2. Lenguajes de marcado: XML

Transcripción

1 2. Lenguajes de marcado: XML El lenguaje de marcado XML (extensible Mark-Up Language) 2.2. Marcado de documentos con XML El documento XML Marcado y notación de marca Creación y visualización de documentos XML 2.3. Definiciones de Tipo de Documento 2.4. Referencias y recursos Web 2.5. Bibliografía básica Lenguajes de marcado Desde el principio de la informática hemos utilizado lenguajes etiquetados, los procesadores de texto son un buen ejemplo. En la mayoría de ocasiones los metadatos se representaran en lenguaje etiquetado o bien el propio recurso se encontrará estructurado en alguno de estos lenguajes. 1

2 Lenguajes de marcado Un lenguaje de marcado cumple con dos objetivos esenciales para diseñar y procesar un documento digital: Separa un texto en los elementos en los que se compone, como por ejemplo un párrafo, un capítulo, etc. Especifica las operaciones tipográficas y funciones que debe ejecutar el programa visualizador sobre dichos elementos. Las operaciones tipográficas son instrucciones de formato que se aplican a cada uno de los elementos de un documento digital, por ejemplo, imprimir un título en itálicas. Varios lenguajes de marcado: HTML, XHTML, TeX, LaTeX, DocBook, XML, SGML, MathML, XSL, Lenguajes de marcas ligeros HTML (Hypertext Markup Languaje) HTML es un tipo de documento descrito con SGML Lenguaje para transmitir por la red documentos sencillos y genéricos (cabeceras, párrafos, listas, ilustraciones, etc., algo de hipertexto y multimedia) Lenguaje de visualización (apariencia del documento) Su sencillez le proporciona éxito inmediato (revolución en Internet) HTML evoluciona: tablas, formularios..., mapas de imagen..., scripts y applets... HTML (Hypertext Markup Languaje) HTML hoy HTML 4.01 (Rec ) ISO HTML (ISO/IEC 15445:2000, 1ª ed ) XHTML 1.0 (The Extensible HyperText Markup Language (Second Edition) A Reformulation of HTML 4 in XML 1.0, Rec , rev ) y 1.1 (Module-based XHTML, Rec ) 2

3 HTML (Hypertext Markup Languaje) Problemas de HTML: limitación para describir documentos complejos o datos orientación paulatina hacia el marcado de formato (hasta 4.0) normalización poco respetada por los desarrolladores... HTML (Hypertext Markup Languaje) Limitaciones: elementos estructurales iguales para cualquier documento estructura demasiado flexible para algunos documentos (datos...) enlaces hipertextuales muy simples presentación pobre de los documentos a pesar de las ampliaciones ausencia de normalización en esquemas de metadatos Necesidad de un nuevo lenguaje para la web Lenguajes de marcado No lenguaje de formato o descripción de páginas (RTF, PostScript, PDF...) No es un lenguaje de programación (la marca es interpretada por un programa) Describe las partes lógicas del documento (estructura lógica y semántica) Marcado a base de etiquetas asignadas a las partes: <TITULO>El mundo y sus demonios</titulo> 3

4 SGML (Standard Generalized Markup Language) Estándar internacional para definir la estructura y contenido de múltiples tipos de documentos electrónicos Metalenguaje: permite crear lenguajes de marcas propios que describan la información contenida en múltiples clases de documentos El Origen de todos los lenguajes de marcas existentes GML (1969): creado por Ch. F. Goldfarb (Mosher y Lorie), de IBM, para intercambiar documentos electrónicos entre plataformas informáticas SGML (1986): versión final desarrollada por la ISO (ISO8879:1986) Norma de facto para el intercambio de documentos extensos, complejos y de tipos muy diferentes (transcripciones de rollos sumerios, documentación técnica de aviones, historiales médicos, notaciones musicales...) Lenguaje robusto y potente / complejo, exhaustivo, y caro de implantar y mantener XML (Extensible Markup Language) Versión abreviada de SGML, omitiendo las partes más complejas y menos usadas de SGML incidiendo en aspectos de distribución e interoperatividad en la Web Permite definir la estructura de tipos específicos de documentos electrónicos (o datos) por medio de Definiciones de Tipo de Documento (DTD o XML Schemas), definiendo conjuntos de etiquetas y atributos (vocabularios) Desarrollado (1996->) en el W3C por Jon Bosak (Sun) y otros: Rec. 1.0, , Rec. 1.0, 2ª ed , 3ª ed ; Rec. 1.1, Apto para cualquier plataforma, SO o entorno de trabajo (documentos en ASCII de 7 u 8 bits) XML (Extensible Markup Language) Es un lenguaje de marcado diseñado para describir estructuras de datos. No está centrado, como ocurre con html en cuestiones de presentación, sino en la estructura del documento. Extensible, etiquetas no predefinidas. Puede usarse para intercambiar o almacenar datos. Gran éxito industrial y adopción en múltiples contextos Parte fundamental de la arquitectura Web Otras aplicaciones: Ficheros de Configuración, vocabularios específicos, etc. 4

