> Los elementos con contenido. Están compuesto por una etiqueta de inicio y otras de final, y entre estas dos el contenido del elemento. Ej: <titulo>sgml y </titulo> - Los atributos están formados por un nombre, que lo identifica, y un valor. Los valores de los atributos de todas las etiquetas deben ir siempre entrecomillados. Son válidas las dobles comillas (") y la comilla simple ('). Ej: <precio moneda= euro >25</precio>. - Un elemento puede contener otros elementos. Las etiquetas de los elementos siempre tienen que estar bien anidadas. En un documento siempre hay un elemento, denominado elemento raíz, que contiene el resto de elementos del documento. 3.2 Esquemas Antes de y SGML, al tener que implementar el intercambio de información entre dos sistemas informáticos, había que definir un formato de fichero o lenguaje de comunicación específico para la comunicación e implementar la lógica que los procesara. viene acompañado por una serie de herramientas estándares para procesar los documentos. De esta forma, los desarrolladores sólo se han de centrar en definir el formato de los documentos que se transmitirán. Es lo que se denomina Esquema. Un esquema define un tipo de documento. Establece que elementos pueden aparecer, las relaciones entre los elementos, los atributos de los elementos, etcétera. Para definir el esquema, existen lenguajes diferentes (DTD, XSD, etc.). Existen, también, herramientas que validan si un documento cumple con su esquema. Los lenguajes de esquema son: DTD Document type Definition es el lenguaje de esquemas más antiguo y más extendido. Tiene los inconvenientes de no ser capaz de describir todas las características de, su sintaxis no es y no da soporte a versión 1.1. El DTD de y el de SGML son muy parecido pero no iguales. XSD Schema Descriptor -, es el sucesor de DTD según W3C. Es un lenguaje de descripción basado en, lo que permite aprovechar las herramientas estándares, y permite describir todas las características. Su inconveniente, es que es un lenguaje extenso y complejo, difícil de utilizar. Los XSD se describen utilizando el lenguaje XSL - Schema Language-. Relax MG. Un lenguaje con la misma potencia que XSD, con dos formatos diferentes: uno no, compacto y fácil de entender y utilizar, y otro, extenso y difícil de utilizar. Existen herramientas que permiten pasar de un formato a otro. Este lenguaje es de origen privado, pero ha sido estandarizado por ISO y W3C. 3.3 Formato de los documentos Las etiquetas de un documento dotan de significado al contenido del mismo, pero no contienen de forma directa la información de como visualizarlo. Pág. 7/10

8 Para ello está el XSL (extensible StyleSheet Language) que permite describir como se visualizará y transformará un documento, sin tener que insertar esa información dentro del documento. De esta forma no se debe repetir la información de formato en todos los de un mismo tipo que deban representarse igual. Aplicando documentos XSL diferentes a un mismo documento, se pueden tener diferentes vistas del mismo documentos. Documento Documento XSL 1 Proc. XSL Documento HTML + CSS Documento Documento XSL 2 Proc. XSL Documento PDF 3.4 Transformación de documentos Uno de los componentes del lenguaje XSL es el XSLT XSL transformation -, que permite definir las reglas para transformar un documento a otro formato. Por ejemplo, RTF u otro con esquema diferente. La transformación puede conllevar eliminar partes del contenido del documento original, reordenar los restantes elementos y/o añadir literales (P.ej: Añadir una cabecera html al documento). Los documentos XSLT también están en formato. Documento con esquema A Proc. XSL Documento XSLT Para transformar de A a B Documento con esquema B Procesando ficheros Los principales entornos de desarrollo de aplicaciones proporcionan APIs para el procesado de documentos. Las dos APIs más comunes son: DOM Document Object Model-. La API DOM crea en la memoria del ordenador una estructura en árbol con la información del documento. Está orientada al procesado aleatorio de los datos del documento. SAX. Está orientada al procesado en serie del documento. Es más difícil de usar que la DOM, pero es más rápida y consume menos recursos. Pág. 8/10

9 Entornos de aplicación de la tecnología Uno de los principales usos de es la transmisión de datos entre las capas de una aplicación distribuida. Su uso permite aprovechar las herramientas estándares para procesar los datos y conseguir una mayor independencia entre capas. Por ejemplo, una aplicación de tras capas: Lógica de negocio Lógica de presentación Utilizar el formato entre la base de datos y la lógica de negocio, facilita la integración de datos procedentes de otras fuentes. Ejemplo: A B Lógica de negocio A Procesado r XSLT XSLT B->A Almacenar la información dentro de la base de datos también en formato tiene dos ventajas: Facilita su transmisión en y aprovecha su independencia tecnológica. Aunque no cabe duda, que al ser los lenguajes muy redundantes, no aprovechan eficientemente el espacio de almacenamiento En el servidor de aplicaciones, permite independizar la lógica de negocio de su posterior representación. Las herramientas permiten representar los datos en formatos diferentes según la clase de cliente. Lógica de negocio Procesado r XSL HTML: Navegadores WML: Móviles WAP RTF: Procesadores de texto. Proporcionar acceso a documentos a través de la red de Internet, permite hacer búsquedas más potentes y precisas. Los documentos dotan de significado a los datos, lo que permite hacer búsquedas semánticas. Pág. 9/10

10 El uso, ha permitido la creación de servicios a través de Internet específicos para la comunicación entre sistemas informáticos. Son los denominados servicios web. Utilizan tecnologías como SOAP Simple Object Acces Protocol que permite transmitir documentos sobre los protocolos http o smtp. Para fomentar el comercio electrónico, existe un servicio de publicación de los servicios web disponibles por la red. Estos están publicados en unos repositorios denominados UDDI, utilizando un lenguaje : el WSLD Web Service Language Descriptor-. La mayoría de servicios web están orientados al comercio electrónico o a la integración entre sistemas, por ejemplo de administraciones públicas diferentes Otra aplicación, es la creación de lenguajes estándares, públicos y privados, especializados en temas concretos. Estos lenguajes se utilizan para facilitar el compartir los datos entre aplicaciones de diferentes fabricantes. Por ejemplo, el Math para datos matemáticos, o el C Chermical- para datos sobre química. El uso de un lenguaje público por parte de aplicaciones, como el OpenOffice, para estructurar los datos en los ficheros, facilita la integración con otras aplicaciones. Pág. 10/10