Orenge Premiera pierwszej polskiej wyszukiwarki z odmiana wyraz

1
Definiowanie typów dokumentów Czesc 1 DTD
9 pazdziernika 2003
2
Jak wyglada XML?

• lt?xml version1.0?gtltzeznanie-sprawcy
  nr1313/2001gtltautorgtst. asp. Jan
  Lapówkalt/autorgtltmiejscegtDolowice
  Górnelt/miejscegtlttrescgtWypadek dnia
  ltdatagt13.10.2001rlt/datagto godzinie
  ltgodzinagt1313lt/godzinagt (ltdzien-tygodniagtpiatek
  lt/dzien-tygodniagt) mial miejsce nie z mojej
  winy. ltposzkodowanygtAlojzy M.lt/poszkodowanygt nie
  mial zadnego pomyslu w która strone uciekac, wiec
  go przejechalem.lt/trescgtlt/zeznanie-sprawcygt

Deklaracja XML
Element glówny
Atrybut
Element
Znacznik poczatkowy
Znacznik koncowy
Zawartosc tekstowa
3
Struktura logiczna dokumentu XML
zeznanie-sprawcy
nr"1313/2001"
miejsce
autor
tresc
st. asp. Jan Lapówka
Dolowice Górne
Wypadek dnia
data
godzina
dzien-tygodnia
...
13.10.2001
1313
piatek
o godzinie
(
lt?xml version1.0?gtltzeznanie-sprawcy
nr1313/2001gtltautorgtst. asp. Jan
Lapówkalt/autorgtltmiejscegtDolowice
Górnelt/miejscegtlttrescgtWypadek dnia
ltdatagt13.10.2001rlt/datagto godzinie
ltgodzinagt1313lt/godzinagt (ltdzien-tygodniagtpiatek
lt/dzien-tygodniagt) mial miejsce nie z mojej
winy. ltposzkodowanygtAlojzy M.lt/poszkodowanygt nie
mial zadnego pomyslu w która strone uciekac, wiec
go przejechalem.lt/trescgtlt/zeznanie-sprawcygt
4
Podstawy skladni XML

• Deklaracja XML
• lt?xml version"1.0" encoding"UTF-8"
  standalone"no"?gt
• Znaczniki
• lttag attributename"attribute-value"gt
• lt/taggt
• Znacznik elementu pustego
• ltbrgtlt/brgt
• ltbr/gt

5
Definiowanie jezyków

• XML, SGML metajezyki.
• Definiowanie jezyków (zastosowan, struktury
  dokumentów, typów dokumentów)
• okreslanie zestawu dopuszczalnych elementów,
  atrybutów, ...,
• definiowanie dopuszczalnej zawartosci elementów
  (tekst, inne elementy),
• przypisywanie atrybutów do elementów,
• ...
• Metody definiowania struktury
• dokument XML bez formalnej definicji struktury,
• DTD Document Type Definition,
• XML Schema (rekomendacja W3C z 2 maja 2001),
• Relax NG.

6
Poprawnosc dokumentów

• Dokument XML poprawny skladniowo (ang.
  well-formed)
• kazdy element musi byc zamkniety,
• nie ma nakladajacych sie elementów,
• wartosci atrybutów w apostrofach lub
  cudzyslowach,
• ...
• Dokument XML poprawny strukturalnie (ang. valid)
• struktura dokumentu zgodna ze struktura
  zdefiniowana w definicji typu dokumentu,
• obecne wszystkie wymagane atrybuty.
• Dokument SGML obowiazkowa definicja struktury
  DTD.

7
Modelowanie typów dokumentów

• Wieloetapowy proces analityczno-projektowy
• analiza struktury modelowanych bytów,
• analiza przykladowych dokumentów,
• analiza potencjalnych zastosowan dokumentów oraz
  przypadków uzycia,
• abstrakcyjny projekt struktury,
• kodowanie projektu struktury np. przy pomocy DTD,
• testowanie,
• pielegnacja, zarzadzanie zmianami.

