Moderní značkovací jazyky a jejich aplikace

World Wide Web Consortium (W3C): http://www.w3.org/
Přehled XML aktivit W3C: http://www.w3.org/XML/Activity - specifikace standardů, konference, odkazy na SW, referenční nástroje, odkazy (obnovováno podle potřeby)
XML Startkabel (EN/NL): http://xml.startkabel.nl - aktuality, odkazy (obnovováno cca 1x týdně)
Zvon: http://zvon.org - asi nejlepší soubor tutoriálů, on-line referencí v mnoha jazycích, místo je hostované v ČR.
What is XML? na XML.COM: http://www.xml.com/pub/a/98/10/guide0.html - jeden z úvodních článků ke XML
The Extensible Markup Language (XML) USENET newsgroup: news:comp.text.xml - nejznámější USENET news skupina ke XML
XML-DEV: mailto:xml-dev@xml.org - nejznámější maillist ke xml standardům
Archív xml-dev: http://lists.xml.org/archives/xml-dev/ - archív předchozího maillistu
XML : XML Quick Syntax Reference Card - výborná stručná referenční karta

Extensible Markup Language (XML) - další odkazy, zejména na software

IBM DeveloperWorks, sekce XML: http://ibm.com/developer/xml - články, tutoriály, software atd. na vysoké technické úrovni
IBM AlphaWorks: http://www.alphaworks.ibm.com - alpha-software fy IBM k volnému vyzkoušení
O'Reilly XML.COM: http://xml.com - články, tutoriály atd. na vysoké technické úrovni
Free XML Software (L. M. Garshol): http://www.garshol.priv.no/download/xmltools/ - asi nejlepší kolekce odkazů na nekomerční XML software
XMLSoftware: http://xmlsoftware.com - asi nejlepší kolekce odkazů na obecný XML software (i komerční)
XML Cover Pages na www.oasis-open.org: xml.coverpages.org - denně aktualizovaný soubor odkazů na články, publikace standardů, software, atd. v oblasti XML. Nejlepší zdroj v této kategorii.

Charakteristika XML jazyků

XML není jeden konkrétní značkovací jazyk; je to specifikace určující, jak mají vypadat značkovací jazyky
jedná se tedy o "metajazyk"
konceptuálně jde o zjednodušení SGML standardu, aby se usnadnila práce tvůrcům parserů (analyzátorů) a aplikací
XML navazuje na úspěšnou implementaci SGML - jazyk HTML; má podobné charakteristiky z hlediska zaměření na internet
Momentálně je aktuální specifikací XML 1.0 (Second Edition).
Připravuje se XML 1.1, nyní jako Candidate Recommendation.

Deset zásad pro specifikaci XML standardů

vyňato z preambule ke specifikaci XML 1.0 (Second Edition)

XML shall be straightforwardly usable over the Internet.
XML shall support a wide variety of applications.
XML shall be compatible with SGML.
It shall be easy to write programs which process XML documents.
The number of optional features in XML is to be kept to the absolute minimum, ideally zero.
XML documents should be human-legible and reasonably clear.
The XML design should be prepared quickly.
The design of XML shall be formal and concise.
XML documents shall be easy to create.
Terseness in XML markup is of minimal importance.

Syntaxe XML dokumentů

Základním požadavkem kladeným na každý XML dokument je, že musí být dobře utvořen (well-formed

. A to nastane, právě když:

Taken as a whole, it matches the production labeled document:
```
[1]    document    ::=    prolog element Misc* 
      			
```
tj. obsahuje prolog (hlavičku) a právě jeden, tzv. kořenový element.
It meets all the well-formedness constraints given in the specification.
Each of the parsed entities which is referenced directly or indirectly within the document is well-formed.

Podívejte se na tutoriál základů XML v češtině

Rejstřík (glossary) pojmů ke XML

Fyzická a logická struktura XML dokumentu

U XML dokumentů rozlišujeme strukturu fyzickou a logickou. Aplikační programátory zajímá většinou jen struktura logická, autory obsahu může zajímat i struktura fyzická.

Struktura logická - dokument členíme na elementy (jedne z nich je kořenový - root), jejich atributy, textové uzly v elementech, instrukce pro zpracování - processing instructions, notace, komentáře

Struktura fyzická - jeden logický dokument může být uložen ve více fyzických jednotkách - entitách; vždy alespoň v jedné - tzv. entitě dokumentu - document entity.

Elementy

Jsou objekty vyznačené počáteční a koncovou značkou - start and end tag, např.:

<tagname tag_attributes> tag_content </tagname>

nebo, je-li obsah prázdný - pouze značkou prázdného elementu - empty element tag, např.:

<tagname tag_attributes/>

Atributy

Nesou "dodatečné informace" k elementu - např. jeho ID, požadované formátování - styl, odkazy na další elementy...
Konceptuálně by bylo možné atributy nahradit elementy, ale z důvodu přehlednosti obvykle používáme obojí.
Obsah atributu na rozdíl od obsahu elementu není nijak (na úrovni obecných zásad XML standardů) dále strukturován.

Textové uzly

Nesou textovou informaci. Např. v následující ukázce je ahoj! textovým uzlem:

<em>ahoj!</em>

Instrukce pro zpracování

Instrukce pro zpracování (processing-instruction) píšeme do značek <?target content >

Informují aplikaci o postupu či nastavení nutném pro zpracování daných XML dat. Nepopisují (nepředstavují) obsah, ale zpracování dokumentu.

Notace

Notace (notation) píšeme do značek <!NOTATION name declaration >

Slouží zejména k popisu binárních (non-XML) entit.

Komentáře

Podobně jako v HTML - komentář (comment) píšeme do značek

Komentář nebývá obvykle pro zpracování významný, ale záleží na aplikaci - může např. uchovávat značky Servlet-side Includes (SSI)

Parsery by proto měly komentáře zpracovávat - předávat dále. Např. SAX parsery však tak nečiní!!!

Entity

Entita je základní jednotkou fyzické stavby dokumentu. Odpovídá řetězci, souboru...

Parsery by měly entity zpracovávat tak, aby aplikace nemusela o entitách "nic tušit".

Podrobněji...

Podrobné informace k syntaxi se dozvíme v následující kapitole Standardy rodiny XML

Standardy rodiny XML

Tomáš Pitner

XML 1.0 (Second Edition)

Původní specifikace (W3C Recommendation) XML 1.0 na W3C: http://www.w3.org/XML/
2nd Edition (aktualizace, ne změny) na http://www.w3.org/TR/2000/REC-xml-20001006
výborná komentovaná verze téhož na XML.COM (Annotated XML): http://www.xml.com/pub/a/axml/axmlintro.html
na XML 1.1 (Candidate Recommendation) - změny indukované zavedením UNICODE 3, lepší možnosti normalizace, upřesnění postupu manipulace se znaky ukončení řádku.
(výborný úvodní) Koskův seriál o XML pro Softwarové noviny: http://kosek.cz/clanky/swn-xml/index.html
Seriál o XML na ŽIVĚ
(obsahuje hodně příkladů) Zvon XML Tutorial: http://www.zvon.org/xxl/XMLTutorial/General/book_en.html
Microsoft XML Tutorial: http://msdn.microsoft.com/xml/tutorial/
101 XML Tutorials: http://www.xml101.com/xml/default.asp
XML Tutoriály na Beginners.co.uk
Tutoriály na Developerlife.com: http://developerlife.com

Terminologie - opakování

Správně utvořený (well formed) dokument
Platný (valid) dokument

Terminologie - opakování (2)

uzel (element, atribut, textový uzel, instrukce pro zpracování, komentář)
element
atribut
textový uzel
instrukce pro zpracování
komentář
dále viz např. Koskův seriál o XML na http://kosek.cz/clanky/swn-xml/index.html

Terminologie - opakování (3)

uzel dokumentu
kořenový element

Znaky v XML dokumentech

Přípustné jsou jakékoli UNICODE znaky po x10FFFF (kromě xFFFE, xFFFF a rozmezí xD800 - xDFFF).
jména (names) musí být složena ze nemezerových znaků: číslice, písmena, . (tečka) - (pomlčka, minus) _ (podtržítko) : a dalších, musí začínat písmenem nebo _ :
Kódování těchto UNICODE znaků není podstatné.
Jako implicitní - není-li v prologu (hlavičce) uvedeno jinak - se používá UTF-8 nebo UTF-16.
Rozlišení UTF-8 a UTF-16 se děje pomocí prvních dvou bajtů dokumentové entity (tj. souboru), pomocí tzv. byte-order-mark xFFFE
Není-li uvedena, předpokládá se UTF-8, čili UTF-8 je implicitní kódování UNICODE znaků v XML dokumentech.

Document Type Definition (DTD)

Definice typu dokumentu (použití této definice je pak deklarace typu dokumentu)
Specifikována přímo standardem XML 1.0
Popisuje přípustný obsah elementů, atributů, jejich implicitní (default) hodnoty, definuje použité entity
Může být uvedena jako interní nebo externí DTD (internal and external subset)
Dokument vyhovující DTD je označován jako valid (platný).

DTD - tutoriály

Webreview: http://www.webreview.com/2000/08_11/developers/08_11_00_2.shtml
ZVON: http://www.zvon.org/xxl/DTDTutorial/General/contents.html
XML DTD Tutorial (101): http://www.xml101.com/dtd/

DTD - deklarace typu dokumentu podrobněji

Uvádí se těsně před kořenový elementem konstrukcí

<!DOCTYPE jméno-kořenového-elt Externí-ID [ interní část DTD ]>

Interní nebo externí část (internal or external subset) nemusí být uvedena nebo mohou být uvedeny obě.

Externí identifikátor může být buď

PUBLIC "PUBLIC ID" "URI" (hodí se pro "veřejná", obecně uznané DTD) nebo
SYSTEM "URI" - pro soukromá nebo jiná "ne zcela standardizovaná" DTD ("URI" nemusí být jen URL na síti, může být i jméno souboru, vyhodnocení se děje podle systému, na němž se vyhodnocuje)

Význam interní a externí části je rovnocenný (a nesmí si odporovat - např. dvě definice téhož elementu).

Obsahem DTD je seznam deklarací jednotlivých prvků - elementů, seznamů atributů, entit, notací

DTD - podmíněné sekce

Slouží k "zakomentářování" úseků DTD např. při experimentování.

<![IGNORE[ toto se bude ignorovat ]]>
<![INCLUDE[ toto se zahrne do DTD (tj. nebude se ignorovat)]]>

DTD - definice typu elementu

Popisuje možný obsah elementu, má formu <!ELEMENT jméno-elementu ... >,kde ... může být

EMPTY - prázdný element, může být zobrazen jako <element/> nebo <element></element> - totéž
ANY - povolen je libovolný obsah elementu, tj. text, dětské elementy, ...
může obsahovat dětské elementy - <!ELEMENT jméno-elementu (specifikace dětských elementů)>
může být smíšený - obsahující text i dětské elementy dané výčtem <!ELEMENT jméno-elementu (#PCDATA | přípustné dětské elementy)*>. Nelze specifikovat pořadí nebo počet výskytů konkrétních dětských elementů. Hvězdička za závorkou je povinná - vždy je možný libovolný počet výskytů.

Pro specifikaci dětských elementů používáme:

operátor sekvence (sequence, follow with) ,
operátor volby (výběru, select, choice) |
závorky () mají obvyklý význam
nelze kombinovat v jedné skupině různé operátory , |
počet výskytů dětského elementu omezujeme specifikátory "hvězdička", "otazník", "plus" s obvyklými významy. Bez specifikátoru znamená, že je povolen právě jeden výskyt.

DTD - definice typu (a implicitní hodnoty) atributu

Popisuje (datový) typ, případně implicitní hodnoty atributu u daného elementu.

Má tvar <!ATTLIST jméno-elementu jméno-atributu typ-hodnoty implicitní-hodnota>

Přípustné typy hodnot jsou:

CDATA tučné? netučné? tučné?
NMTOKEN
NMTOKENS
ID
IDREF
IDREFS
ENTITY
ENTITIES
výčet hodnot - např. (hodnota1|hodnota2|hodnota3)
výčet notací - např. NOTATION (notace1|notace2|notace3)

Atributy mohou mít předepsán (povinný) výskyt:

#REQUIRED - atribut je povinný
#IMPLIED - atribut je nepovinný
#FIXED "pevná-hodnota" - atribut je povinný a musí mít právě hodnotu pevná-hodnota

Atribut (i nepovinný) může mít implicitní hodnotu:

"implicitní hodnota" - atribut je nepovinný, ale není-li uveden, chápe se to, jako by měl hodnotu implicitní hodnota

DTD - deklarace entit

Rozlišuje se deklarace vs. reference (tj. použití) dané (již deklarované) entity.

obecné (general) - mohou být

- parsované - soubory se (správně utvořeným) značkováním,
neparsované - např. binární soubory,
znakové - znaky, např. > je referencí na znakovou entitu

parametrické (parametric)

- mohou být použity jen v rámci DTD
- hodí se při např. deklaracích seznamu atributů (pokud je dlouhý, nahradíme ho referencí na parametrickou entitu)
- viz např. DTD pro HTML 4.01 - http://www.w3.org/TR/html4/sgml/dtd.html
-- definicí parametrické entity je např. <!ENTITY % heading "H1|H2|H3|H4|H5|H6">

Jmenné prostory (XML Namespaces)

XML Namespaces (W3C Recommendation): http://www.w3.org/TR/REC-xml-names
Definují "logické prostory" jmen (elementů, atributů) v XML dokumentu.
Dávají uzlům ve stromu XML dokumentu "třetí dimenzi".
Logickému prostoru jmen odpovídá jeden globálně ("celosvětově") jednoznačný identifikátor, daný URI (URL).
NS odpovídající danému URI nemá nic společného s obsahem nacházejícím se případně na tomto URL ("nic se odnikud automaticky nestahuje").
V rámci dokumentů se místo těchto URL používají zkratky, prefixy těchto NS namapované na příslušné URI atributem xmlns:prefix="URI".
Dva NS jsou stejné, jestliže se jejich URI shodují po znacích přesně (v kódování UNICODE).
NS neovlivňují význam textových uzlů.
Element/atribut nemusí patřit do žádného NS.
Deklarace NS má platnost na všechny podřazené uzly (dětské rekurentně), dokud není uvedena jiná deklarace "přemapující" daný prefix.
Jeden NS je tzv. implicitní (default NS), deklarovaný atributem xmlns=
Na atributy se implicitní NS nevztahuje!!!, čili etributy bez explicitního uveení prefixu jsou v NS rodičovského elementu.

