Kapitola 1. Vizualizace XML dat, Významné aplikace XML

Obsah

Úvod k formátování
DocBook: příklad složitějšího značkování
DocBook: vrstvy a přizpůsobení
DocBook: styly
Konceptuální, logické a fyzické formátování
Co a k čemu je formátování?
Úrovně formátování
Odkud kam sahají úrovně formátování?
Fáze formátování
Postup formátování a příklady nástrojů
data -> požadovaná data (filtrace)
filtrovaná data -> konceptuální formát
Konceptuální formát -> logický formát
Logický formát -> fyzický formát
Formátování a výstupní média
Výstup na běžnou obrazovku, web (HTML, plaintext, RTF)
(X)HTML, RTF, plaintext (2)
Výstup pro tisk (PDF, TeX)
Výstup na malé displeje (WAP, PDA)
Hlasový výstup (VoiceXML)
Podrobněji k formátovacím objektům (XSL:FO)
Co a k čemu jsou XSL:FO
Informační zdroje k XSL:FO

Úvod k formátování

DocBook: příklad složitějšího značkování

  • 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

Příklad 1.1. 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

Příklad 1.2. 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

Příklad 1.3. 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)

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