Kapitola 1. Úvod do značkovacích jazyků, základní pojmy, logická a fyzická struktura dokumentu
Obsah
Úvod do XML, odkazy na specifikace.............................................................................1
Úvod, definice, motivace, historie,.........................................................................1
Jazyky rodiny SGML a jejich aplikace (HTML)........................................................2
Extensible Markup Language (XML)......................................................................2
Extensible Markup Language (XML) - další odkazy, zejména na software .....................2
Charakteristika a základní zásady XML...........................................................................3
Charakteristika XML jazyků .................................................................................3
Základní specifikace: XML 1.0 (Third Edition).........................................................3
Deset zásad pro specifikaci XML standardů .............................................................4
Struktura XML dokumentů ...........................................................................................5
Syntaxe XML dokumentů.....................................................................................5
Fyzická a logická struktura XML dokumentu ...........................................................5
Elementy ...........................................................................................................5
Elementy - prázdné..............................................................................................6
Atributy ............................................................................................................6
Atributy - zápis...................................................................................................6
Atributy - příklad ................................................................................................7
Textové uzly ......................................................................................................7
Instrukce pro zpracování.......................................................................................7
Notace ..............................................................................................................8
Komentáře .........................................................................................................8
Entity................................................................................................................8
Podrobněji..........................................................................................................8
Úvod do XML, odkazy na specifikace
Úvod, definice, motivace, historie,...
•     XML je standard (přesněji doporučení konsorcia W3C [http://www.w3.org]) jak vytvářet značkovací jazyky.
•     Jedná se tedy o metajazyk.
•     Ideově vychází ze zhruba o deset let mladšího standardu SGML (Structure Generalized Markup Lan-
1
Úvod do značkovacích jazyků, základní pojmy, logická a fyzická struktura dokumentu
guage).
Se základním standardem úzce souvisí několik dalších, např. XML Namespaces, XInclude, XML Base.
•     Tyto spolu s dalšími standardy (XSLT, XSL-FO, XHTML, CSS...) tvoří "rodinu" standardů XML.
Jazyky rodiny SGML a jejich aplikace (HTML)
•     SGML jako standard ISO 8879: http://www.iso.ch/cate/dl6387.html Stručný "laický" úvod do SGML: http://www.sil.org/computing/noc/156ac.htm
•     Další stručný, věcný ale přesný úvod do SGML: http://www.oasis-open.org/cover/naggumWhat.html
•     Další Úvod do SGML: http://www.personal.u-net.com/~sgml/sgml.htm
Srovnání SGML-XML a další zdroje: http://www.oasis-open.org/cover/sgml-xml.html
Extensible Markup Language (XML)
•     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 lx 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.eom/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 [http://www.mulberrytech.com] - výborná stručná referenční karta
Extensible   Markup   Language   (XML)   -  další  odkazy, zejména na software
2
Úvod do značkovacích jazyků, základní pojmy, logická a fyzická struktura dokumentu
•     IBM DeveloperWorks, sekce XML: http://ibm.com/developer/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 [http://www.oasis-open.org]: xml.coverpages.org [http://xml.coverpages.org] - denně aktualizovaný soubor odkazů na články, publikace standardů, software, atd. v oblasti XML. Nejlepší zdroj v této kategorii.
Charakteristika a základní zásady XML
Charakteristika XML jazyků
•     XML není jeden konkrétní značkovací jazyk; je to specifikace určující, jak mají vypadat značkovací jazyky
•     jedná se tedy o "metajazyk"
•     konceptuálne jde o zjednodušení SGML standardu, aby se usnadnila práce tvůrcům parserů (analyzátorů) a aplikací
- například v tom, že každý element musí být uzavřen; pak na přečtení struktury dokumentu nemusíme mít DTD
•     XML navazuje na úspěšnou implementaci SGML -jazyk HTML; má podobné charakteristiky z hlediska zaměření na internet
•     Momentálně je aktuální specifikací [http://www.w3.org/TR/REC-xml] Extensible Markup Language (XML) 1.0 (Third Edition) W3C Recommendation 4th February 2004, Francois Yergeau, Tim Bray, Jean Paoli, C. M. Sperberg-McQueen, Eve Maler
•     Připravuje seXMĹ 1.1, nyní jako Candidate Recommendation.
Vážné diskuse se vedou okolo binárního XML, což by měla být rovnocenná reprezentace stejného modelu, jako má "textové" XML.
Základní specifikace: XML 1.0 (Third Edition)
3
Úvod do značkovacích jazyků, základní pojmy, logická a fyzická struktura dokumentu
Momentálně je aktuální specifikací [http://www.w3.org/TR/REC-xml] Extensible Markup Language (XML) 1.0 (Third Edition) W3C Recommendation 4th February 2004, autora Francois Yergeau, Tim Bray, Jean Paoli, C. M. Sperberg-McQueen, Eve Maler
Současně s tím je zveřejněna XML 1.1, W3C Recommendation, 4th February 2004, Francois Yergeau, John Cowan, Tim Bray, Jean Paoli, C. M. Sperberg-McQueen, Eve Maler.
Vážné diskuse se vedou okolo binárního XML, což by měla být rovnocenná reprezentace stejného modelu, jako má "textové" XML.
Deset zásad pro specifikaci XML standardů
vyňato z preambule ke specifikaci XML 1.0 (Second Edition)
1.     XML shall be straightforwardly usable over the Internet.
XML bude přímočaře použitelné na Internetu.