Obtíže se jmennými prostory (NS)

Dosud ne všechny parsery dokážou rozpoznávat NS. ...i když problémy jsou s tím dnes výjimečné...

NS jsou nekompatibilní s DTD (DTD přísně rozlišuje např. jméno xi:include a include, přestože patří do stejného NS a mají tedy z hlediska aplikace stejný význam).

XML Base

XML Base, W3C Recommendation 27 June 2001: http://www.w3.org/TR/xmlbase/
Standard pro vyhodnocování relativních URL v odkazech z/na XML dokumenty.
Definuje použití vyhrazeného atributu xml:base označujícího základ pro vyhodnocování relativních URL.
Doplňuje se se standardem XLink.
Respektuje princip "překrývání" bázové adresy nastavené v nadřazeném elementu.

XML Inclusions (XInclude)

XML Inclusions (XInclude) Version 1.0, W3C Candidate Recommendation 21 February 2002, http://www.w3.org/TR/xinclude/
Vkládání (částí) XML dokumentů do dokumentů
Ortogonální k entitám (lze použít oboje v rámci jednoho dokumentu, "nevadí si")
Nezávislé na DTD (zpracování XInclude probíhá až po validaci)
Nezávislé na XML Schema
Definuje jmenný prostor a jeden element <xi:include> s atributy:
href= - vkládaný dokument
parse= - hodnota je buď "text", pak se obsah vkládá jako (neparsovaný) text, nebo "xml", pak se hodnota vkládá jako značkovaný obsah
encoding= - v případě encoding="text" specifikuje (je-li to nutné) kódování daného textu

XML Information Set (XML Infoset)

XML Information Set, W3C Recommendation 24 October 2001, http://www.w3.org/TR/xml-infoset/
Infoset popisuje "jaké všechny informace lze o uzlu (elementu, dokumentu, atributu...) získat"
Každý správně utvořený XML dokument vyhovující standardu pro jmenné prostory (Namespaces) má Infoset
Infoset se skládá z Information items
Infoset se týká dokumentu s již expandovanými entitami
Rozlišuje se infoset dokumentu, elementu, atributu, znaku, instrukci pro zpracování, neexpandované entitě, neanalyzované entitě, notaci
Podrobněji viz specifikace.

Kanonický tvar XML dokumentu

Canonical XML Version 1.0, W3C Recommendation 15 March 2001, http://www.w3.org/TR/xml-c14n
Smyslem je popsat kritéria (a algoritmy), které pomohou rozhodnout, zda jsou dva XML dokumenty ekvivalentní, lišící se pouze fyzickou reprezentací (entity, pořadí atributů, kódování znaků)
Kanonizace "setře" rozdíly mezi takovými dokumenty, k nimž se analyzátor "bude jistě chovat stejně", tj. z pohledu aplikace jsou totožné.
Použití kanonického tvaru je nutné např. u elektronického podpisu XML dat (při výpočtu hodnoty digest).
Bylo by možné nad XML dokumenty definovat i jiné relace ekvivalence než je Canonical XML.
Hlavní zásady:
- kódování v UTF-8
- zlomy řádků (CR, LF) jsou normalizovány podle algoritmu uvedeného v std. XML 1.0
- hodnoty atributů jsou normalizovány
- reference na znakové a parsované entity jsou nahrazeny jejich obsahem
- CDATA sekce jsou nahrazeny jejich obsahem
- hlavička "xml" a deklarace typu dokumentu jsou odstraněny
- bílé znaky mimo kořenový element jsou normalizovány
- jiné bílé znaky (vyjma normalizace zlomu řádků) jsou zachovány
- hodnoty atributů jsou uvozeny "
- speciální znaky v hodnotách atributů a textovém obsahu elementů jsou nahrazeny referencemi na entity
- nadbytečné deklarace jmenných prostorů jsou z každého elementu odstraněny
- implicitní hodnoty atributů jsou dodány do každého elementu (kde je to relevantní)
- na pořadí atributů a deklarací jmenných prostorů se uplatní lexikografické řazení

Potíže při definici kanonického tvaru

Ztráty řady informací (typicky pocházejících z DTD):

neparsované entity (např. binární entity) jsou po kanonizaci nepřístupné
notace
typy atributů (vč. implic. hodnot)

Standardy analýzy a zpracování XML dat

Tomáš Pitner

Table of Contents

Základní pojmy

Cílem rozhraní je
Existují dva hlavní typy rozhraní pro zpracování XML (SGML) dat:

Stromově orientovaná rozhraní (Tree-based APIs)

Mapují XML dokument na stromovou strukturu v paměti
Modely specifické pro konkrétní prostředí

Rozhraní založená na událostech (Event-based APIs)

Při analýze ("parsing") dokumentu "vysílají" zpracovávající aplikaci sled událostí.
Událostmi je např.:
Příklad analýzy s událostmi řízeným rozhraním
Tutoriály k SAX

Rozhraní založená na technice "pull"

Rozhraní založená na technice "pull"

Document Object Model (DOM)

Základní rozhraní pro tvorbu a přístup ke stromové reprezentaci XML dat.
Specifický DOM pro HTML dokumenty
Čím se liší verze (Level) (obecného) DOM 1,2,3?
DOM Level 3
Implementace DOM

Kombinace stromových a událostmi řízených přístupů

Události -> strom
Strom -> události

Vlastnosti (features) nastavitelné pro analýzu - parsing

Virtuální objektové modely

Základní pojmy

Cílem rozhraní je

poskytnout jednoduchý standardizovaný přístup ke XML datům
"napojit" analyzátor (parser) na aplikaci a aplikace navzájem
odstínit aplikaci od fyzické struktury dokumentu (entity)
zefektivnit zpracování XML dat

Existují dva hlavní typy rozhraní pro zpracování XML (SGML) dat:

Stromově orientovaná rozhraní (Tree-based APIs)
Rozhraní založená na událostech (Event-based APIs)

Stromově orientovaná rozhraní (Tree-based APIs)

Mapují XML dokument na stromovou strukturu v paměti

dovolují libovolně procházet ("traverse") vzniklý strom;
nejznámější je Document Object Model (DOM) konsorcia W3C, viz http://www.w3.org/DOM

Modely specifické pro konkrétní prostředí

pro Javu: JDOM - http://jdom.org
pro Javu: dom4j - http://dom4j.org/

Rozhraní založená na událostech (Event-based APIs)

Při analýze ("parsing") dokumentu "vysílají" zpracovávající aplikaci sled událostí.

technicky realizováno jako volání metod ("callback")
aplikace poskytuje handlery, které volání zachytávají a zpracovávají
událostmi řízená rozhraní jsou "nižší úrovně" než stromová, protože
pro aplikaci zůstává "více práce"
jsou však úspornější na paměť (většinou i čas)

Událostmi je např.:

začátek a konec dokumentu (start document, end document)
začátek a konec elementu (start element, end element) - předá současně i atributy
instrukce pro zpracování (processing instruction)
komentář (comment)
odkaz na entitu (entity reference)
Nejznámějším takovým rozhraním je SAX http://www.saxproject.org

Příklad analýzy s událostmi řízeným rozhraním

<?xml version="1.0"?>
<doc>
<para>Hello, world!</para>
</doc>

vyprodukuje při analýze (parsingu) sled událostí:

start document
start element: doc {seznam atributů: prázdný}
start element: para {seznam atributů: prázdný}
characters: Hello, world!
end element: para
end element: doc
end document

Tutoriály k SAX

"Přímo od zdroje" http://www.saxproject.org
SAX Tutorial k JAXP - http://java.sun.com/webservices/docs/ea1/tutorial/doc/JAXPSAX.html

Rozhraní založená na technice "pull"

aplikace "nečeká na události", ale "vytahuje si" příslušná data ze vstupního parsovaného souboru
využíváme tam, kde "víme, co ve zdroji očekávat" a "postupně si to bereme"
... vlastně opak API řízeného událostmi
z hlediska aplikačního programátora velmi pohodlné, ale implementace bývají pomalejší
pro Javu existuje XML-PULL parser API - viz Common API for XML Pull Parsing

Document Object Model (DOM)

Základní rozhraní pro tvorbu a přístup ke stromové reprezentaci XML dat.

existují verze DOM Level 1, 2, 3
DOM je obecně nezávislý na způsobu analýzy (parsingu) vstupního XML
Je popsán IDL definicemi+popisy rozhraní v jednotlivých jazycích (zejm. C++ a Java)

Specifický DOM pro HTML dokumenty

Core (základ) DOM pro HTML je nyní "víceméně" sloučen s DOM pro XML
určen pro styly CSS
určen pro programování dynamického HTML (skriptování - VB Script, JavaScript)
kromě samotného dokumentu model zahrnuje i prostředí prohlížeče (např. window, history...)

Čím se liší verze (Level) (obecného) DOM 1,2,3?

liší se zejména přístupem k (respektováním) jmenných prostorů

a možností nastavování tzv. features

Portál věnovaný DOM http://www.oasis-open.org/cover/dom.html
Vizuální přehled DOM 1 rozhraní http://www.xml.com/pub/a/1999/07/dom/index.html
Tutoriál "Understanding DOM (Level 2)" na http://ibm.com/developer/xmlhttp://ibm.com/developer/xml
DOM Tutorial k JAXP - http://java.sun.com/webservices/docs/ea1/tutorial/doc/JAXPDOM.html

DOM Level 3

Specifikace (WD červen 2001)- http://www.w3.org/TR/2001/WD-DOM-Level-3-Core-20010605/

Implementace DOM

v mnoha parserech
jako součást JAXP (Java API for XML Processing) - http://java.sun.com/xml/jaxp/index.html
i jako samostatné, nezávislé na parserech:
- např. dom4j - http://dom4j.org
- EXML (Electric XML) - http://www.themindelectric.net

Kombinace stromových a událostmi řízených přístupů

Události -> strom

je možné "nezajímavou" část dokumentu přeskočit pomocí sledování událostí a pak
za "zajímavé" části vytvořit strom v paměti

Strom -> události

vytvoříme strom dokumentu (a zpracujeme ho)
strom následně procházíme a generujeme události jako bychom četli výchozí soubor
Toto umožňuje snadnou integraci obou typů zpracování z jedné aplikaci

Vlastnosti (features) nastavitelné pro analýzu - parsing

SAX Quickstart http://www.saxproject.org/?selected=quickstart
Tzv. vlastnosti (features) nastavitelné pro analýzu (parsing) http://www.saxproject.org/?selected=get-set

Virtuální objektové modely

DOM model dokumentu není přítomen v paměti, je zprostředkováván "on demand" při přístupu k jednotlivým uzlům
spojuje výhody událostmi řízeného a stromového modelu zpracování (rychlost + komfort)
implementován např. u procesoru Sablotron (např. viz http://www.xml.com/pub/a/2002/03/13/sablotron.html nebo http://www.gingerall.org/charlie/ga/xml/p_sab.xml)

Odkazy a adresování v XML dokumentech

Tomáš Pitner

Table of Contents

XML Linking Language (XLink)

XLink - úvod
XML Linking Language (XLink) - původ standardu
XLink - historie a motivace
Výhody odkazové infrastruktury na bázi XLink
Specifikace, tutoriály

XLink - základní principy

Integrace XLinku do (schémat) dokumentů
XLink - základní typy
Simple XLink odkaz
Extended XLink odkaz
Příklad odkazu XLink (1) - jednoduchý XLink
Příklad odkazu XLink (2) - rozšířený XLink

Sémantika odkazů XLink

Chování aplikací nad odkazy XLink
Upřesnění role odkazu pro aplikace
Upřesnění role odkazu pro člověka

Použití XLink a implementace procesorů XLink

Procesory XLink
Prohlížeče
Příčiny nízkého rozšíření

Alternativy k XLinku

HLink
VELLUM
VELLUM - přednosti a nedostatky
VELLUM - ukázka
VELLUM - ukázka (2)
VELLUM - ukázka (3)
VELLUM - srovnání s RDF
Odkazy na další zdroje

XPointer

XML Pointer Language (XPointer)
Aktuální specifikace skupiny XPointer
XPointer - terminologie
pojem Point
pojem Range
pojem Location

XPointer - ukázky

XPointer - ukázka (1)
XPointer - ukázka (2)

Zvon XPointer Tutorial - http://www.zvon.org/xxl/xpointer/tutorial/OutputExamples/xpointer_tut.html

XML Linking Language (XLink)

XLink - úvod

XLink pracuje na úrovni XML Infoset

Dovoluje odkazovat se:

v rámci dokumentu,
z jednoho dokumentu na další,
mezi dokumenty (odkaz je uložen mimo ně)

Rozlišuje kategorie:

adresa (též zdroj nebo lokace, tj. odkazovaný objekt - element, skupina elementů, text...)
a vlastní odkaz
Odkaz pak představuje vazbu mezi zdroji s případným upřesněním sémantiky odkazu.