5 XML (Extensible Markup Language) Muchas otras normas asociadas a XML (1) uso de varios vocabularios en el mismo documento Namespaces in XML (Rec. 1.0, ; Rec. 1.1, ): referencias a partes de un documento XPath (XML Path Language, Rec. 1.0, ; en preparación la version 2.0, WD), usado por XSLT, XPointer, XQuery... inserción de enlaces XLink (XML Linking Language, Rec. 1.0, ) XML Base (1.0, ) XPointer (XML Pointer Language, Rec ) XML (Extensible Markup Language) Muchas otras normas asociadas a XML (2) semántica asociada a los recursos electrónicos RDF (Resource Description Framework, Rec., , Rev ), hoy un conjunto de seis documentos que ya incluye RDF Schema o RDF-S (RDF Vocabulary Description Language, Rec. 1.0, ) OWL (Ontology Web Language, Rec ) hojas de estilo, transformación de documentos... XSL (Extensible Stylesheet Language, conjunto de XSLT, XSL-FO y XPath) XSLT (XSL Transformations, Rec. 1.0, ; en preparación la version 2.0, WD) XSL Formatting Objects (o propiamente XSL, Extensible Stylesheet Language, Rec. 1.0, ) XML (Extensible Markup Language) Muchas otras normas asociadas a XML (y 3) definición de tipos de documentos XML Schema (Rec ), mayor potencia que DTD de SGML búsquedas en documentos XML XQuery (XML Query, WD LC 1.0, ) formularios Xforms (Rec ) comunicación entre aplicaciones que usan XML XMLP (XML Protocol Abstract Model, WD 1.0, ) 5

6 2.2. Marcado de documentos con XML El documento XML Marcado y notación de marca Creación y visualización de documentos XML 2.3. Definiciones de Tipo de Documento 2.4. Referencias y recursos Web 2.5. Bibliografía básica Creación y visualización de documentos XML Creación (documentos XML y DTDs): editor de textos (Bloc de notas) editor de páginas web (Macromedia Dreamweaver) editor específico de XML (IBM Xeena, XMLWriter, XML Spy...) Visualización: procesador XML genérico: Netscape 6, MS Internet Explorer 5, Opera 5, Mozilla 1.0, Doczilla... procesadores especializados según el tipo de documento (En HTML es el navegador de Web) -previsible- Documento XML Fichero de texto, generalmente de extensión ".xml", que usan el juego de caracteres ISO-Latin-1 (ISO ) de 8 bits o Unicode (ISO 10646, o UCS-2, Universal Character Set, v.2) de 16 bits, para cualquier alfabeto Formados por Prólogo Instancia del documento 6

7 Documento XML Formados por Prólogo: una declaración XML (instrucción de procesamiento): <?xml version="1.0" encoding="iso "?> versión de XML y codificación de caracteres. generalmente (no necesariamente en XML) una declaración de tipo de documento seguida de una DTD (interna, externa o mixta) para la que hayan sido construidos: <!DOCTYPE MENSAJE SYSTEM "mensaje.dtd"> la referencia a una hoja de estilo externa que indica cómo representar el documento, en su caso (instrucción de procesamiento): <?xml-stylesheet href="mensaje.css" type="text/css"?>... [Otras instrucciones de procesamiento] la instancia del documento: contenido textual, marcado por etiquetas que señalan cada elemento, y que pueden llevar atributos para dar información más específica de cada elemento Ejemplo de documento XML Marcado y notación de marca Un documento XML está compuesto exclusivamente de marcado y datos de carácter, y ambos conocidos como "Texto XML". Sintaxis simple pero estricta El marcado es el texto incluido entre delimitadores: "<" y ">", que encierran etiquetas, o bien "&" y ";", que encierran la referencia a una entidad. Comentarios: contienen instrucciones no analizadas por el procesador. Comienzan por <-- y finalizan por --> 7