8
Projektowanie struktury dokumentów
autor
?
wiersz
tytul


zwrotka
wers
9
DTD prosty przyklad
lt!DOCTYPE wiersz lt!ELEMENT wiersz (autor,
tytul, zwrotka)gt lt!ATTLIST wiersz bialy
(taknie) niegt lt!ELEMENT autor (PCDATA)gt
lt!ELEMENT tytul (PCDATA)gt lt!ELEMENT zwrotka
(wers)gt lt!ELEMENT wers (PCDATA)gt gt
zawartosc elementów
atrybuty
element glówny
wyrazenia regularne
10
Skladnia DTD

• Deklaracja DOCTYPE
• lt!DOCTYPE name external-id declarations gt
• Deklaracja elementu
• lt!ELEMENT name (content-model)gt
• Deklaracja atrybutów
• lt!ATTLIST element name type default
  name type default ...gt

11
Elementy - modelowanie

• Informacje przenoszone przez elementy
• zawartosc (elementy semantyczne, np. nazwisko,
  nazwa leku, adres),
• struktura (np. rozdzial, akapit, tytul, lista),
• typografia (np. kursywa, Times, pólgruby),
• wyszukiwanie (np. termin do indeksu, glosariusza,
  a takze elementy dedykowane),
• odeslania (np. hiperlinki, noty, przypisy).

12
Modele zawartosci elementów

• Podelementy lt!ELEMENT wiersz (autor, tytul,
  zwrotka)gt
• Tekst lt!ELEMENT autor (PCDATA)gt
• Mieszanylt!ELEMENT wers (PCDATA cytat
  kursywa)gt
• ANYlt!ELEMENT cytat ANYgt
• EMPTYlt!ELEMENT ilustracja EMPTYgt

13
Budowanie modeli zawartosci

• Znana notacja
• jeden lub wiecej
• zero lub wiecej
• , sekwencja
• alternatywa
• ? opcjonalny
• Fragment zawartosci (content particle)
  wyrazenie zbudowane z polaczonych spójnikami
• nazw elementów,
• PCDATA,
• fragmentów zawartosci.

14
Fragmenty zawartosci przyklad
lt!ELEMENT slownik (haslo, (znaczenie
definicja), etymologia?) gt
znaczenie
(znaczenie definicja)
(haslo, (znaczenie definicja), etymologia?)
znaczenie
15
Typy atrybutów

• CDATA ciag znaków
• NMTOKEN ciag znaków mogacych wystepowac w
  nazwach atrybutów i elementów
• NMTOKENS ciag NMTOKEN oddzielanych spacjami
• ID identyfikator unikalny w dokumencie
• IDREF wskaznik do ID innego elementu
• IDREFS ciag IDREF oddzielany spacjami
• ENTITY nazwa encji (musi byc zadeklarowana)
• ENITIES ciag ENTITY oddzielany spacjami
• (abc) typ wyliczeniowy

16
Rodzaje atrybutów

• REQUIRED
• IMPLIED
• FIXEDlt!ATTLIST NIP OPIS CDATA FIXED Numer
  Identyfikacji Podatkowejgt
• Wartosc domyslnalt!ATTLIST wiersz bialy (taknie)
  niegt

17
Normalizacja wartosci atrybutów

• Upraszcza tworzenie dokumentów.
• Kroki normalizacji
• usuniecie otaczajacych cudzyslowów lub
  apostrofów,
• zastapienie referencji do znaków przez
  odpowiednie znaki,
• rozwiniecie encji ogólnych,
• zastapienie znaków konca wiersza spacjami,
• dla atrybutów typu NMTOKEN, NMTOKENS, ENTITY,
  ENTITIES, ID, IDREF, IDREFS
• usuniecie wiodacych i koncowych spacji,
• zastapienie ciagów spacji pojedynczymi spacjami.