XML Linking Language (XLink) - původ standardu

W3C Recommendation 27 July 2001
Obecný mechanizmus na propojování XML zdrojů (=dokumentů a jejich částí)
Inspirován zejména std. HyTime (http://www.hytime.org/)
Ortogonální k entitám (lze použít současně oboje)
mnohem bohatší sémantika než u entit,
entity se vyhodnocují (resolve) při parsingu,
XLink odkazy většinou až v aplikaci

XLink - historie a motivace

Vychází z pokročilých hypertextových technik - HyTime (pro SGML - viz http://info.admin.kth.se/SGML/Anvardarforening/Arbetsgrupper/HyTime/Reports/tr1v1.html), TEI...
Konstruován tak, že rozšiřuje a upřesňuje syntaxi i sémantiku HTML odkazů

Výhody odkazové infrastruktury na bázi XLink

Na rozdíl od SGML linků (např. v HyTime) můžeme v XML využívat jmenné prostory. Nenutí nás to upravovat DTD při použití odkazů.
Infrastruktura odkazů může existovat (v jiném NS) nezávisle na schématu (struktuře) XML dokumentů, v nichž se odkazy vyskytují.
Odkazy mohou být fyzicky mimo soubory s odkazovanými lokacemi.

Specifikace, tutoriály

XLink - základní principy

Integrace XLinku do (schémat) dokumentů

Atributy a elementy XLinku mají vlastní jmenný prostor
Jako prefix NS se obvykle používá xlink
Příslušnost k XLinku je dána deklarací daného elementu/atributu v XLink NS
to umožňuje flexibilní integraci stávajících schémat (modelů) a XLinku (nemusíme měnit jména "linkovacích" elementů)
XLink odkaz "dovnitř" dokumentů používají standard XPointer (http://www.w3.org/TR/xptr).

XLink - základní typy

Jednoduchý (simple) - vždy "in-line"
Rozšířený (extended) - může být "out-of-line" (i v jiném dokumentu/souboru/databázi odkazů)

Simple XLink odkaz

Váže jeden lokální zdroj na jeden vzdálený (single local -> single remote entity);
Je vyznačen atributem xlink:type="simple";

Extended XLink odkaz

Váže jeden nebo více lokálních a jeden nebo více vzdálených zdrojů
Může mít přesněji definovanou sémantiku (nad rámec výše uvedených možností)
Odkazy mohou být uloženy mimo odkazující zdroj(e)
je vyznačen atributem xlink:type="extended"

extended odkaz se může odkazovat na

lokální zdroje - vyznačené atributem xlink:resource nebo
vzdálené zdroje - vyznačené atributem xlink:locator

Směr odkazu a role participujících zdrojů mohou být upřesněny (nad rámec výše uvedených možností):

uvedením podelementů arc v extended odkazu

Příklad odkazu XLink (1) - jednoduchý XLink


<zvon:logo xmlns:zvon = "http://www.zvon.org"
           xmlns:xlink = "http://www.w3.org/1999/xlink"
           xlink:type="simple"
           xlink:href="zvon.gif"
/>

Příklad odkazu XLink (2) - rozšířený XLink


<?xml version="1.0"?> 
<zvon_tutorial xmlns:xlink="http://www.w3.org/1999/xlink">
   <extendedlink xlink:type="extended">
     Any content here
   </extendedlink>
</zvon_tutorial>

Sémantika odkazů XLink

Chování aplikací nad odkazy XLink

Co má aplikace udělat s odkazovaným dokumentem/prvkem dokumentu je specifikováno atributem xlink:show

new - chápat jako nový dokument (např. otevřít v novém okně)
replace - nahradit jím zdrojový dokument
embed - vložit odkazovaný obsah do zdrojového dokumentu

"kdy to má udělat" - specifikováno atributem xlink:actuate

onLoad - tj. inhed při zpracování zdrojového dokumentu (ale kdy? při parsingu?)
onRequest - na požádání (např. po kliknutí na zobrazený obsah odkazujícího elementu)

Upřesnění role odkazu pro aplikace

roli odkazu lze upřesnit v podobě srozumitelné aplikacím:

atributem xlink:role - u simple i extended odkazu
atributem xlink:arcrole - u elementu arc v extended odkazu

Upřesnění role odkazu pro člověka

Lze upřesnit roli odkazu v podobě srozumitelné člověku:

atributem xlink:title - u simple i extended odkazu i u elementu arc v extended odkazu

Použití XLink a implementace procesorů XLink

Procesory XLink

Zatím nepříliš rozšířené (řádově jednotky aplikací). Nejznámějšími procesory jsou:

Fujitsu XLink Processor (XLiP) - http://www.labs.fujitsu.com/free/xlip/en/
Open source projekt xlinkit - http://www.xlinkit.com/xtoox/index.html
X2X (komerční, velmi drahý produkt) podporuje XLink - http://www.stepuk.com/products/prod_X2X.asp

Prohlížeče

podpora simple odkazů

Mozilla (open source) a Netscape (komerční)
DocZilla (komerční)
MSIE ani Opera (vč. posledních verzí) XLink nepodporují

Příčiny nízkého rozšíření

Vývoj trval dlouho (cca 5 let), mezitím aplikace začaly používat vlastní řešení
Sémantika XLinku je:
- příliš obecná (aplikace raději používaly vlastní, na míru šitý odkazovací jazyk, viz (X)HTML) a současně
- málo obecná (např. RDF metadata popíší vztahy mezi zdroji podrobněji, s typovou kontrolou přes RDF Schemata, atd.)

XLink je také nahrazován aktivitou směřující ke specifikaci XML Topic Maps

Alternativy k `XLink`u

HLink

Cílem je adaptovat XLink pro potřeby XHTML, kde "nelze použít přímo XLink"
viz HLink - Link recognition for the XHTML Family - W3C Working Draft 13 September 2002
specifikace je navržena W3C Working Group, jí oponovala W3C Technical Architecture Group (TAG)
Princip: mapuje vybrané atributy na jejich přesně dané XLink protějšky
tzn. i to, co normálně nemůže být XLinkem, se na XLink může "automaticky" mapovat
Tento standard je kritizován jako "hybrid, který jedině dokazuje praktickou nevhodnost XLinku"
dále viz např. diskuse na xmlhack.com

VELLUM

Nezávislá alternativa Simona St. Laurenta
viz Very Extensible Linking Language Unafraid of Markup (VELLUM)
Nevýhodou je poněkud rozvleklejší ("upovídaný", verbose) zápis, než u XLink
VELLUM is aimed exclusively at "external" or out-of-line linking. This frees VELLUM from the constraints imposed by developer expectations for inline linking.
VELLUM accepts the cost of a verbose form in exchange for the extensibility and precision that element forms and indirection can offer.
VELLUM does permit the use of existing abbreviations (like URIs and URI references), but simultaneously allows developers to specify more information than is carried in those identifiers.
VELLUM also looks forward to the prospect of VELLUM processors which maintain state across multiple traversals and permit the creation of interactive hypertexts, not just collections of connections.

VELLUM - přednosti a nedostatky

VELLUM attempts to provide a general-purpose solution to linking which addresses the complexities raised by the W3C's XPointer and XLink specifications by taking a very different approach. VELLUM does not assume that URIs and URI references are adequate to the task of identifying resources, representations, and fragments of representations, and strives to put XML hyperlinking on firmer but still approachable foundations. VELLUM supports and uses URIs and URI references, but offers options that extend those capabilities.
VELLUM is not a general-purpose solution to hypertext linking. VELLUM is intended to be used in cases where precision is important and verbosity is not a problem. While VELLUM could conceivably be mixed with other vocabularies and used to define links within them, it is not designed explicitly for such use. VELLUM is more appropriate for use in cases like external links and linkbases, where the links are stored separately from the resources they connect. (VELLUM's designer hopes that a simpler mechanism for in-line linking will emerge to complement VELLUM.)
VELLUM both builds on the URI framework and goes beyond the URI framework. URIs and URI references may be used within the VELLUM framework if the level of precision they provide is adequate, but developers can specify more information about issues like content-negotiation within the VELLUM framework if they choose. VELLUM also makes it possible to explicitly specify whether a connection involves an abstract resource or a particular concrete representation.
VELLUM also makes it possible for developers to create metadata which applies to their links in a local context. While XLink uses URIs for everything from href to arcrole, VELLUM lets developers use more intelligible identifiers whose meaning is defined within a particular VELLUM context. While VELLUM may be more verbose than a comparable XLink linkbase, it should (if designed thoughtfully) be more readable.

VELLUM - ukázka


<piece xmlns="http://simonstl.com/ns/vellum" >
   <connections>
       <traverse>
            <from href="http://www.w3.org/TR/REC-xml#sec-common-syn" />
            <to href="http://www.w3.org/TR/REC-xml-names/#ns-qualnames" />
       </traverse>
       <traverse>
             <from href="http://www.w3.org/TR/REC-xml-names/#ns-qualnames" />
             <to href="http://www.w3.org/TR/REC-xml#sec-common-syn" />
       </traverse>
   </connections> 
</piece>

VELLUM - ukázka (2)


<piece xmlns="http://simonstl.com/ns/vellum" >
  <connections>
   <set id="namespaceUses" >
     <member href="http://www.w3.org/TR/REC-xml#sec-common-syn" />
     <member href="http://www.w3.org/TR/xmlschema-2/#QName" />
   </set>
   <traverse>
     <from ref="namespaceUses" />
     <to href="http://www.w3.org/TR/REC-xml-names/#ns-qualnames" />
   </traverse>
  </connections>
</piece>

VELLUM - ukázka (3)


<piece xmlns="http://simonstl.com/ns/vellum" >
  <targets>
    <target id="_xml-names" representation= "http://www.w3.org/TR/REC-xml#sec-common-syn" />
    <target id="_xml-schema-qnames"  representation= 
"http://www.w3.org/TR/xmlschema-2/#QName">
    <target id="_xmlns-qual-names"  representation= 
"http://www.w3.org/TR/REC-xml-names/#ns-qualnames" />
  </targets>
  
  <connections>
   <set id="namespaceUses" >
     <member ref="_xml-names" />
     <member ref="_xml-schema-qnames" />
   </set>
   <traverse>
     <from ref="namespaceUses" />
     <to ref="_xmlns-qual-names" />
   </traverse>
  </connections>
</piece>

VELLUM - srovnání s RDF

koncept VELLUM out-of-line odkazů je podobný metadatům podle rámce RDF (odkazy jsou také metadata...)

proto se k VELLUM vrátíme po prostudování RDF

Odkazy na další zdroje

XLink Tutoriál na Zvonu (http://zvon.org)
Specifikace XLink (http://www.w3.org/TR/xlink)
IBM Developerworks/XML
Portál XML.COM (např. článek What is XLink? http://www.xml.com/lpt/a/2000/09/xlink/index.html)
xmlhack.com

XPointer

XML Pointer Language (XPointer)

W3C Working Draft 16 August 2002

Definuje mechanizmus adresování (tj. "pointing" - ne odkazování!) v rámci XML dokumentu
Rozšiřuje koncept kotvy (anchor) známé z HTML - #jménoKotvy
Umožňuje explicitní adresování navigací i implicitní adresování dotazováním
Umožňuji adresování i v rámci textových uzlů
Umožňuje rozlišit adresu bodu (point) a úseku (range) v XML dokumentu
Jako základ pro specifikaci adresy bere jazyk XPath

Aktuální specifikace skupiny XPointer

POZOR - specifikace XPointer se v současnosti rozpadla na 4 následovníky:

XPointer Framework - This specification defines the XML Pointer Language (XPointer) Framework, an extensible system for XML addressing that underlies additional XPointer scheme specifications. The framework is intended to be used as a basis for fragment identifiers for any resource whose Internet media type is one of text/xml, application/xml, text/xml-external-parsed-entity, or application/xml-external-parsed-entity. Other XML-based media types are also encouraged to use this framework in defining their own fragment identifier languages.
XPointer element() Scheme - The XPointer element() scheme is intended to be used with the XPointer Framework to allow basic addressing of XML elements.
XPointer xmlns() Scheme - The XPointer xmlns() scheme is intended to be used with the XPointer Framework to allow correct interpretation of namespace prefixes in pointers, for instance, namespace-qualified scheme names and namespace-qualified element or attribute names appearing within scheme data.
XPointer xpointer() Scheme - The XPointer xpointer() scheme is intended to be used with the XPointer Framework to provide a high level of functionality for addressing portions of XML documents. It is based on XPath, and adds the ability to address strings, points, and ranges in accordance with definitions provided in DOM 2: Range.

XPointer - terminologie

pojem Point

point - bod, daný svým kontejnerem (container) a celočíselným indexem (pozicí) v rámci kontejneru

bod může mít explicitní nebo implicitní hranici

může být typu node-point nebo character-point

dále viz specifikace - typ Point

viz také tutoriál node-point

a character-point

pojem Range

range - je obsah mezi dvěma body V RÁMCI jednoho dokumentu nebo jedné externí analyzované entity

dále viz specifikace - typ Range

pojem Location

location - "místo" - může být DOM uzel, point, range

dále viz specifikace - typ Location

XPointer - ukázky

XPointer - ukázka (1)


<link xmlns:xlink="http://www.w3.org/2000/xlink" 
      xlink:type="simple" 
      xlink:href="mydocument.xml#xpointer(//AAA/BBB[1])">
</link>

XPointer - ukázka (2)

Xpointer výraz b2/3 nebo xpointer(id('b2')/*[3]) vybere z následujícího dokumentu


 <AAA>
   <BBB myid="b1" bbb="111">
     Text in the first element BBB.</BBB>
   <BBB myid="b2" bbb="222">
      Text in another element BBB. 
     <DDD ddd="999">
       Text in more nested element.</DDD>
     <DDD ddd="888">
       Text in more nested element.</DDD>
     <DDD ddd="777">
       Text in more nested element.</DDD>
   </BBB>
   <CCC ccc="123" xxx="321">
     Again some text in some element.</CCC>
 </AAA>

...třetí uzel DDD ddd="777"...

