Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) Obsah Specifikace a validita XML...........................................................................................2 Aktuální specifikace XML ....................................................................................................2 Jakou verzi použít?..............................................................................................................2 Validita XML dokumentů.....................................................................................................2 Document Type Definition (DTD)..................................................................................2 Document Type Definition (DTD)..........................................................................................2 Motivace pro DTD, srovnání, výhody a nevýhody .....................................................................3 DTD - tutoriály...................................................................................................................3 DTD - deklarace typu dokumentu podrobněji ...........................................................................4 DTD - podmíněné sekce .......................................................................................................4 DTD - definice typu elementu................................................................................................4 DTD - definice atributu ........................................................................................................5 DTD - definice typu hodnoty atributu......................................................................................5 DTD - předpis kardinality (počtu výskytů) atributu....................................................................6 DTD - implicitní hodnota atributu ..........................................................................................6 Fyzická struktura (entity)..............................................................................................6 Entita - deklarace a použití....................................................................................................6 Entity obecné (general) - mohou být .....................................................................................6 Entity parametrické (parametric)........................................................................................6 XML Base .................................................................................................................7 XML Base .........................................................................................................................7 XML Base - příklad.............................................................................................................7 Jmenné prostory..........................................................................................................7 Jmenné prostory (XML Namespaces)......................................................................................7 Prefixy jmenných prostorů, shoda...........................................................................................8 Příklad implicitního jmenného prostoru ...................................................................................8 Příklad explicitního jmenného prostoru ...................................................................................9 Obtíže se jmennými prostory .................................................................................................9 XML Information Set ..................................................................................................9 XML Information Set (XML Infoset) - cíle ..............................................................................9 XML Infoset - struktura........................................................................................................9 Kanonický tvar XML.................................................................................................10 Kanonický tvar XML dokumentu.........................................................................................10 Kanonický tvar - zásady konstrukce......................................................................................10 Potíže při definici kanonického tvaru ....................................................................................11 XML Catalogs..........................................................................................................11 XML Catalogs..................................................................................................................11 XML Catalogs - příklad......................................................................................................11 1 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) Specifikace a validita XML Aktuální specifikace XML • Původní specifikace (W3C Recommendation) XML 1.0 na W3C: http://www.w3.org/XML/ • 4th Edition (aktualizace, opravy, ne změny) na Extensible Markup Language (XML) 1.0 (Fourth Edition) [http://www.w3.org/TR/2006/REC-xml-20060816/] • výborná komentovaná verze téhož na XML.COM (Annotated XML): http://www.xml.eom/pub/a/axml/axmlintro.html • XML 1.1 (Second Edition) [http://www.w3.org/TR/2006/REC-xmlll-20060816/] - změny indukované zavedením UNICODE 3, lepší možnosti normalizace, upřesnění postupu manipulace se znaky ukončení řádku. XML 1.1 není už vázaný na konkrétní verzi UNICODE, ale vždy na verzi poslední. Jakou verzi použít? Jakou verzi specifikace bychom měli v nových aplikacích používat? Odpověď dává W3C XML Core Working Group [http://www.w3.Org/XML/Core/#Publications]: • nepíšeme-li parser, ale aplikaci, která generuje nebo vytváří XML (editor), používejme XML 1.0 (zpětná kompatibilita) nové parsery by měly umět XML 1.1 Validita XML dokumentů Opakování: každý XML dokument MUSÍ být správně utvořený {well formed) Nové: XML dokument můřže být platný {valid) dokument: Platný podle specifikace znamená přísnější omezení než správně utvořený. Obvykle se validitou myslí soulad s DTD (Document Type Definition) dokumentu nebo (moderněji) - soulad s XML Schematem, případně jinými schématy (RelaxNG, Schematron). Document Type Definition (DTD) Document Type Definition (DTD) 2 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) • Definice typu dokumentu (použití této definice je pak deklarace typu dokumentu). Specifikována přímo (základním) standardem XML 1.0. • Popisuje přípustný obsah elementů, atributů, jejich implicitní (default) hodnoty, definuje použité entity. Může být uvedenajako interní nebo externí DTD {internal and external subset) nebo "napůl" - tam i tam. • Dokument vyhovující DTD je označován jako valid (platný). DTD a podobným jazykům se také říká modelovací — modelují/definují konkrétní značkování. Syntaxe DTD není XML (na rozdíl od většiny dalších modelováních jazyků). Motivace pro DTD, srovnání, výhody a nevýhody Jaká jsou úskalí DTD? • Zásadním úskalím DTD je "nekompatibilita" se jmennými prostory (XML Namespaces) a slabá modelovací schopnost - řadu omezení v modelu nelze pomocí DTD popsat. "Přímým" a mocnějším, ale také podstatně složitějším, nástupcem DTD je W3C XML Schema [http://www.w3 .org/XML/Schema]. • Existují rovněž zdařilé, jednoduché a mocné alternativy ke XML Schématu - jako je RelaxNG [http://relaxng.org]. (on Wikipedia:RELAX_NG [http://en.wikipedia.org/wiki/RELAX_NG]) Proč vůbec (ještě) používat DTD? • Jednoduché, všechny validující parsery ho umí. • Pro mnoho jednoduchých značkování nepoužívajících jmenné prostory DTD dostačuje. DTD - tutoriály • Webreview: http://www.webreview.com/2000/08_l l/developers/08_l 1002.shtml • ZVON: http://www.zvon.org/xxl/DTDTutorial/General/contents.html • XML DTD Tutorial (101): http://www.xmll01.com/dtd/ • W3Schools DTD Tutorial: http://www.w3schools.com [http://www.w3school.com] 3 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) DTD - deklarace typu dokumentu podrobněji Uvádí se těsně před kořenový elementem konstrukcí • 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. • DTD - definice typu elementu Popisuje možný obsah elementu, má formu , kde . . . může být EMPTY - prázdný element, může být zobrazen jako nebo - totéž • ANY - povolen je libovolný obsah elementu, tj. text, dceřinné elementy,... může obsahovat dceřinné elementy - může být smíšený (MIXED) - obsahující text i dceřinné elementy dané výčtem < ! ELEMENT jméno-elementu (#PCDATA | přípustné dceřinných elementy) *>. Nelze specifikovat pořadí nebo počet výskytů konkrétních dceřinných elementů. Hvězdička za závorkou je povinná - vždy je možný libovolný počet výskytů. 4 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) Pro specifikaci dceřinných 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 dceřinného elementu omezujeme specifikátory "hvězdička", "otazník", "plus" s obvyklými významy. Bez specifikátoru znamená, že je povolen právě jeden výskyt. DTD - definice atributu Popisuje (datový) typ, případně implicitní hodnoty atributu u daného elementu. Má tvar DTD - definice typu hodnoty atributu Přípustné typy hodnot jsou: • CDATA • NMTOKEN • NMTOKENS • ID • IDREF • IDREFS • ENTITY • ENTITIES • výčet hodnot - např. (hodnotal | hodnota2 | hodnota3) • výčet notací-např. NOTATION (notacel | notace2 | notace3) Atribut (i nepovinný) může mít implicitní hodnotu: "implicitní hodnota" - atribut je nepovinný, ale není-li uveden, chápe se to, jako by měl 5 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) hodnotu implicitní hodnota DTD - předpis kardinality (počtu výskytů) atributu 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 DTD - implicitní hodnota atributu 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 Fyzická struktura (entity) Entita - deklarace a použití Rozlišuje se: • deklarace • reference (tj. použití) dané (již deklarované) entity. Entity obecné (general) - mohou být • parsované - soubory se (správně utvořeným) značkováním, neparsované - např. binární soubory, • znakové - znaky, např. > je referencí na znakovou entitu Entity parametrické (parametric) • mohou být použity jen v rámci DTD 6 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) hodí se při např. deklaracích seznamu atributů (pokud je dlouhý a vícekrát použitý, 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 "Hl | H2 | H3 | H4 | H5 | H6"> XML Base 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 standardemXLink. Respektuje princip "překrývání" bázové adresy nastavené v nadřazeném elementu. XML Base - příklad Příklad 1. xmhbase určuje základ pro relativní URL - Poznámka Všimněte si použití vyhrazeného prefixu xml: Jmenné prostory Jmenné prostory (XML Namespaces) 7 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) XML Namespaces (W3C Recommendation, aktuálně Namespaces in XML 1.0 (Second Edition) W3CRecommendation 16August 2006): http://www.w3.org/TR/REC-xml-names • Existuje také nové Namespaces in XML 1.1 W3C Recommendation [http://www.w3.org/TR/xml-namesll/] 4th February 2004. Andrew Layman, Richard Tobin, Tim Bray, Dave Hollander • 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 (URI tvoří nadmnožinu URL). • NS odpovídající danému URI nemá nic společného s obsahem nacházejícím se případně na tomto URL ("nic se odnikud automaticky nestanuje" - nedochází k tzv. dereferenci danéhol URI). Prefixy jmenných prostorů, shoda... • V rámci dokumentů se místo těchto URL používají zkratky, prefixy těchto NS namapované na příslušné URI atributem xmlns : pref ix="URI". Jméno elementu či atributu obsahující dvojtečku se označuje jako kvalifikované jméno, QName. • 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 prefixu NS nebo implicitního NS má platnost na všechny dceřinné uzly 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 atributy bez explicitního uvedení prefixu nej sou v žádném NS. Příklad implicitního jmenného prostoru V následující ukázce je pro celý úryvek platný deklarovaný implicitní jmenný prostor charakterizovaný URI (URL)http://www.w3.org/1999/xhtml Příklad 2. Implicitní jmenný prostor Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) Huráááá Příklad explicitního jmenného prostoru V následující ukázce je deklarován a přiřazen prefixu xhtml jmenný prostor charakterizovaný URI (URL)http://www.w3.org/1999/xhtml Příklad 3. Jmenný prostor mapovaný na prefix Huráááá Obtíže se jmennými prostory Dosud ne všechny parsery dokážou rozpoznávat NS..../' když problémy jsou s tím dnes výjimečné... NS jsou nekompatibilní s DTD (DTD přísně rozlišuje např. jméno xi : include a include i v případě, že patří do stejného NS a mají tedy z hlediska aplikace obvykle stejnou interpretaci/význam). XML Information Set XML Information Set (XML Infoset) - cíle • XML Infoset 2nd Edition W3C Recommendation First published.og 24 October 2001, revised 4 February 2004, John Cowan, Richard Tobin, http://www.w3.org/TR/xml-infoset/ • Infoset popisuje "jaké všechny informace lze o uzlu (elementu, dokumentu, atributu...) získat" • Jinými slovy: aplikace by neměla spoléhat na informace z XML dokumentu, které se po analýze (parsingu) neobjeví v Infosetu. • Každý správně utvořený XML dokument vyhovující standardu pro jmenné prostory má Infoset. XML Infoset - struktura 9 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) • 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, neanalyzovaně entitě, notaci • Podrobněji viz specifikace. Kanonický tvar XML Kanonický tvar XML dokumentu • Canonical XML Version 1.0, W3C Recommendation 15 March 2001, http ://www. w3. org/TR/xml-c 14n 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 tvaruje nutné napr u elektronického podpisu XML dat (při výpočtu hodnoty digest). Bylo by možné nad XML dokumenty definovat i jiné relace ekvivalence než je Canonical XML. Kanonický tvar - zásady konstrukce Hlavní zásady konstrukce kanonického tvaru XML dokumentu: • 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 CD ATA 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 j sou uvozeny " 10 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) speciální znaky v hodnotách atributů a textovém obsahu elementů jsou nahrazeny referencemi na entity • nadbytečné deklarace j menných prostorů j sou 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 pň definici kanonického tvaru Ztráta řady informací (typicky pocházejících z DTD): • neparsované entity (např. binární entity) jsou po kanonizaci nepřístupné • notace • typy atributů (vč. implic. hodnot) XML Catalogs XML Catalogs • Vycházejí ze starších SGML katalogů • Jde o prostředek, jak se jednotně odkazovat na entity (dokumenty) umístěné na různých systémech na různých místech. • Dovoluje také praktické použití identifikátorů URI typu PUBLIC, které neodkazují na žádnou reálnou lokaci na internem. • Existuje několik formátů pro katalogy - bohužel. XML Catalogs - příklad Příklad 4. Katalog pro styly značkování DocBook Slides 11 Základní standardy rodiny XML (DTD, XML Base, jmenné prostory...) 12