8 Caracteres especiales Existen 5 caracteres especiales: & lt; = < & gt; = > & amp; = & & quot; = " & apos; = ' Cualquier carácter Unicode puede indicarse mediante & seguido del número y acabado por ; Marcado y notación de marca Las etiquetas pueden ser Dos: una inicial (en la forma <elemento>) y otra final (</elemento>), encerrando un elemento; suelen describir contenido (párrafos, niveles de encabezado...), p.ej.: <titulo>el Código Da Vinci</titulo> ; son la mayoría Una: sólo etiqueta inicial (termina con "/>"); suelen insertar algo en el documento (una imagen, un salto de línea o de página...), p.ej.: <nuevalinea/> Toda la instancia del documento va encerrada dentro de las etiquetas que marcan el elemento raíz o elemento de documento, y ha de corresponderse con el tipo expresado en la declaración Marcado y notación de marca El "elemento de documento" (o "elemento raíz") encierra toda la instancia del documento, se corresponde con el tipo expresado en la declaración Ej.: <MENSAJE...> [...] </MENSAJE> Un elemento puede contener (según se especifique en la DTD, si existe): Otros elementos (subelementos o elementos hijos), p.ej.: <MENSAJE><CABECERA> [...] </CABECERA><CUERPO> [...] </CUERPO><MENSAJE> Texto (el espaciado no tiene importancia: cualquier número de espacios o saltos de línea es equivalente a un espacio), p.ej.: <SALUDO>Hola de nuevo, Gema.</SALUDO> Una mezcla de elementos o texto (contenido mixto), p.ej.: <P>El curso se celebrará el próximo mes de <ENFASIS>noviembre</ENFASIS>.</P> O nada, si es un elemento vacío (<elemento_sin_contenido /> ) 8

9 Marcado y notación de marca Un elemento puede llevar uno o más atributos especifican alguna propiedad del elemento en cuestión, por medio de un valor asociado, en la forma atributo="valor" se expresan en la etiqueta inicial del elemento, p.ej.: <MENSAJE prioridad="maxima"> si existen varios pueden expresarse en cualquier orden dan sentido a la mayoría de los elementos vacíos, p.ej.: <imagen src="logo"/> el tipo de valor que puede llevar asociado se especifica en la DTD (si existe) Nombres de elementos y atributos comienzan por una letra, seguida sólo de letras o números son sensibles a la caja de letra (SGML, y por tanto HTML, no) Estructura de un documento XML Un documento XML siempre se puede representar como un árbol Documento XML bien formado y válido Documento bien formado Un documento XML está bien formado si cumple las reglas anteriores: contiene un único elemento raíz las etiquetas están correctamente anidadas Se usan caracteres válidos y bien aplicados los valores de los atributos vienen encerrados entre comillas Una condición básica para trabajar con un documento XML es que esté bien formado Documento válido Un documento bien formado, es además válido, si cumple con alguna regla de validación: DTD XML Schema 9

10 1.1. Introducción 1.2. Marcado de documentos con XML El documento XML Marcado y notación de marca Creación y visualización de documentos XML 1.3. Definiciones de Tipo de Documento 1.4. Referencias y recursos Web 1.5. Bibliografía básica La definición del tipo de documento Definición formal de un tipo de documento particular: elementos de su estructura que conforman el vocabulario atributos que esos elementos pueden tomar reglas que rigen las interacciones entre esos elementos y entidades que se pueden incluir en los documentos En el documento XML se "declara" opcionalmente la DTD que usa ("Declaración del Tipo de Documento": interna, externa, o combinación de ambas). Hay miles en SGML (accesibles y de uso público), que pueden ser convertidas a XML, pero a veces será necesario escribir nuestras propias DTDs DTDs internas Vs externas Las DTDs pueden definirse dentro del documento XML <!DOCTYPE reseña [ reseña (obra,titulo, autor,*)>... ]> <reseña>... </ reseña > También pueden residir en otro documento: <!DOCTYPE poema SYSTEM reseña.dtd"> <reseña>... </reseña> Algunas DTDs pueden tener identificadores públicos <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" " 10