Zvon XPointer Tutorial - http://www.zvon.org/xxl/xpointer/tutorial/OutputExamples/xpointer_tut.html

Navigace v XML datech - XPath

Tomáš Pitner

Table of Contents

XPath - aplikační oblasti
XPath - hlavní principy
XPath - pojem cesty (paths) a lokace (locations)
XPath - osy (axes)
XPath - predikáty (predicates)
XPath - Výrazy
XPath - zkrácená notace
XPath - zkrácená notace (2)
Informační zdroje k XPath
XPath 2.0
XPath 2.0 - příklady

XPath - aplikační oblasti

Pokročilá navigace v XML datech
Transformace (XSLT)
V "selekční části" XML dotazovacích jazyků
V některých modelovacích jazycích - Schematron

XPath - hlavní principy

XPath je syntaxe pro specifikaci částí XML dokumentů (uzly, množiny uzlů, nelze specifikovat části textových uzlů)

XPath používá syntaxi obdobnou jako cesta v souborovém systému

XPath používá knihovnu standardních funkcí (evt. uživatelsky definovaných - v XPath 2.0 nebo i XPath 1.x, ale proprietárně - podle procesorů)

XPath je od v 1.0 základem pro XSLT, od 2.0 i pro XQuery

XPath syntaxe není XML

XPath 1.0 je W3C Recommendation - http://www.w3.org/TR/xpath

XPath - pojem cesty (paths) a lokace (locations)

Cesta určuje lokaci v dokumentu

Cesty jsou konstruovány podobně jako cesty ve FS, tj.

relativní - vyhodnocovány vůči KU
absolutní - od kořene, ale výrazy (predikáty) také vyhodnocovány vůči KU

Syntaktická pravidla: [20] PathExpr ::= AbsolutePathExpr | RelativePathExpr [22] AbsolutePathExpr ::= ("/" RelativePathExpr?) | ("//" RelativePathExpr) [23] RelativePathExpr ::= StepExpr (("/" | "//") StepExpr)* [24] StepExpr ::= AxisStep | GeneralStep [25] AxisStep ::= (Axis? NodeTest StepQualifiers) | AbbreviatedStep

XPath - osy (axes)

Osy jsou množiny prvků dokumentu, vymezené (obvykle relativně) vůči kontextu.

Kontext je tvořen především dokumentem a aktuálním uzlem.

Jako osy je možné použít:

child - obsahuje dceřinné uzly kontextového (aktuálního) uzlu
descendant - obsahuje všechny potomky kontextového (aktuálního) uzlu (dále jen KU). Nepočítají se mezi ně atributy!!!
parent - obsahuje rodičovský uzel KU (existuje-li)
ancestor - obsahuje všechny předky - rodiče, "prarodiče"... kořenový element (pokud KU není sám kořenový)
following-sibling - obsahuje všechny následující sourozence KU (pro NS a atributy je tato osa prázdná)
preceding-sibling - dtto, ale obsahuje předchozí sourozence
following - obsahuje všechny uzly nacházející se po KU (mimo atributů, potomků a NS uzlů
preceding - dtto, ale obsahuje předchozí uzly (ale mimo předky, attributy, NS!)
attribute - obsahuje atributy (jen pro uzly - elementy)
namespace - obsahuje všechny NS uzly KU (jen pro uzly - elementy)
self - obsahuje samotný KU
descendant-or-self - obsahuje sjednocení os descendant a self
ancestor-or-self - obsahuje sjednocení os ancestor a self

XPath - predikáty (predicates)

Určeny k selekci (výběru) z uzlů specifikovaných např. cestou

př.: /article/para[3] - vybere třetí odstavec v článku

Nejjednodušším výrazem v predikátu je specifikace pozice (blízkosti) (proximity position) - viz výše

pozor u reverzních os (ancestor, preceding...) - pozice se počítá v rámci množiny uzlů vždy OD KONTEXTOVÉHO UZLU!
specifikaci pozice 3 možno nahradit výrazem position()=3

XPath - Výrazy

Určeny k použití v predikátech, k výpočtům, atd.

Výrazy mohou být:

řetězcové
numerické (hodnotami jsou floating-point čísla)
logické (boolean)
uzly a množiny uzlů

XPath - zkrácená notace

para selects the para element children of the context node
* selects all element children of the context node
text() selects all text node children of the context node
@name selects the name attribute of the context node
@* selects all the attributes of the context node
para[1] selects the first para child of the context node
para[last()] selects the last para child of the context node
*/para selects all para grandchildren of the context node
/doc/chapter[5]/section[2] selects the second section of the fifth chapter of the doc
chapter//para selects the para element descendants of the chapter element children of the context node
//para selects all the para descendants of the document root and thus selects all para elements in the same document as the context node
//olist/item selects all the item elements in the same document as the context node that have an

olist parent

. selects the context node
.//para selects the para element descendants of the context node
.. selects the parent of the context node
../@lang selects the lang attribute of the parent of the context node

XPath - zkrácená notace (2)

Nejpoužívanější zkracování je osy child:

tj. typu article/para místo child::article/child::para.
a atributu: píšeme para[@type="warning"] místo child::para[attribute::type="warning"]
Další použíané zkracování je // místo /descendant-or-self::node()/
a samozřejmě zkratky . a ..
Pro přehlednost někdy delší formu zachováváme

Informační zdroje k XPath

XPath na W3C: http://www.w3.org/TR/xpath
Zvon XPath Tutorial: http://zvon.org/xxl/XPathTutorial/Output/index.html
XPath Tutorial na W3Schools: http://www.w3schools.com/xpath/xpath_intro.asp

XPath 2.0

zatím jako PRACOVNÍ NÁVRH - http://www.w3.org/TR/xpath20/
Změna pohledu na hodnoty vrácené XPath výrazem: vše jsou sekvence (byť jednoprvkové)
->odstraňuje problémy s "pořadím" uzlů v množině
Zavádí podmíněné výrazy a cykly
Zavádí možnost uživatelských funkcí (psaných jako dynamicky vyhodnocované výrazy v XPath)
Lze použít existenční a obecné kvantifikátory, např. exist student/name="Fred" nebo all student/@id
Dále viz např. http://saxon.sourceforge.net/saxon7.0/index.html

XPath 2.0 - příklady

Řetězcové funkce - xpath20/string.html
Numerické funkce - xpath20/numeric.html
Funkce nad sekvencemi - xpath20/sequence.html
Booleovské funkce - xpath20/boolean.html

Transformace XML dat

Tomáš Pitner

Table of Contents

Jazyk XSLT

Souvislosti, historie
Hlavní principy
Hlavní informační zdroje - specifikace, tutoriály

Syntaxe XSLT

Struktura celého XSLT stylu
XSLT šablony

Sémantika XSLT

XSLT - postup zpracování vstupního dokumentu
XSLT - pořadí volání šablon
XSLT - specifikace výstupu/"výsledku" šablony
XSLT - výstup textových uzlů
Implicitní šablony
Přehled implicitních šablon
Přehled implicitních šablon (2)

Vybrané XSLT konstrukce podrobněji

Generování pevně daného elementu s atributy
Generování elementu s kalkulovaným názvem i atributy
Řízení chodu transformace uvnitř šablony - větvení
Řízení chodu transformace uvnitř šablony - vícecestné větvení
Řízení chodu transformace uvnitř šablony - cykly

Pokročilá témata

Režimy (módy) zpracování
Deklarace a volání pojmenovaných šablon
Automatické (generované) číslování
Automatické číslování (2)
Co používat raději?
Znovupoužitelnost stylů

Návrhové vzory

Odkazy na pokročilá témata

Jazyk XSLT

Souvislosti, historie

XSLT (eXtensible Stylesheet Language Transformation) je jazyk pro specifikaci transformací XML dokumentů na (obvykle) XML výstupy, případně textové, HTML či jiné výstupní formáty.
Původní aplikační oblastí byla transformace XML dat na XSL:FO (formátovací objekty), tedy vizualizace XML.
XSLT byl tedy součástí specifikací XSL (eXtensible Stylesheet Language).
Později se z XSL vyčlenil a začal být chápán jako univerzální jazyk popisu obecných XML->XML(txt, HTML) transformací.
Aktuální verze je dána specifikací XSLT 1.0.
Práce na verzi 1.1 byly zastaveny ve prospěch vývoje XSLT 2.0.

Hlavní principy

XSLT je funkcionálním jazykem, kde redukční pravidla mají podobu šablon, které předepisují, jak se uzly zdrojového dokumentu přepisují do výstupního dokumentu.
Specifikace XSLT transformace je obsažena v tzv. stylu (stylesheet), což je XML dokument tvořený podle syntaxe XSLT. Kořenovým elementem je stylesheet nebo transformation (to jsou synonyma).
XSLT styl obsahuje tzv. šablony (template).
Šablony mají výběrovou část - která reprezentuje levou stranu funkcionálního redukčního pravidla a konstrukční část představující pravou stranu red. prav.
Výběrovou část tvoří atribut match šablony.
Konstrukční část představuje tělo elementu šablony.
Vlastní transformace pak znamená, že interpreter XSLT stylů (XSLT procesor, XSLT engine) bere uzly vstupního dokumentu, vyhledá k nim vhodnou šablonu - podle její výběrové části - a vyprodukuje výsledek odpovídající konstrukční části pravidla daného touto šablonou.

Hlavní informační zdroje - specifikace, tutoriály

XSLT 1.0 W3C Recommendation: http://www.w3.org/TR/xslt
What is XSLT? na XML.COM: http://www.xml.com/pub/a/2000/08/holman/index.html
Mulberrytech.com XSLT Quick Reference (2xA4, PDF): http://www.mulberrytech.com/quickref/XSLTquickref.pdf
Dr. Pawson XSLT FAQ: http://www.dpawson.co.uk/xsl/xslfaq.html
Zvon XSLT Tutorial: http://zvon.org/xxl/XSLTutorial/Books/Book1/index.html

Syntaxe XSLT

Struktura celého XSLT stylu

Kořenový element xsl:transform nebo xsl:stylesheet uzavírá celý XSLT styl a specifikuje NS prefix pro XSLT elementy.

V kořenovém elementu je:

Deklarace parametrů (a jejich implic. hodnoty) - elt. xsl:param. Parametry lze nastavit při volání XSLT procesoru - např. java net.sf.saxon.Transform -o outfile.xml infile.xml style.xsl -Dparam=paramvalue
Deklarace a inicializace proměnných - elt. xsl:variable - proměnné jsou de facto totéž, co parametry, ale nejsou nastavitelné zvenčí.
Je třeba si uvědomit, že XSLT (bez procesorově-specifických rozšíření) je čistý funkcionální jazyk, tj. aplikace šablony nemá vedlejší efekt -> proměnné lze přiřadit jednou, pak už jen číst!
Deklarace (formátu) výstupu - elt. xsl:output
...kromě toho tam mohou být další, méně používané XSL elementy - viz např. dokumentace SAXONu
pak následují vlastní šablony - elt. xsl:template

XSLT šablony

Šablona (template) je specifikace který uzel přepsat a na co (jak).

Který uzel se přepisuje, je dáno atributemmatch.

Na co se přepisuje, je uvedeno v těle šablony.

Šablona může být explicitně pojmenovaná (named template), v tom případě ji lze volat přímo/explicitně pomocí xsl:call-template.

Sémantika XSLT

XSLT - postup zpracování vstupního dokumentu

Nejdříve se za aktuální uzel zvolí kořen, tj. uzel odpovídající XPath výrazu /
Najde se šablona (explicitní nebo implicitní - viz např. XSLT/XPath Quick Reference), jejíž match atribut chápaný jako XPath predikát vrátí v kontextu aktuálního uzlu true (tedy tzn. "matchuje" aktuální uzel).
Pokud je jich více - nastává nejednoznačnost - pak je indikována chyba.
Pokud je taková šablona právě jedna, aplikuje se, což znamenápřenesení jejího obsahu do výstupního result tree fragmentu.

XSLT - pořadí volání šablon

Je možné je specifikovat:

Přímo/explicitně voláním (pojmenované) šablony - což ale odpovídá spíše přístupu procedurálních jazyků, takže se tomu spíše vyhýbáme.
Nepřímo/implicitně tím, že se zavolá šablona, jejíž vzor (obsah atr. match) "pasuje" ("matchuje") na vybraný uzel - funkcionální přístup. Výběr uzlu se přitom děje opět:
- Explicitně ("řízeně") uvedením atributu select u apply-templates. Takto můžeme vybrat jak dceřinné elementy, tak dceřinné uzly, tak jakékoli jiné uzly odpovídající XPath výrazu uvedenému v select.
- Implicitně, necháme-li procesor sám "si uzel vybrat" (u apply-templates neuvádíme select). V tomto případě se ale vybírají pouze dceřinné elementy kontextového uzlu.

XSLT - specifikace výstupu/"výsledku" šablony

Výstupem aplikace šablony je část tzv. result tree fragmentu.
Výstupy jednotlivých šablon se "skládají" na to místo result tree fragmentu, který odpovídá pořadí volání šablon.
Výstup celé transformace pak směřuje standardně do jednoho proudu, kde se z výstupního proudu událostí generuje výsledný (XML, text, HTML) dokument.
Výstup bývá procesorem primárně genrerován jako sled událostí (např. SAX2), které jsou až druhotně převáděny na výsledný dokument - s uplatněním výstupního kódování, atd.

XSLT - výstup textových uzlů

Jak dostat text (textový uzel) na výstup?

Vepsat text přímo (jako literál) do výstupu (konstrukční části) šablony. Pozor na bílé znaky (mezery, CR/LF)!
vepsat text přímo (jako literál) do výstupu šablony. Pozor na bílé znaky (mezery, CR/LF)!
do speciálního elt. <xsl:text>textový uzel</xsl:text>. Bílé znaky jsou v něm vždy zachovány/respektovány!