18
Fizyczna struktura dokumentu encje

• Encja (entity)
• fizyczna reprezentacja obiektu informacyjnego w
  systemie, uogólnienie pojecia "plik",
• jednostka fizycznej budowy dokumentu, uogólnienie
  pojecia "makro".
• Dokument ? plik ? encja
• encja dokumentu (document entity),
• zawartosc dokumentu moze znajdowac sie w wielu
  encjach (reprezentowanych np. przez pliki).

19
Encje predefiniowane

• amp
• lt lt
• gt gt
• apos '
• quot "

20
Encje wewnetrzne i zewnetrzne

• Encje wewnetrzne
• DTDlt!ENTITY xml "lttermgtExtensible Markup
  Languagelt/termgt"gt
• Instancja dokumentuMetajezyk xml wywodzi sie
  z SGML-a.
• Encje zewnetrzne
• DTDlt!ENTITY intro SYSTEM "intro.xml"gtlt!ENTITY
  chap1 SYSTEM "chapter1.xml"gtlt!ENTITY chap2
  SYSTEM "chapter2.xml"gt
• Instancja dokumentultbookgt intro chap1
  chap2lt/bookgt

21
Jak odwolywac sie do encji zewnetrznych

• Identyfikatory zewnetrzne
• Identyfikator systemowySYSTEM "docbook.dtd"
• Identyfikator publicznyPUBLIC "-//OASIS//DTD
  DocBook V3.1//EN"
• Odwzorowanie identyfikatorów publicznych na
  systemowe plik catalog.

22
Plik catalog

• Format OASIS (odziedziczony po SGML-u)PUBLIC
  "-//W3C//DTD HTML 4.0 Transitional//EN"
  "html40-l/html40-l.dtd"PUBLIC "-//ArborText//DTD
  Article 950601//EN" "article/article.dtd"
• Format XCatalogltXMLCataloggt ltMap PublicId
  "-//W3C//DTD HTML 4.0 Transitional//EN"
  HRef"html40-l/html40-l.dtd "/gt ltMap PublicId
  "-//ArborText//DTD Article 950601//EN"
  HRef"article/article.dtd"/gtlt/XMLCataloggt

23
Encje parametryczne

• Wykorzystywane w DTD, np
• lt!ENTITY inline "(PCDATA emph keyword
  name)"gt
• lt!ELEMENT para inlinegtlt!ELEMENT list
  (list-item)gtlt!ELEMENT list-item
  inlinegtlt!ELEMENT definition (inline
  defined-word)gt
• Zewnetrzne encje parametryczne modularyzacja
  DTD, np
• lt!ENTITY calstbls PUBLIC "-//ArborText//ELEME
  NTS CALS Table Structures//EN"gtcalstbls

24
Encje nieprzetwarzane

• Odwolania do obiektów nieprzetwarzanych przez
  parser XML (grafiki, dzwieku, plików binarnych,
  itp.)
• W DTD
• deklaracja notacjilt!NOTATION GIF SYSTEM
  "gifmagic.exe"gt
• deklaracja atrybutu encyjnegolt!ELEMENT pic
  EMPTYgtlt!ATTLIST pic name ENTITYgt
• deklaracja encji nieprzetwarzanejlt!ENTITY logo
  SYSTEM "logo.gif" NDATA "GIF"gt
• W instancji dokumentu
• odwolanie do encjiltpic name"logo"/gt

25
Encje podsumowanie
Encje ogólne Encje ogólne Encje parametryczne Encje parametryczne
Encje przetwarzane Encje nieprzetwarzane Encje przetwarzane Encje nieprzetwarzane
Encje wewnetrzne ? ? ? ?
Encje zewnetrzne ? ? ? ?
26
Gdzie umiescic DTD?