11 Estructura básica de una DTD Todos los aspectos de la marca se especifican en la DTD con declaraciones: DE ELEMENTOS: tantas como elementos contenga la DTD (contenedores o vacíos) DE CONTENIDO: parte de la declaración de elemento, describe qué tipo de contenido puede anidarse en su interior (datos, otros elementos o contenido mixto) DE LISTAS DE ATRIBUTOS: que puede adoptar un elemento específico (en su caso) DE ENTIDADES: sobrenombre asociado a un grupo de datos (interna, de texto externa, binaria externa, de carácter o numérica) Estructura básica de una DTD Declaración de elementos: Bloques básicos de una DTD o documento; los demás (atributos, modelos de contenido, entidades...) se forman a partir de los elementos Incluye el modelo de contenido para el elemento Hay dos tipos de elementos: CONTENEDORES (el caso más habitual): pueden albergar otros elementos o texto regular DTD: Declarado como SALUDO...> Documento: marcado con una etiqueta inicial y otra final: <SALUDO>Hola de nuevo, Adela.</SALUDO> VACÍOS: no pueden contener texto ni ningún otro elemento normalmente transmiten información mediante los valores de sus atributos Se declaran en la forma fecha_sistema EMPTY> Documento: marcado con sólo una etiqueta inicial: <fecha_sistema... /> Estructura básica de una DTD Modelos de contenido aplicado al primer nivel de elementos anidados en su interior (los elementos hijos tienen sus propios modelos de contenido) tipos de contenido de un elemento (salvo elementos vacíos): Otros elementos Texto: FIRMANTE Otros elementos y texto ("*" oblig.): Resumen (#PCDATA Enfasis Cita)*> Cualquier tipo de contenido (infrecuente y desaconsejado): nombre ANY> orden en que se anidarán los elementos ",": lista o secuencia: MENSAJE (SALUDO, TEXTO, DESPEDIDA, FIRMANTE)> " ": lista de alternativas: FIGURA (GRAFICO FOTO)> frecuencia de aparición "": 1 vez "+": 1 o más: TEXTO (P CITA)+> "?": 0 o 1: MENSAJE (SALUDO?, TEXTO, DESPEDIDA?, FIRMANTE)> "*": 0 o más: notas (nota ref)*> 11

12 Estructura básica de una DTD Declaración de listas de atributos: Consisten en un nombre del atributo y un valor asociado DTD: <!ATTLIST FIRMANTE estado (BROMISTA ALEGRE SERIO TRISTE) "SERIO"> Documento: <FIRMANTE estado="bromista"> Tipos de valores: de texto simple (la mayoría); señalados con CDATA de señalización: ID, IDREF / IDREFS, ENTITY / ENTITIES, NMTOKEN / NMTOKENS enumerados: lista de valores posibles de notación: notación NOTATION Tipos de atributos: requeridos (#REQUIRED): deben aparecer fijos (#FIXED): el autor del documento no puede modificarlo Implícitos (#IMPLIED): pueden aparecer o no (no toman ningún valor por defecto) valor por defecto: si el atributo no aparece toma ese valor por defecto Estructura básica de una DTD Declaración de entidades: Unidad virtual de almacenamiento (cadena de caracteres, fichero gráfico...) Tipos: DE TEXTO DE CARÁCTER Y NUMÉRICAS BINARIAS PARAMÉTRICAS Hay que declararlas en la DTD antes de poder utilizarlas Usan la sintaxis <!ENTITY nombre "contenido"> Se referencia a una entidad en la DTD o en el documento como &nombre; (las paramétricas como %nombre; ) Ejemplo de DTD <?xml <?xmlversion="1.0" encoding="iso "?> <!-- <!--Ejemplo muy muy sencillo sencillo de de DTD DTD XML: XML: mensaje mensaje simple simple --> --> mensaje mensaje (cabecera, (cabecera, cuerpo)> cuerpo)> <!ATTLIST <!ATTLIST mensaje mensaje prioridad prioridad (( alta alta normal normal baja baja ))"normal" "normal" > cabecera cabecera (fecha, (fecha, de, de, a, a, asunto?)> asunto?)> cuerpo cuerpo (saludo?, (saludo?,(p)+,despedida?, (p)+,despedida?, firmante?)> firmante?)> fecha fecha <!ATTLIST <!ATTLIST fecha fecha fnorm fnormcdata #REQUIRED> #REQUIRED> de de a asunto asunto saludo saludo p (#PCDATA (#PCDATA enfasis)> enfasis)> despedida despedida firmante firmante 12