Implicitní šablony

Implicitní šablony jsou "vestavěné" v každém korektním procesoru XSLT:

aby byly (alespoň jistým standardním "fallback" způsobem) zpracovány základní struktury (procházení stromu dokumentu)
abychom "ušetřili psaní" často používaných šablon (ignorování komentářů a PI).
Jsou překrytelné, abychom mohli chování změnit uvedením vlastní šablony, která bude mít stejnou (nebo překrývající se) klauzuli match=.

Přehled implicitních šablon

"Default tree (do-nothing) traversal":

 <xsl:template match="*|/">
  <xsl:apply-templates/> <xsl:template>

"Default tree (do-nothing) traversal for specified mode":

 <xsl:template match="*|/"
  mode="..."> <xsl:apply-templates mode="..."/>
  <xsl:template>

Přehled implicitních šablon (2)

"Copy text nodes and attributes" (do výsledku zkopíruje textové uzly a atributy):

 <xsl:template match="text()|@*">
  <xsl:value-of select="."/> <xsl:template>

"Ignore PIs and comments" ignoruje (nezahrnuje do výsledku PI a komentáře):

 <xsl:template
  match="processing-instruction()|comment()" />

Vybrané XSLT konstrukce podrobněji

Generování pevně daného elementu s atributy

Cíl: Vygenerovat na výstup předem daný element (s předem známým jménem), ale s atributy s hodnotami kalkulovanými při transformaci.

Řešení: Použít normální postup - literal result element - a hodnoty atributy specifikovat jako tzv. attribute value templates (AVT):

Vstup:

 <link ref="odkaz_dovnitr_dok"> ... </link>

Šablona:

 <xsl:template
  match="link"> <a href="#{@ref}"> ...
  </a> </xsl:template>

Transformuje odkaz link na a, hodnotu atributu href spočte tak, že před hodnotu původního atributu ref přidá znak #

Generování elementu s kalkulovaným názvem i atributy

Cíl: Vygenerovat na výstup element, jehož název, atributy i obsah předem - při psaní stylu - neznáme.

Řešení: Použít do konstrukční části šablony xsl:element:

Vstup:

 <genarate element="elt_name"> ...
  </generate>

Šablona:

  <xsl:template match="generate"> <xsl:element
  name="@element"> <xsl:attribute
  name="id">ID1</xsl:attribute> </xsl:element>
  </xsl:template>

Vytvoří element s názvem elt_name, opatří jej atributem id="ID1".

Řízení chodu transformace uvnitř šablony - větvení

Cíl: Větvit generování výstupu na základě podmínky.

Řešení: Použít do konstrukční části šablony větvení - jednoduché xsl:if nebo vícecestné xsl:choose/xsl:when/xsl:otherwise:

Vstup:

 <rohlik cena="5"> ... </rohlik>

Šablona:

 <xsl:template match="rohlik"> <p>
  <xsl:if test="cena>2"> <span
  class="expensive">Drahý</span> </xsl:if> rohlík
  - cena <xsl:value-of select="@cena"/> Kč </p>
  </xsl:template>

Vytvoří element p, do něj vloží info o rohlíku - se zvýrazněním, je-li drahý.

Řízení chodu transformace uvnitř šablony - vícecestné větvení

Vstup:

 <rohlik
  cena="5"> ... </rohlik> <rohlik
  cena="2"> ... </rohlik> <rohlik
  cena="0.9"> ... </rohlik>

Šablona:

 <xsl:template match="rohlik"> <p>
  <xsl:when test="cena>2"> <span
  class="expensive">Drahý</span> </xsl:when>
  <xsl:when test="cena<1"> <span
  class="strangely-cheap">Podezřele levný</span>
  </xsl:when> <xsl:otherwise> <span
  class="normal-price">Běžný</span>
  </xsl:otherwise> rohlík - cena <xsl:value-of
  select="@cena"/> Kč </p> </xsl:template>

Odfiltruje dvě extrémní úrovně ceny - pro xsl:otherwise zůstane normální cena.

Řízení chodu transformace uvnitř šablony - cykly

Cíl: Větvit generování výstupu na základě podmínky.

Řešení: Použít do konstrukční části šablony větvení - jednoduché xsl:if nebo vícecestné xsl:choose/xsl:when/xsl:otherwise:

Vstup:

 <pecivo> <rohlik cena="5"> ...
  </rohlik> <rohlik cena="2"> ... </rohlik>
  <rohlik cena="0.9"> ... </rohlik> </pecivo>

Šablona:

 <xsl:template
  match="pecivo"> <xsl:for-each select="rohlik">
  <p>Rohlík - cena <xsl:value-of select="@cena"/>
  Kč</p> </xsl:for-each> </xsl:template>

Vytvoří element p, do něj vloží info o rohlíku - se zvýrazněním, je-li drahý.

Pozor: Konstrukce xsl:for-each má typicky procedurální charakter, je dobré s ní šetřit. D8v8 toti6 minumum flexibility na obsah iterované množiny uzlů - tj. předem musím vědět, co tam bude.

Pokročilá témata

Režimy (módy) zpracování

Motivace: Módy umožňují mít paralelně sadu šablon se stejnými vzory match, používaných ale pro různé účely, např.:

jedna sada pro generování obsahu (index) dokumentu
druhá pro formátování plného textu dokumentu

Při explicitním vyvolání aplikace šablon (apply-templates) lze uvést mód (atributem mode=):

uvede-li se, aplikují se pouze šablony se stejným módem, jaký byl uveden v xsl:apply-templates mode="mód".
neuvede-li se, aplikují se pouze šablony bez specifikace módu (bez atributu mode=).

Deklarace a volání pojmenovaných šablon

Deklarace - xsl:template name="jmeno_sablony"

Šablona smí obsahovat deklarace parametrů:

<xsl:paramname="jmenoParametru"/>

Volání - <xsl:call-templatename="jmenoSablony">

volání smí specifikovat parametry:

<xsl:with-param name="jmenoParametru" select="hodnotaParametru"/> nebo
<xsl:with-param name="jmenoParametru">hodnota parametru</xsl:with-param>

Automatické (generované) číslování

Vložíme-li do konstrukční části šablony (do těla šablony) element xsl:number , zajistí nám vygenerování čísla daného čítačem.

Je možné uvést, podle čeho se má číslovat, např.:

pořadového čísla zdrojového elementu v rámci jeho rodičovského elementu
- a to i víceúrovňově, např. číslo kapitoly 1.1. apod.

Example 6.1. Automatické číslování podle pozice elementu

Aplikujeme-li tento styl

<xsl:stylesheet
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
  version="1.0"> <xsl:template match="/">
  <html> <body> <xsl:for-each
  select="devguru_staff/programmer"> <xsl:number
  value="position()" format="1. " /> <xsl:value-of
  select="name" /> <br /> </xsl:for-each>
  </body> </html> </xsl:template>
  </xsl:stylesheet>

na následující zdrojový soubor

<devguru_staff> <programmer>
  <name>Bugs Bunny</name>
  <dob>03/21/1970</dob> <age>31</age>
  <address>4895 Wabbit Hole Road</address>
  <phone>865-111-1111</phone> </programmer>
  <programmer> <name>Daisy Duck</name>
  <dob>08/09/1949</dob> <age>51</age>
  <address>748 Golden Pond</address>
  <phone>865-222-2222</phone> </programmer>
  <programmer> <name>Minnie Mouse</name>
  <dob>04/13/1977</dob> <age>24</age>
  <address>4064 Cheese Factory Blvd</address>
  <phone>865-333-3333</phone> </programmer>
  </devguru_staff>

dostaneme výslednou HTML stránku

<html> <body>1. Bugs
  Bunny<br>2. Daisy Duck<br>3. Minnie
  Mouse<br></body> </html>

Automatické číslování (2)

Example 6.2. Automatické víceúrovňové číslování

Aplikujeme-li tento styl

<xsl:stylesheet
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
  version="1.0"> <xsl:template match="/book">
  <html> <body> <xsl:for-each
  select="chapter"> <h2> <xsl:number
  count="chapter" format="1. "/> <xsl:value-of
  select="title" /> </h2> <xsl:for-each
  select="sect1"> <h3> <xsl:number
  count="chapter" format="1. "/> <xsl:number
  count="sect1" format="a. "/> <xsl:value-of
  select="title" /> </h3> <xsl:apply-templates
  select="para"/> </xsl:for-each> </xsl:for-each>
  </body> </html> </xsl:template>
  </xsl:stylesheet>

na následující zdrojový soubor

<book> <title>Moje nová
  kniha</title> <chapter> <title>První
  kapitola</title> <sect1> <title>První sekce první
  kapitoly</title> <para>Text</para> </sect1>
  <sect1> <title>Druhá sekce první kapitoly</title>
  <para>Text druhé sekce</para> </sect1>
  </chapter> <chapter> <title>Druhá
  kapitola</title> <sect1> <title>První sekce druhé
  kapitoly</title> <para>Text</para> </sect1>
  <sect1> <title>Druhá sekce druhé kapitoly</title>
  <para>Text druhé sekce</para> </sect1>
  </chapter> </book>

dostaneme výslednou HTML stránku

Co používat raději?

Preferovat funkcionální přístup - např. xsl:template match= a xsl:apply-templates select=
před procedurálním přístupem - xsl:template name= a xsl:call-template name=

Používat módy zpracování (xsl:template ... mode= a xsl:apply-templates ... mode=)

módy lze dobře kombinovat s funkcionálním přístupem:

xsl:apply-templates select=... mode=...
xsl:template match=... mode=...

Znovupoužitelnost stylů

Co pro ni můžeme udělat?

Členit styly do menších znovupoužitelných celků (souborů) a podle potřeby je vřazovat pomocí xsl:include a nebo, ještě lépe, xsl:import - protože import upřednostňuje šablony uvedené přímo v základním stylu nad šablonami importovanými.

Podrobněji viz příspěvek TP pro DATAKON 2001 - fulltext příspěvku a slidy.

Návrhové vzory

Identická transformace 1 (nepřevede do výsledku atributy kořenového elementu!) http://wwbota.free.fr/XSLT_models/identquery.xslt

Identická transformace 2 http://wwbota.free.fr/XSLT_models/identquery2.xslt

Identická transformace s potlačením elementů, které nemají na ose // (v dceřinných uzlech ani jejich potomcích) žádné textové uzly http://wwbota.free.fr/XSLT_models/suppressEmptyElements.xslt

Nahradí atributy pomocí elementů http://wwbota.free.fr/XSLT_models/attributes2elements.xslt

Dtto, ale elementy vzniklé z atributů jsou ve zvláštním jmenném prostoru xslt/attributes2elements.xslt

Reverzní transformace xslt/elements2attributes.xslt

Odkazy na pokročilá témata

XSLT Design Patterns - výběr

The Functional Programming Language XSLT

Dotazovací jazyky pro XML

Tomáš Pitner

Table of Contents

XQL a XML-QL
XQuery 1.0
Další informace - přednáška Petra Adámka

XQL a XML-QL

Prezentace od Jarka Skřivana

XQuery 1.0

Další informace - přednáška Petra Adámka

Dotazovací jazyky pro XML (přednáška Petra Adámka)

XML a databáze

Tomáš Pitner

Table of Contents

Základní problémy efektivního ukládání a zpracování XML dat

Rozhraní pro práci s XML databázemi

Rozhraní XML:DB
Vrstvy XML:DB API
Ukázka XML:DB programu
Použití XUpdate v databázích s XML:DB

Implementace XML:DB rozhraní

Apache Xindice
Ukázka interakce s Xindice
Ukázka interakce s Xindice (2)
Ukázka interakce s Xindice (3)
eXist
eXist: instalace a spuštění
eXist: použití přes webové rozhraní
eXist: vložení dokumentu do kolekce
eXist: dotazování - zadání dotazu
eXist: dotazování - sumarizovaný výsledek dotazu
eXist: dotazování - prohlížení jednotlivých výsledků dotazu

Základní problémy efektivního ukládání a zpracování XML dat

Přednáška Petra Adámka (PDF)

Rozhraní pro práci s XML databázemi

Rozhraní XML:DB

Specifikováno konsorciem XML:DB
Podobná koncepce jako JDBC
Rozhraní je specifikováno na poměrně abstraktní úrovni, implementační detaily jsou skryty.
Základní objekty:
- Driver - podobně jako JDBC Driver - abstrahuje přístup ke konkrétnímu DBS, implementuje rozhraní Database
- DatabaseManager - řídí zavádění a správu jednotlivých ovladačů (Driver) databázových systémů
- Collection - kolekce XML dokumentů v databázi. Konceptuálně srovnatelné s relační tabulkou (či celou databází). Kolekce totiž mohou být libovolně vnořené.
- Services - rozhraní konkrétních služeb. Bez nich by XML:DB takřka nemělo smysl - teprve služby definují, co databáze “umí”. Typickou službou je např. XPathQueryService na vyhledávání dokumentů a jejich částí přes XPath. Další službou je např. XUpdateQueryService.
- Resource - zhruba odpovídá JDBC resource. Obecně “nějaký” zdroj - nemusí být jen XML, ale i binární. Je-li XML, pak např. SAX, DOM, XML text...

Vrstvy XML:DB API

Rozhraní XML:DB je pro pohodlí programátora členěno do úrovní. Vždy si jednu z nich vybereme a využíváme její nabídky:

XML:DB Core Level 0 - musí implementovat všechny DBS. Obsahuje základní rozhraní pro kolekce (collections), zdroje (resources), and služby (services).
XML:DB Core Level 1 - navíc obsahuje XPathQueryService.