• W encji dokumentu
• lt!DOCTYPE wiersz lt!ELEMENT wiersz (autor,
  tytul, zwrotka)gt lt!ATTLIST wiersz bialy
  (taknie) niegt lt!ELEMENT autor (PCDATA)gt
  lt!ELEMENT tytul (PCDATA)gt lt!ELEMENT zwrotka
  (wers)gt lt!ELEMENT wers (PCDATA)gtgtltwiersz
  gt ltautorgtWilliam Shakespearelt/autorgt
  lttytulgtSonet CCIIlt/tytulgt ltzwrotkagt...lt/zwrotkagt
  ltwierszgt

27
Gdzie umiescic DTD?

• W zewnetrznej encji
• wiersz.dtdlt!DOCTYPE wiersz lt!ELEMENT wiersz
  (autor, tytul, zwrotka)gt lt!ATTLIST wiersz
  bialy (taknie) niegt lt!ELEMENT autor
  (PCDATA)gt lt!ELEMENT tytul (PCDATA)gt
  lt!ELEMENT zwrotka (wers)gt lt!ELEMENT wers
  (PCDATA)gtgt
• sonet.xmllt!DOCTYPE wiersz SYSTEM
  "wiersz.dtd"gtltwierszgt ltautorgtWilliam
  Shakespearelt/autorgt lttytulgtSonet CCIIlt/tytulgt
  ltzwrotkagt...lt/zwrotkagtltwierszgt

28
Gdzie umiescic DTD?

• Polaczenie obu metod
• wiersz.dtdlt!DOCTYPE wiersz lt!ELEMENT wiersz
  (autor, tytul, zwrotka)gt lt!ATTLIST wiersz
  bialy (taknie) niegt lt!ELEMENT autor
  (PCDATA)gt lt!ELEMENT tytul (PCDATA)gt
  lt!ELEMENT zwrotka (wers)gt lt!ELEMENT wers
  (PCDATA)gtgt
• sonet.xmllt!DOCTYPE wiersz SYSTEM "wiersz.dtd"
  lt!ENTITY ws "William Shakespeare"gtlt!ATTLIST
  wiersz rodzaj IMPLIEDgtgtltwiersz
  rodzaj"sonet"gt ltautorgtwslt/autorgt
  lttytulgtSonet CCIIlt/tytulgt ltzwrotkagt...lt/zwrotkagt
  ltwierszgt

29
Zewnetrzny i wewnetrzny podzbiór DTD

• Zewnetrzny podzbiór DTD deklaracje wspólne dla
  wszystkich dokumentów danego typu
• elementy, atrybuty,
• encje parametryczne.
• Wewnetrzny podzbiór DTD deklaracje lokalne dla
  dokumentu
• deklaracje encji,
• deklaracje notacji.
• Zaawansowane mozliwosci wewnetrznego podzbioru
  DTD
• przedefiniowywanie encji parametrycznych,
• przedefiniowywanie atrybutów,
• dodawanie nowych atrybutów,
• sekcje warunkowe.

30
Zaawansowana skladnia XML

• Komentarz
• lt!-- komentarz --gt
• Instrukcja przetwarzania
• lt?target processing-instruction-body?gt
• Sekcja CDATA
• lt!CDATAdowolny lttekst " nieprzetwarzany przez
  parsergt
• Odwolania do znaków
• 161
• xA1
• kody zgodne ze standardem ISO/IEC 10646.

31
Unicode

• Swiatowy standard kodowania narodowych znaków
  przy pomocy dwubajtowych par
• podzbiór ISO/IEC 10646.
• Odmiany
• UTF-7,
• UTF-8 (pierwsze 128 - ASCII),
• UTF-16.
• Obowiazkowy standard dla dokumentów XML
• kazde narzedzie XML-owe musi wspieracprzynajmniej
  UTF-8.

32
Gdzie szukac dalej

• DTD Tutorial
• www.xmlfiles.com/dtd
• David Megginson, Structuring XML Documents,
  Prentice Hall, 1998