13 Esquema XML (XML Schema) Los DTD no son muy potentes para definir gramáticas. Otra forma de hacerlo es con Esquemas XML basados en el propio XML y que soportan más tipos de datos. Un Esquema XML define: Qué elementos contiene un XML Su organización Sus Atributos Tipos de elementos Esquema XML - DTD D T D libro libro (isbn?, (isbn?, titulo, titulo, autor*, autor*, capitulo*, capitulo*, publicado)> publicado)> isbn isbn titulo titulo autor autor capitulo capitulo publicado publicado Esquema XML name= libro name= libro > > <sequence> <sequence> name= isbn" name= isbn" minoccur="0" minoccur="0" ="1"/> ="1"/> name= titulo" name= titulo" minoccur="1" minoccur="1" ="1"/> ="1"/> name= autor" name= autor" minoccur="1" minoccur="1" = 5"/> = 5"/> name= capitulo" name= capitulo" minoccur="1" minoccur="1" = *"/> = *"/> name= publicado" name= publicado" type= date type= date minoccurs="1" minoccurs="1" = 1"/> = 1"/> <sequence> <sequence> </elementtype> </elementtype> XML Namespaces El estándar XML también define los espacios de nombres (XML Namespaces). Permiten que un mismo documento XML tenga etiquetas de diferentes lenguajes (definidas en diferentes gramáticas DTD). Así es posible mezclar más información en los documentos, por ejemplo, añadir información semántica a un documento XHTML. 13

14 Ejemplo XML Namespaces <?xml <?xmlversion="1.0"?> <!DOCTYPE <!DOCTYPE mensaje mensajesystem "mensaje.dtd"> "mensaje.dtd"> <mensaje> <mensaje> <remite> <remite> <dir:direccion <dir:direccionxmlns:dir= > <dir:calle>calle <dir:calle>calle Madrid</dir:calle> Madrid</dir:calle> <dir:localidad <dir:localidadcp= >Getafe</dir:localidad> </dir:direccion> </dir:direccion> <nombre>gema <nombre>gema Bueno</nombre> Bueno</nombre> < ></ > </remite> </remite> <!-- <!--Resto del del mensaje mensaje XML... XML... --> --> </mensaje> </mensaje> 2.2. Marcado de documentos con XML El documento XML Marcado y notación de marca Creación y visualización de documentos XML 2.3. Definiciones de Tipo de Documento 2.4. Referencias y recursos Web 2.5. Bibliografía básica 2.4. Recursos web Recursos Web Referencias oficiales: Extensible Markup Language (XML) XML Schema Validator XML Tools at W3C 14

15 2.4. Recursos web Tutoriales Tutoriales Nogales Flores, Tomás. Breve Introducción a XML. Reino Romero, Alfredo. Introducción a XML en castellano. Versión 2.0 (26 enero 2000). García Castellano, Javier. Tutorial de XML. Versión 2.3. Marzo Labra Gayo, José Emilio. XML. Octubre Marcado de documentos con XML El documento XML Marcado y notación de marca Creación y visualización de documentos XML 2.3. Definiciones de Tipo de Documento 2.4. Referencias y recursos Web 2.5. Bibliografía básica 2.5. Bibliografía básica Referencias bibliográficas Box, Don; Skonnard, Aaron; Lam, John. Essential XML : beyond markup. Boston ; Madrid [etc.] : Addison-Wesley, [ISBN ] Brown, Peter. Information Architecture with XML : a Management Strategy. London : John Wiley and Sons, [ISBN ] Geroimenko, Vladimir; Chen, Chaomei (eds.). Visualizing the semantic web : XML-based internet and information visualization. London : Springer, [ISBN ] Goldfarb, Charles F.; Prescod, Paul. Manual de XML. Madrid [etc.]: Prentice Hall, Harold, Elliotte Rusty. XML bible (2nd ed.). New York [etc.] : Hungry Minds, [ISBN ] Harold, Elliotte Rusty. XML: Extensible Markup Language. Foster City [etc.] : IDG Books Worldwide, ISBN Morrison, Michael. XML al descubierto. Madrid [etc.] : Prentice Hall, [ISBN ] Pitts, Natanya, XML. Madrid: Anaya Multimedia, Ray, Erik T. Learning XML. Beijing [etc.] : O'Reilly, [ISBN ] Tennant, Roy (ed.). XML in libraries. New York : Neal-Schuman Pub., [ISBN ] 15