Ukázka XML:DB programu

Example 8.1.

import org.xmldb.api.base.*; import
        org.xmldb.api.modules.*; import org.xmldb.api.*; public class Query {
        public static void main(String[] args) throws Exception { Collection
        col = null; try { String driver = null; String prefix = null; if ( (
        args.length == 1 ) && args[0].equals("dbxml") ) {
        driver = "org.dbxml.client.xmldb.DatabaseImpl"; prefix =
        "xmldb:dbxml:///db/"; } else { driver =
        "org.xmldb.api.reference.DatabaseImpl"; prefix =
        "xmldb:ref:///"; } Class c = Class.forName(driver); Database
        database = (Database) c.newInstance(); if ( !
        database.getConformanceLevel().equals("1") ) {
        System.out.println("This program requires a Core Level 1 XML:DB
        " + "API driver"); System.exit(1); }
        DatabaseManager.registerDatabase(database); col =
        DatabaseManager.getCollection(prefix + "addresses"); String
        xpath = "/address[@id = 1]"; XPathQueryService service =
        (XPathQueryService) col.getService("XPathQueryService",
        "1.0"); ResourceSet resultSet = service.query(xpath);
        ResourceIterator results = resultSet.getIterator(); while
        (results.hasMoreResources()) { Resource res = results.nextResource();
        System.out.println((String) res.getContent()); } } catch
        (XMLDBException e) { System.err.println("XML:DB Exception occurred
        " + e.errorCode + " " + e.getMessage()); } finally { if
        (col != null) { col.close(); } } } }

Použití XUpdate v databázích s XML:DB

Example 8.2.

<xupdate:modifications version="1.0"
        xmlns:xupdate="http://www.xmldb.org/xupdate">
        <xupdate:update select="/address[@id =
        1]/name/last">Herman</xupdate:update>
        </xupdate:modifications>

Tento XUpdate dotaz nahradí příjmení za “Herman”.

Implementace XML:DB rozhraní

Apache Xindice

Open-source referenční implementace XML:DB.
Původně nazývána dbXML.
Velmi dobré úvodní informace lze získat v Introduction to Xindice

Ukázka interakce s Xindice

Kolekce mohou nebo nemusí mít XML Schema.

Example 8.3. Vytvoření a manipulace s kolekcí “mojedok”

xindiceadmin ac -a /db -n mo

systém odpoví

Created: /db/mojedok

dotaz na seznam kolekcí (Listing Collection - lc) v /db

xindiceadmin lc -c /db

zrušení kolekce (Delete Collection - dc) v /db

xindiceadmin dc -c /db -n mojedok

Ukázka interakce s Xindice (2)

Example 8.4. Přidání, získání, zrušení dokumentu do/z kolekce “mojedok”

Přidání souboru (-Add Document, -File [filename], -n specifikuje klíč) :

xindice ad -c /db/mojedok -f c:/devel/mojedokumenty/md.xml -n
        mujklic

Získání dokumentu zpět (-Retrieve Document, -File)

xindice rd -c /db/mojedok -f c:/devel/mojedokumenty/md.out.xml

Zrušení dokumentu z databáze (-Delete Document)

xindice dd -c /db/mojedok -n mujklic

Ukázka interakce s Xindice (3)

Example 8.5. Dotazování na kolekci “mojedok”

zrušení kolekce (Delete Collection - dc) v /db

xindice xpath -c /db/mojedok -q
        /parts/part[@sku="101"]

eXist

eXist je podobně jako Xindice open-source databáze podporující XML:DB.

Je možné ji provozovat jako:

samostatně běžící (standalone) server, přístupný soketovým spojením (XML-RPC, HTTP)
jako in-process (embedded) -server běžící v témže běhu JVM jako aplikace, která jej používá
jako webová aplikace - .war archív, který se instaluje (deploy) na servletový kontejner (např. Tomcat, Jetty, Bajie...)
eXist má Jetty server přibalen v instalačním balíku, viz eXist download.

eXist: instalace a spuštění

Je možno instalovat na Win NT/2000, Linuxu...

Postupujeme přesně podle instrukcí v eXist Quickstart.

Doporučuji (odzkoušeno na Win 2000 Pro):

spustit java -jar eXist-0.9.1-install.jar
řídit se instalačními pokyny, instalovat např. do \devel\eXist.
přepnout se do instalačního adresáře, otevřít Command Shell/Prompt a spustit eXist přes Jetty webový server: bin\startup.bat.
eXist ohlásí, že se spustil. Případné chybové hlášky loggeru ignorovat.

eXist: použití přes webové rozhraní

Pokud se v konfiguracích nic neměnilo, je služba eXist dostupná přes URL podobné tomuto: http://kleopatra.fi.muni.cz:8080/exist/. (tj. port 8080, cesta /exist)

Nyní můžeme vytvořit kolekci, přidat soubor, dotazovat se...

eXist: vložení dokumentu do kolekce

Vytvoříme kolekci mydocs a do ní přidáme dokument databases.xml (tyto slidy):

eXist: dotazování - zadání dotazu

Zadáme XPath dotaz, specifikujeme rozsah (ve které koleci hledat), uvedeme, kolik vyhovujících dokumentů v odpovědi vrátit.

eXist: dotazování - sumarizovaný výsledek dotazu

eXist sdělí, ve kterých kolekcích které dokumenty vyhovují dotazu:

eXist: dotazování - prohlížení jednotlivých výsledků dotazu

eXist pro každý vyhovující dokument vrátí uzly, které dotazu vyhovují

Jazyky schémat XML dokumentů

Tomáš Pitner

Table of Contents

Cíle modelování XML dat

Přístupy k modelování XML dat

Kategorie jazyků schemat

Modelování pomocí gramatik

Modelování pomocí dědičnosti

Modelování pomocí vzorů

Funkcionální modelování

XML Schema

XML Schema - základní zdroje informací
XML Schema - motivace
XML Schema - hlavička definice schématu
XML Schema - přiřazení typu elementu s daným názvem
XML Schema - definice jednoduchého typu
XML Schema - definice jednoduchého typu - příklad 1
XML Schema - definice jednoduchého typu - příklad 2
XML Schema - jednoduché typy - "union"
XML Schema - jednoduché typy - seznam hodnot
XML Schema - definice složeného typu
XML Schema - definice složeného typu - skupiny
XML Schema - definice složeného typu - skupiny atributů
XML Schema - použití skupin
XML Schema - kompozitor "sequence"
XML Schema - kompozitor "choice"
XML Schema - kompozitor "all"
XML Schema - jednoduchý obsah elementu
XML Schema - smíšený obsah elementu
XML Schema - další možnosti
XML Schema - anotace schémat
XML Schema - znovupoužití definice schématu
XML Schema - abstraktní a konečné typy
XML Schema - jmenné prostory
XML Schema - nespecifikované elementy a atributy
XML Schema - odkaz na definici schématu

Relax NG

Relax NG - základní zdroje informací
Relax NG - motivace

Jazyky schémat používající vzory

Schematron
Examplotron

Ostatní jazyky schémat

DSD 2.0

Vyjadřovací síla těchto modelů, jejich nedostatky

Nástroje na validaci XML dat modelovaných podle těchto standardů

Cíle modelování XML dat

Cílem je poskytnout abstraktní model dat v příslušném značkování tak, abychom:

mohli validovat, zda dokumenty jsou syntakticky korektní, zda odpovídají schématu
následně mohli dokumenty (data) zpracovávat jako silně typovaná
- hodnoty textových uzlů pak interpretovány jako hodnoty primitivních datových typů (int, float, boolean...), nebo vestavěných neprimitivních typů - řetězec, datum
- elementy interpretovány jako hodnoty uživatelských objektových typů, např. element person jako objekt třídy Person.
používat informace o struktuře validních dokumentů např. při vyhledávání:
- víme-li např., že element from se vyskytuje jen jako dceřinný v elementu message, můžeme a priori rozhodnout, že výsledek XPath dotazu /address/from bude nad validními dokumenty vždy prázdný
- totéž např. pro dokumenty, kde známe pořadí výskytu dceřinných elementů za sebou - pak můžeme např. predikovat obsah XPath osy following-sibling.
používat je při vizualizaci, formátování, editaci(!)

Přístupy k modelování XML dat

XML 1.0, 1.0 SE, 2.0 standard je "metajazykem", tj.:

neříká ni o konkrétním značkování
ale sděluje, jaká obecná omezení pro konstrukci značkování platí (např. správné vnoření elementů)
definuje DTD jako základní formální jazyk definice struktury dokumentu
ale nevylučuje existenci dalších takových jazyků

Popis příslušného značkování, tj. návod, které dokumenty v daném značkování chápeme jako platné (validní), nazýváme schématem příslušného značkovacího jazyka.

(Meta)jazyk, v němž je schéma zapsáno, nazveme jazykem schémat.

Neplést schéma a jazyk schématu v tomto širokém smyslu s XML Schema (což je speciální případ jazyka schémat, případně jeho instance).

Kategorie jazyků schemat

Podle základního výrazového prostředku, kterým definujeme “správnou” strukturu dokumentů, rozlišujeme jazyky schémat založené na:

gramatikách
objektovém přístupu, skládání, dědičnosti
vzorech
- v malém, “drobných” - vzorem je např. kontext, ve kterém se element může vyskytovat
- ve velkém - vzorem je např. celý dokument

Modelování pomocí gramatik

Typická situace:

značkování je bezkontextovým jazykem definovaným gramatikou
typickým představitelem je gramatika zapsaná v DTD (s jistým non-CF omezeními, jako je např. vazba ID-IDREF)
jazyky XML Schema i Relax NG převzaly částečně tento přístup - kombinují gramatiku s možností dědičnosti

Typickým představitelem je XML DTD.

Modelování pomocí dědičnosti

Hlavní charakteristiky:

jednou vytvořené schéma či jeho část je možné pojmenovat a znovu použít
- beze změny
- při znovupoužití je možné pozměnit jeho vlastnosti (např. zpřísnit některá omezení), obvykle ale tak, že je zachováno pravidlo, že instance podtřídy může vždy nahradit instanci nadtřídy (má aspoň její vlastnosti)

Typickými představiteli jsou XML Schema a Relax NG (“relaxing”).

Modelování pomocí vzorů

Schéma tohoto typu říká, jaké vzory se mohou/musejí/nesmějí v dokumentu nacházet.

vhodné pro XML data dokumentové (tj. velmi heterogenní, mnohotvaré) povahy - značkované texty
nejméně typické, ale v mnohých situacích nenahraditelné
Používáme tam, kde je prostředky (CF) gramatiky určité omezení (constraint) těžko popsatelný - např. složité kontextové závislosti. To by se jinak muselo např. “dovalidovat” externím nástrojem.
prostředkem popisu vzorů je určitý “vnořený” jazyk - např. stromové regulární výrazy, výrazy jazyka XPath...

Typickým představitelem je Schematron.

Funkcionální modelování

XML Schema

XML Schema - základní zdroje informací

Specifikace XML Schema - http://www.w3.org/XML/Schema

Tutoriál Using W3C XML Schema: http://www.xml.com/pub/a/2000/11/29/schemas/part1.html - stručný

XML Schema Tutorial - http://www.w3schools.com/schema/default.asp - obsáhlejší

vynikající komplexní tutoriál na http://www.xfront.com

XML Schema - motivace

Dál silnější prostředek pro specifikaci modelu XML dat než je DTD

Odděluje koncept typu (např. typu elementu) od jeho výskytu (instance, např. elementu s určitým názvem) - to DTD neumí

Poskytnout bohatší škálu primitivních datových typů

Umožnit použití jmenných prostorů

Umožnit jemnější specifikaci modelu obsahu (elementů)

Umožnit odvozování nových typů (dědičností)

Umožnit modularizaci a znovupoužitelnost schémat

Zapisovat schéma v XML

XML Schema - hlavička definice schématu

<xs:schema
  xmlns:xs="http://www.w3.org/2001/XMLSchema"> .../...
  </xs:schema>

XML Schema - přiřazení typu elementu s daným názvem

<xs:element
  name="element_name"> ... definice typu - je přímo zde - tzv.
  "local" nebo daná odkazem - tzv. "global"
  </xs:element>

XML Schema - definice jednoduchého typu

Neobsahuje dceřinné elementy, lze použít jako typ obsahu elementu nebo atributu

Restrikcí z existujícího typu

<xs:simpleType
  name="TypeName"> <xs:restriction
  base="BaseTypeName"> ... </xs:restriction>
  </xs:simpleType>

XML Schema - definice jednoduchého typu - příklad 1

Restrikce délky obsahu

<xs:simpleType
  name="nameType"> <xs:restriction
  base="xs:string"> <xs:maxLength value="32"/>
  </xs:restriction> </xs:simpleType>

XML Schema - definice jednoduchého typu - příklad 2

Restrikce obsahu regulárním výrazem

 <xs:simpleType
  name="isbnType"> <xs:restriction
  base="xs:string"> <xs:pattern
  value="[0-9]{10}"/> </xs:restriction>
  </xs:simpleType>

XML Schema - jednoduché typy - "union"

Zhruba odpovídá konceptu "union" v C

Výsledkem je jednoduchý typ

Lze spojovat bázový typ a výčet hodnot

Příklad

  <xs:simpleType name="isbnType"> <xs:union>
  <xs:simpleType> <xs:restriction base="xs:string">
  <xs:pattern value="[0-9]{10}"/> </xs:restriction>
  </xs:simpleType> <xs:simpleType> <xs:restriction
  base="xs:NMTOKEN"> <xs:enumeration value="TBD"/>
  <xs:enumeration value="NA"/> </xs:restriction>
  </xs:simpleType> </xs:union> </xs:simpleType>

XML Schema - jednoduché typy - seznam hodnot

Lze definovat typ jako seznam hodnot oddělených bílými znaky

Dalším odvozením lze omezit počet prvků seznamu

Příklad

  <xs:simpleType name="isbnTypes"> <xs:list
  itemType="isbnType"/> </xs:simpleType>
  <xs:simpleType name="isbnTypes10"> <xs:restriction
  base="isbnTypes"> <xs:minLength value="1"/>
  <xs:maxLength value="10"/> </xs:restriction>
  </xs:simpleType>