2.     XML shall support a wide variety of applications. XML bude podporovat širokou škálu aplikací.
3.     XML shall be compatible with SGML. XML bude kompatibilní se SGML.
4.     It shall be easy to write programs which process XML documents. Tvorba programů zpracovávajících XML bude jednoduchá.
5.     The number of optional features in XML is to be kept to the absolute minimum, ideally zero. Počet volitelných prvků XML standardu bude málo, optimálně 0.
6.     XML documents should be human-legible and reasonably clear. XML dokumenty by měly být "lidsky" čitelné a rozumně jednoduché.
7.     The XML design should be prepared quickly. Návrh XML standardu by měl být rychle hotov.
8.     The design of XML shall be formal and concise. Návrh XML musí byt formální a správný.
9.     XML documents shall be easy to create. XML dokumenty bude možné snadno vytvořit.
10.   Terseness in XML literal is of minimal importance.
4
Úvod do značkovacích jazyků, základní pojmy, logická a fyzická struktura dokumentu
Úspornost XML značkování není podstatná.
Struktura XML dokumentů
Syntaxe XML dokumentů
Základním  požadavkem  kladeným  na  každý XML   dokument je,   že   musí  být  dobře  utvořen (well-formed).
Toto nastane, právě když:
1.     Taken as a whole, it matches the production labeled document: [1] document ::= prolog element Mise* tj. obsahuje prolog (hlavičku) a právě jeden, tzv. kořenový element. Dále může před a po kořenovém elementu obsahovat instrukce pro zpracování, komentáře atd. (Mi s c)
2.     It meets all the well-formedness constraints given in the specification.
Musí vyhovovat všem pravidlům pro správné utvoření uvedeným ve specifikaci.
3.     Each of the parsed entities which is referenced directly or indirectly within the document is well-formed.
Totéž platí pro každou analyzovanou (parsovanou) entitu přímo nebo nepřímo odkazovanou v dokumentu.
Podívejte             se             na             tutoriál             základů             XML             v             češtině
[http ://zvon. org/xxl/XMLTutorial/General_cze/book. html]
Rejstřík (glossary) pojmů ke XML [http://zvon.org/index.php?nav_id=173]
Fyzická a logická struktura XML dokumentu
U XML dokumentů rozlišujeme strukturu fyzickou a logickou. Aplikační programátory zajímá většinou jen struktura logická, autory obsahu, XML editorů, procesorů, atd. může zajímat i struktura fyzická.
Struktura logická - dokument členíme na elementy (jedné z nich je kořenový - root), jejich atributy, textové uzly v elementech, instrukce pro zpracování, 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 ohraničené počáteční a koncovou značkou - start and end tag, např.: <tagname   ...tag   attributes...>
5
Úvod do značkovacích jazyků, základní pojmy, logická a fyzická struktura dokumentu
tag content </tagname>
Příklad 1.1. Příklad elementu s obsahem (neprázdného)
<body background="yellow">
<hl>textový uzel - obsah elementu hl</hl> <p>textový uzel - obsah elementu p</p>
</body>
Elementy - prázdné
Je-li obsah prázdný (žádné dceřinné elementy ani textový obsah), pak píšeme pouze značku prázdného elementu - empty element tag, např.:
<tagname tag attributes/>
Příklad 1.2. Příklad elementu bez obsahu (prázdného)
<hr  width='50%'/>
Atributy
•     Nesou "dodatečné informace" k elementu - např. jeho ID, požadované formátování - styl, odkazy na další elementy...
•     Konceptuálne 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.
Občas se u některých značkování vyskytne snaha o strukturaci obsahu atributů, to však obecně vede k více problémům, než řeší...
Atributy - zápis
•     Atribut je tvoienjménem a hodnotou.
6
Úvod do značkovacích jazyků, základní pojmy, logická a fyzická struktura dokumentu
•     Atributy zapisujeme do počáteční značky elementu (který může být i prázdný).
•     Hodnota je vždy vložena v uvozovkách či apostrofech a od jména ji dělí znak rovnítka (=).
•     Pro názvy atributů platí stejná omezení jako pro názvy elementů.
•     V rámci jednoho elementu nejsou přípustné dva atributy se stejným jménem.
Atributy - příklad
Příklad 1.3. Atribut 'width' v prázdném elementu
<hr  width='50%'/>
Příklad 1.4. Atribut 'border' v neprázdném elementu
<table border='l'>
<tr><td>jedna</tdxtd>dve</tdx/tr>
<tr><td>tri</tdxtd>ctyri</tdx/tr> </table>
Textové uzly
Nesou textovou informaci.
Např. v následující ukázce je text ahoj ! (nikoli celý element em!) 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.
<?xsl-stylesheet href="mystyle.xsl">
Poznámka
href v příkladu neznamená atribut; atributy nejsou u instrukce pro zpracování možné!
7
Úvod do značkovacích jazyku, základní pojmy, logická a fyzická struktura dokumentu
Notace
Notace {notation) píšeme do značek <! NOTATION name declaration > Slouží zejména k popisu binárních (non-XML) entit - např. obrázků GIF, PNG,... Jde vlastně o deklaraci způsobu zpracování.
Komentáře
Podobně j ako v HTML - komentář {comment) píšeme do značek <!--  text  komentáře  -->
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!!!   (resp.   činí  až v  rozšířené  verzi   SAX2,  v  Jávě  balík
org . xml. sax . ext).
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 [. ./standards/index.html]