XML Schema - definice složeného typu

<xs:complexType
  name="TypeName"> <xs:sequence> <xs:element ...>
  ... <xs:attribute ...> </xs:sequence>
  </xs:complexType>

Místo sekvence lze použít <xs:choice> a <xs:all>

XML Schema - definice složeného typu - skupiny

při definici složeného typu lze použít skupiny (group)

Skupina elementů:

  <xs:group name="GroupName"> <xs:sequence>
  <xs:element ... /> ... </xs:sequence> </xs:group>

Místo sekvence lze použít <xs:choice> a <xs:all>

XML Schema - definice složeného typu - skupiny atributů

Skupina atributů:

  <xs:attributeGroup name="AttributesGroupName">
  <xs:attribute ... use="required"/> ...
  </xs:attributeGroup>

Může být uvedena povinnost výskytu (use=required)

XML Schema - použití skupin

Příklad použití skupin elementů a atributů

  <xs:complexType name="bookType"> <xs:sequence>
  <xs:group ref="mainBookElements"/> <xs:element
  name="character" type="characterType" minOccurs="0"
  maxOccurs="unbounded"/> </xs:sequence>
  <xs:attributeGroup ref="bookAttributes"/>
  </xs:complexType>

XML Schema - kompozitor "sequence"

Předepisuje výskyt dceřinných elementů v určitém pořadí

 <xs:element
  name="element_name"> <xs:complexType>
  <xs:sequence> .../... </xs:sequence> .../...
  </xs:complexType> </xs:element>

sequence označuje model obsahu připouštějící výskyt dané posloupnosti (sekvence) dceřinných elementů

xs je prefix vázaný na NS s URL http://www.w3.org/2001/XMLSchema

Místo <xs:sequence> lze použít <xs:choice> nebo <xs:all>

XML Schema - kompozitor "choice"

Předepisuje výskyt jednoho z dceřinných elementů nebo skupin elementů

 <xs:element
  name="element_name"> <xs:complexType>
  <xs:choice> .../... </xs:choice> .../...
  </xs:complexType> </xs:element>

XML Schema - kompozitor "all"

Předepisuje výskyt dceřinných elementů bez určeného pořadí

Smí být jen na nejvyšší úrovni definice obsahu

Dceřinné elementy nesmí mít kardinalitu větší než 1

Příklad:

 <xs:complexType
  name="bookType"> <xs:all> <xs:element
  name="title" type="xs:string"/> <xs:element
  name="author" type="xs:string"/> <xs:element
  name="character" type="characterType" minOccurs="0"
  maxOccurs="unbounded"/> </xs:all> <xs:attribute
  name="isbn" type="isbnType" use="required"/>
  </xs:complexType>

XML Schema - jednoduchý obsah elementu

Příklad:

 <xs:element
  name="book"> <xs:complexType> <xs:simpleContent>
  <xs:extension base="xs:string"> <xs:attribute
  name="isbn" type="isbnType"/> </xs:extension>
  </xs:simpleContent> </xs:complexType> </xs:element>

XML Schema - smíšený obsah elementu

Nelze validovat textový obsah (textové dceřinné uzly)

Lze validovat dceřinné elementy

Příklad:

 <xs:element
  name="book"> <xs:complexType mixed="true">
  <xs:all> <xs:element name="title"
  type="xs:string"/> <xs:element name="author"
  type="xs:string"/> </xs:all> <xs:attribute
  name="isbn" type="xs:string"/> </xs:complexType>
  </xs:element>

XML Schema - další možnosti

Možnost specifikace integritních omezení:hodnota je jedinečná - xs:uniquehodnota je klíčem - xs:keyhodnota je odkazem na klíč - xs:keyref

XML Schema - anotace schémat

Anotace je (lidsky čitelná) poznámka-komentář ke schématu

Může též obsahovat informace pro zpracování - viz příklad - xs:appinfo

Další obsah není předepsán (omezen) - viz příklad - bind, class

Příklad

<xs:annotation>
  <xs:documentation xml:lang="en"> Top level element.
  </xs:documentation> <xs:documentation xml:lang="fr">
  Element racine. </xs:documentation> <xs:appinfo
  source="http://example.com/foo/"> <bind
  xmlns="http://example.com/bar/"> <class
  name="Book"/> </bind> </xs:appinfo>
  </xs:annotation>

XML Schema - znovupoužití definice schématu

Přímo:

 <xs:include
  schemaLocation="character.xsd"/>

S předefinováním:

<xs:redefine
  schemaLocation="character12.xsd"> <xs:simpleType
  name="nameType"> <xs:restriction
  base="xs:string"> <xs:maxLength value="40"/>
  </xs:restriction> </xs:simpleType> </xs:redefine>

XML Schema - abstraktní a konečné typy

abstract - nelze instanciovat, pouze jako zákad k odvozování dědičností

final - nelze rozšiřovat/odvozovat dědičností

XML Schema - jmenné prostory

Příklad

 <xs:schema
  targetNamespace="http://example.org/ns/books/"
  xmlns:xs="http://www.w3.org/2001/XMLSchema"
  xmlns:bk="http://example.org/ns/books/"
  elementFormDefault="qualified"
  attributeFormDefault="unqualified"> .../... </xs:schema>

XML Schema - nespecifikované elementy a atributy

Umožní připustit i něco, co předem neznáme

Příklad

  <xs:complexType name="descType" mixed="true">
  <xs:sequence> <xs:any
  namespace="http://www.w3.org/1999/xhtml"
  processContents="skip" minOccurs="0"
  maxOccurs="unbounded"/> </xs:sequence>
  </xs:complexType>

Pro atributy - xs:anyAttribute

XML Schema - odkaz na definici schématu

<book isbn="0836217462"
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:noNamespaceSchemaLocation="file:library.xsd"> <!--
  mezera !!! -->

<book isbn="0836217462"
  xmlns="http://example.org/ns/books/"
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation="http://example.org/ns/books/
  file:library.xsd"> <!-- mezera !!! -->

Relax NG

Relax NG - základní zdroje informací

Vznikl z RELAXu při skupině Oasis-Open: http://www.oasis-open.org/committees/relax-ng

http://www.oasis-open.org/committees/relax-ng

Relax NG - motivace

XML Schema:

Je (zbytečně) složité (specifikace má přes 200 stran)
Může vést v jistých situacích k nejednoznačnostem

Snaží se o pokrytí všech aplikačních oblastí (dokumentové i databázové použití XML a všechno mezi tím)

Obtížně (úplně) implementovatelné

Dále viz http://www.xml.com/lpt/a/2002/01/23/relaxng.html

Jazyky schémat používající vzory

Schematron

http://www.ascc.net/xml/resource/schematron/schematron.html

Examplotron

http://examplotron.org

Ostatní jazyky schémat

DSD 2.0

Vznikl na Univerzitě v Aarhusu, DK

Podobně jako RELAX NG je jednodušší než XML Schema

viz http://www.brics.dk/~amoeller/XML/

Spíše akademický charakter, skutečnými soupeři zůstávají XML Schema a RELAX NG

Vyjadřovací síla těchto modelů, jejich nedostatky

viz http://www.xml.com/lpt/a/2001/12/12/schemacompare.html

Nástroje na validaci XML dat modelovaných podle těchto standardů

Formátování XML dokumentů

Tomáš Pitner

Úvod k formátování

DocBook: příklad složitějšího značkování

<xi:include></xi:include>

rozsáhlý projekt - poskytnout jednotný komplexní značkovací jazyk pro “vešekerou” programátorskou dokumentaci
nyní používáno k celé řadě jiných účelů - psaní článků (article), knih (book), jednotlivých kapitol (chapter), sekcí (section, sectX)
autorem je Norman Walsh (Sun Microsystems Inc.)
podrobnosti, DTD, help, software, styly k dispozici viz docbook.org
pravděpodobně nejrozsáhlejší existující značkování pro logický popis dokumentu
k DB existuje TDG (DocBook: The Definitive Guide) - také jako Windows Help

DocBook: vrstvy a přizpůsobení

DocBook lze používat jako základní (Full)
zjednodušený (Simplified) nebo
si jej přizpůsobit

přizpůsobení znamená:

upravit DTD (přes parametrické entity)
evt. upravit (XSL) styly
XSL styly jsou upravovány na základě importu původního stylu a překrytí vybraných šablon

DocBook: styly

k vizualizaci (a převodu do tiskových formátů) z napsaného DocBookového dokumentu lze použít XSL styly
XSL styly jsou na http://docbook.sf.net
v rámci toho je i přizpůsobení DocBook Slides
styly formátují do HTML, XHTML, XSL:FO, ...
zpracování lze parametrizovat bez přepisování stylů

Konceptuální, logické a fyzické formátování

Co a k čemu je formátování?

XML data jsou sice částečně “lidsky čitelná”, ale pro zpracování člověkem vyžadují transformaci do kvalitně zobrazitelné podoby - formátování.

Formátování je proces transformace primárních dat do lidsky čitelné “prezentovatelné” podoby, určené k zobrazení, hlasové interpretaci, atd.

Úrovně formátování

Rozlišujeme formátování na úrovni:

konceptuální: maximum sémantiky v datech je zachováno, je přidána formátovací sémantika - např. struktura publikace, členení na kapitoly, sekce; datový obsah je vyfiltrován pro účely zobrazení (např. metadata jsou redukována). Příklad formátu - DocBook.
logické: původní sémantiku již nelze rekonstruovat, je přidána další formátovací sémantika - např. členění na nadpisy, tabulky, styly, přibývají instrukce pro volbu písma, barvu, odsazení, mezery mezi odstavci... Formátovaný dokument je stále relativně univerzálně zobrazitelný a přenositelný. Příklad formátu - HTML.
fyzické: formátovaný dokument je v podstatě přesným popisem, jak vytisknout, zobrazit, hlasově přečíst dokument. Příklady formátu - PostScript, PDF.

Odkud kam sahají úrovně formátování?

Hranice mezi jednotlivými úrovněmi nejsou ostré.

Dokument na vyšších formátovacích úrovních (konceptuální) lze dále transformovat, zpracovávat...
Část sémantiky původních dat je však již ztracena a naopak formátovací sémantika je doplněna.
Viz např. formát DocBook - dokument v DocBooku už je článek, kniha, přednáška ve formě slidů... což původní zdrojová data nebyla.
Dokument formátovaný do formátů nižších úrovní (logický, fyzický) není obvykle určen k dalšímu zpracování vyjma přípravy pro tisk, zobrazení.
Viz např. HTML, PDF... (s jistými výjimkami)

Fáze formátování

Postup formátování a příklady nástrojů

Budeme uvažovat XML data a adekvátní nástroje se zaměřením na open-source.

data -> požadovaná data (filtrace)

Z primárních dat extrahujeme data potřebná. Vhodné nástroje:

filtrování proudu (SAX) událostí: poměrně nekomfortní, ale za běhu efektivní zpracování dat; pro pouhé filtrace elementů vyhoví; lze použít XMLFilter
manipulace se stromem dokumentu: DOM, dom4j a další reprezentace; náročnější na pamět i čas; dovoluje složitější manipulace
XSLT transformace: mocné, ale poněkud náročnější na zvládnutí
dotazovacím jazykem: vhodné řešení, ale vyžaduje stroj na interpretaci

Example 10.1. Příklad XSLT extrakce

Ze všech programátorů v Devguru chceme zobrazit jen mladší 30 let:

<?xml version="1.0"
        encoding="Windows-1250"?> <xsl:stylesheet
        xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
        version="1.0" xmlns:saxon="http://icl.com/saxon"
        extension-element-prefixes="saxon"> <xsl:strip-space
        elements="*" /> <xsl:output method="xml"
        encoding="Windows-1250" indent="no" />
        <xsl:template match="programmer[number(age) &lt;
        30]"> <xsl:copy-of select="."/>
        </xsl:template> <xsl:template
        match="programmer"/> <xsl:template
        match="/"> <young_programmers>
        <xsl:apply-templates/> </young_programmers>
        </xsl:template> </xsl:stylesheet>

filtrovaná data -> konceptuální formát

Example 10.2. XSLT transformace do DocBooku

O všech mladších programátorech z Devguru napiš souhrnnou zprávu (styl je zkrácen):

<xsl:output method="xml"
        encoding="Windows-1250" indent="no"
        doctype-system="http://www.oasis-open.org/docbook/xml/simple/1.0/sdocbook.dtd"
        doctype-public="-//OASIS//DTD Simplified DocBook XML
        V1.0//EN"/> <xsl:template match="programmer">
        <row> <entry><xsl:value-of
        select="name"/></entry>
        <entry><xsl:value-of
        select="age"/></entry> </row>
        </xsl:template> <xsl:template match="/">
        <article> <title>Seznam pracovníků mladších 30
        let</title> <table> <title>Tabulka pracovníků
        mladších 30 let</title> <tgroup cols="2">
        <tbody> <row> <entry>jméno</entry>
        <entry>věk</entry> </row>
        <xsl:apply-templates/> </tbody> </tgroup>
        </table> </article> </xsl:template>

konceptuální formát -> logický formát

Example 10.3. XSLT transformace do DocBooku

Zprávu o mladších programátorech formátuj do HTML:

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01
        Transitional//EN"> <html> <head> <meta
        http-equiv="Content-Type" content= "text/html;
        charset=ISO-8859-1"> <title> Seznam
        pracovn&iacute;k&#367; mlad&scaron;&iacute;ch 30 let
        </title> <link rel="stylesheet"
        href="html.css" type="text/css"> <meta
        name="generator" content= "DocBook XSL Stylesheets
        V1.60.1"> </head> <body bgcolor="white"
        text="black" link="#0000FF" vlink= "#840084"
        alink="#0000FF"> <div class="article"
        lang="en"> <div class="titlepage">
        <div> <div> <h2 class="title"> <a
        name="d0e1"></a>Seznam
        pracovn&iacute;k&#367; mlad&scaron;&iacute;ch 30 let
        </h2> </div> </div> <hr>
        </div> <div class="table"> <a
        name="d0e4"></a> <p class="title">
        <b>Table 1. Tabulka
        pracovn&iacute;k&#367; mlad&scaron;&iacute;ch 30
        let</b> </p> <table summary= "Tabulka
        pracovn&iacute;k&#367; mlad&scaron;&iacute;ch 30
        let" border="1"> <colgroup> <col>
        <col> </colgroup> <tbody> <tr>
        <td> jm&eacute;no </td> <td> v&#283;k
        </td> </tr> <tr> <td> Minnie Mouse
        </td> <td> 24 </td> </tr>
        </tbody> </table> </div> </div>
        </body> </html>

logický formát -> fyzický formát

Výsledek zobrazený v prohlížeči

Formátování a výstupní média

Výstup na běžnou obrazovku, web (HTML, plaintext, RTF)

k transformaci pro tato média lze použít XSLT (do plaintextu, HTML, XHTML...), speciálních nástrojů (např. RTF FormattingKit, viz RTF FormattingKit web pro RTF)
pokud je formátování určeno k prohlížení na webu (prohlížečem), je možné pro specifikaci stylu použít konvenci (<?xml-stylesheet type="text/xsl" href="somestylesheet.xsl"?>)
totéž lze použít i pro CSS styly
pro XML je použitelná verze CSS2

(X)HTML, RTF, plaintext (2)

k transformaci pro tato média lze použít XSLT (do plaintextu, HTML, XHTML...), speciálních nástrojů (např. RTF FormattingKit, viz RTF FormattingKit web pro RTF)
pokud je formátování určeno k prohlížení na webu (prohlížečem), je možné pro specifikaci stylu použít konvenci typu <?xml-stylesheet type="text/xsl" href="somestylesheet.xsl"?>.
přesný popis této konvence
totéž lze použít i pro styly CSS (pro XML je použitelná verze CSS2)
dobré informační zdroje k použití CSS pro XML:
Validace dokumentů s CSS styly:CSS Validátor na W3C: http://jigsaw.w3.org/css-validator/

Výstup pro tisk (PDF, TeX)

obvyklý postup:
- transformace XML -- XSL:FO pomocí XSLT
- rendering XSL:FO do PDF/PS pomocí Apache FOP nebo jiného (komerčního) nástroje
- nebo přes PassiveTex do TeXového zdroje a pak standardní TeXovou cestou (TeX -- DVI -- PS nebo TeX -- PDF s pomocí pdfTeXu)
jak může vypadat celý postup zpracování, ukazuje návod J. Pavloviče k modulu xslt2

Výstup na malé displeje (WAP, PDA)

pro mobilní telefony s WAP: v podstatě obdobné jako pro web, jazykem popisu WAP stránek je WML
použijí se typicky opět XSLT transformace
pro PDA: typicky nemají on-line spojení, připojují se "občas" přes stolní počítač zapojený do internetu
proto potřebují systém na stažení, kompresi a off-line prohlížení webových stránek
možným řešení je AvantGo.com: pro uživatele zdarma, pro poskytovatele obsahu je to komerční systém (omezené použití (málo uživatelů) zdarma)
AvantGo systém je rozdělen na serverovou část (na výše uvedené adrese) a klientskou část rozdělenou na desktop (menší část) a PDA počítač (větší část)
technicky je AvantGo schopno přizpůsobit a zobrazit "skoro normální HTML"
problémy jsou pochopitelně s interaktivními aplikacemi (formuláře) -- částečně lze řešit tzv. Form Managerem
bližší informace k technice tvorby webů pro AvantGo

Hlasový výstup (VoiceXML)

VoiceXML je značkovací jazyk určený k popisu dialogu vedeného hlasovým rozhraním

Dave Raggett's Introduction to VoiceXML 2.0

VoiceXML - Tutorials

VoiceXML Tutorial

...další informace spolu se systémem Elvira (vyvíjeným na FI) najdete na domovské stránce projektu

Podrobněji k formátovacím objektům (XSL:FO)

Co a k čemu jsou XSL:FO

XSL:Formatting Objects (XSL:FO) je standard pro platformově neutrální, v XML zapsaný popis (tiskového) formátu publikací
dány standardem W3C - viz http://www.w3.org/Style/XSL/
k transformaci z XML do XSL:FO se typicky využívá XSLT (proto původně v jedné specifikaci)
dalším krokem bývá transformace XSL:FO do PDF/PS např. nástrojem Apache FOP.
obvykle kvalitnějšího výstupu dosáhneme použitím komerčního nástroje, který také podporuje širší škálu formátovacích objektů. Viz např. RenderX XEP .

Informační zdroje k XSL:FO

dobrý úvodní článek What is XSL:FO (Ken Hollman, XML.COM)
kvalitní XSL FO Tutorial (firma RenderX)
Stylesheet Tutorial, Sample Files of Formatting Objects and Sample Stylesheets

Metadata popisující XML zdroje

Tomáš Pitner

Rámce pro metadata popisující XML a jiné datové zdroje

Rámec RDF

RDF Model a RDf Schema jsou doporučeními W3C

Specifikace a další informace pracovní skupiny - http://www.w3.org/RDF

RDF Model

RDf je obecný mechanizmus pro specifikaci metadat

je použitelný k libovolných (i ne-digitálním) zdrojům

základem modelu jsou trojice:

zdroj (resource) - např. http://www.fi.muni.cz/~tomp/xml
vlastnost (property) - např. popis
hodnota (value) - např. Domovská stránka předmětu P138 na FI MU v Brně

Trojice je možné znázornit

graficky,
jako trojice (r, p, v) nebo
XML syntaxí

Blíže viz

Dobrý úvodní článek na xml.com: What is RDF?
RDF Tutoriál - Zvon RDF Tutorial
RDF Tutorial http://www710.univ-lyon1.fr/~champin/rdf-tutorial/node1.html
Další RDF Tutorial (.ppt)

RDF Schema

Specifikuje omezení na množiny vlastností, jejich definičních oborů a oborů hodnot

Modeluje se opět v RDF

RDF reprezentace užívaných metadatových schémat (Z39.50, Dublin Core atd.)

RDF je obecný rámec pro modelování metadat, pro konkrétní použití je obvykle nutné definovat schéma přípustných vlastností, jejich domén a množin (přípustných) hodnot.

Tím se vytvoří RDF reprezentace daného metadatového schématu.

Reprezentace může mít podobu RDF Schematu.

Dublin Core - příklad konkrétního metadatového schématu

Co je Dublin Core?

je generické metadatové schéma s univerzální použitelností

vznikl původně jako iniciativa knihovníků pro popis bibliografických informací

dnes univerzálně používán - např. pro metadatový popis informací ve veřejné správě (e-Government)

tvoří jej 15 základních elementů s rámcově definovanou sémantikou

elementy je možné rozšiřovat - rozkladem na (obvykle disjunktní) podmnožiny (vždy to musí být podmnožiny některého z původních elementů)

Jednoduchý (Simple) Dublin Core

"Jednoduchý" nebo "základní" Dublin Core (angl. Simple Dublin Core nebo Unqualified Dublin Core, dále jen "jednoduchý DC") představuje základní soubor patnácti prvků, který vyvinula a podporuje

Iniciativa pro metadata Dublin Core (Dublin Core Metadata Initiative, DCMI, http://dublincore.org).
přijat konsorciem IETF jako tzv. dokument RFC (Request For Comment) 2431.
Momentálně je aktuální verzí Dublin Core 1.1.

Dublin Core - elementy

Název       Jméno dané zdroji
Tvůrce	    Entita primárně odpovědná za vytvoření obsahu zdroje
Předmět a klíčová slova     Téma obsahu zdroje
Popis	    Vysvětlení obsahu zdroje
Vydavatel	Entita odpovědná za zpřístupnění zdroje
Přispěvatel	Entita, která přispěla k vytvoření obsahu zdroje
Datum	    Datum spojené s určitou událostí během existence zdroje
Typ zdroje	Povaha nebo druh obsahu zdroje
Formát	    Fyzická nebo digitální reprezentace zdroje
Identifikátor zdroje	    Jednoznačný odkaz na zdroj v rámci daného kontextu
Zdroj	    Odkaz na zdroj, z něhož je popisovaný zdroj odvozen
Jazyk	    Jazyk intelektuálního obsahu zdroje
Vztah	    Odkaz na příbuzný zdroj
Pokrytí	    Rozsah nebo záběr obsahu zdroje
Správa autorských práv	Informace o právech vztahujících se k popisovanému zdroji

DC - příklad metadatového popisu

Název	        Zelená kniha o elektronickém obchodu
Tvůrce	        Úřad pro veřejné informační systémy, Úřad vlády
Předmět	        Elektronický obchod, elektronický podpis,  bezpečnost, správa
Popis	        Vládní návrh podpory elektronického obchodu v České republice
Datum vytvoření	 2001-09-20
Datum zveřejnění 2001-10-17
Identifikátor	 ISBN:?????

Kvalifikovaný Dublin Core

(Qualified Dublin Core) obsahuje stejný soubor prvků jako jednoduchý DC a doporučuje další upřesnění a omezení každého prvku.

Typicky se tak děje na základě formálního nebo de-facto mezinárodního standardu, např. může požadovat, aby prvek "jazyk" byl vyplněn v souladu se seznamem ISO pro jazyky (ISO 639).

Kódování DC v XML

DTD - http://dublincore.org/documents/2001/11/28/dcmes-xml/dcmes-xml-dtd.dtd

XML Schema - http://dublincore.org/documents/2001/11/28/dcmes-xml/dcmes-xml-xsd.xsd

RDF Schema - rdf/dc-rdf-schema-cz.rdf

RDF Schema pro slovník typů (Type Vocabulary) - /~tomp/xml/rdf/dc-tv-rdf-schema-cz.rdf

Nástroje pro práci s RDF

Jena Java RDF API and toolkit http://www.hpl.hp.com/semweb/

The ICS-FORTH RDFSuite

další viz http://www.w3.org/RDF

Příklady praktického použití metadat - veřejná správa

Rámec pro metadata ISVS ČR

Kroky budování

Přijmout doporučení Dublin Core a osvojit jej jako Národní metadatový standard (NMS).
Rozšířit tento standard tak, aby vyhovoval potřebám veřejné správy jak pro snadné vyhledávání informací, tak pro správu informačních zdrojů.
Vyvinout Aplikační profil NMS, který bude obsahovat předepsaná kódovací schémata a závazný výklad jednotlivých metadatových prvků.
Připravit Tezaurus veřejné správy.

Adaptace Dublin Core pro potřeby veřejné správy

pro potřeby veřejné správy v zemích Evropské Unie, Austrálie, Kanady a Nového Zélandu je rozpracováván specifický aplikační profil Dublin Core.

proces zahájen na sérii pracovních seminářů Managing information resources for e-government (MIReG) a stal se součástí programu Interchange of Data between Administrations (IDA) Evropské Unie.
Dalším partnerem při vytváření evropského metadatového rámce je též projekt ParlML, zaměřený na zpřístupňování informací Evropského parlamentu.
Příslušná pracovní skupina připravuje doporučení DC-Gov Application Profile

cílem je:

Cílem MIReG je vytvořit metadatový rámec (metadata framework), příslušné referenční softwarové nástroje a soubor osvědčených postupů (best practice) pro implementaci rámce v jednotlivých zemích a sektorech. Přitom spolupracuje také s evropskou standardizační autoritou CEN, což dává předpoklad celoevropského respektování vzniklého doporučení.

Aplikační profil NMS

zahrnuje:

Upřesnění (zjemnění, kvalifikaci, specializaci angl. element refinement) metadatových prvků, které přesněji určuje sémantiku daného prvku a tím jej rozděluje na jemněji (přesněji) určené podprvky - např. obecné datum lze kvalifikací rozdělit na menší části, a místo "datum" uvádět přesněji např. "datum vytvoření", "datum zveřejnění", "datum platnosti", "nástupnické datum".
Kvalifikovaný prvek lze však i nadále zpracovávat nástroji, které příslušné kvalifikaci "nerozumějí" - tyto nástroje potom chápou prvek jako by zůstal nekvalifikovaný (všeobecnější), tj. "datum zveřejnění" mohou chápat jako prosté "datum", čímž je sice část sémantiky ztracena, ale prvek může být stále užitečný např. pro vyhledávání.
Kódovací schémata (též kvalifikace hodnoty, angl. encoding scheme nebo value qualification) specifikující formát, ve kterém bude uložena hodnota pro příslušný metadatový prvek, např. "datum" vždy bude uváděno ve formátu rrrr-mm-dd (rok-měsíc-den), což definuje standard ISO 8601.
Kromě formátu může být kvalifikací hodnoty též např. specifikace měrné jednotky, v níž bude hodnota uváděna.

Ontologie

Co jsou ontologie?

prostředek jak popisovat znalosti

množina pojmů a konstruktů, jak je odvozovat, spojovat atd.

základní kategorie ontologií jsou

Classes (general things) in the many domains of interest
The relationships that can exist among things
The properties (or attributes) those things may have

používá metadatové rámce (např. RDF), ale je

bohatší s přesnější sémantikou

předpokládá se vybudování obecného rámce pro tvorbu ontologií pro specifické domény

Aplikace ontologií (Use Cases)

Web Portals
Multimedia Collections
Corporate Web Site Management
Design documentation
Intelligent agents
Ubiquitous computing

Pracovní skupina při W3C

XML Topic Maps

Další návrh pracovní skupině WebOnt - http://www.topicmaps.org/xtm/1.0