XML terminologie a charakteristiky. Roman Malo

XML – terminologie a charakteristiky Roman Malo

XML 



eXtensible Markup Language (rozšiřitelný značkovací jazyk) Verze  



1.0, 1.1 – http://www.w3.org/xml Rozdíly v podpoře různých znakových sad a práci s řídícími znaky

Metajazyk – nejsou definovány konkrétní značky

XML aplikace

2

XML značkování 

 

 

XML je meta-značkovací jazyk pro textové dokumenty, nedefinuje tedy pevně danou množinu značek Je možné definovat si vlastní elementy, tak jak je potřeba – flexibilita, rozšiřitelnost Všechny dokumenty však musí odpovídat striktní gramatice určující umístění značek, dovolené názvy, atributy – well-formed dokumenty XML je case-sensitive! Identifikátory mohou obsahovat libovolné alfanumerické znaky, podtržítka, pomlčky, tečky i znaky různých abeced XML aplikace

3

Ukázka XML dat

XML aplikace

4

XML aplikace  

 

Při práci s XML je vždy použita XML aplikace XML aplikace představuje konkrétní množinu značek a pravidel jejich použití XML aplikace je instancí XML Jednotlivé skupiny či instituce se mohou dohodnout na jednotné sadě značek, čímž vznikají de-facto standardy (XSLT, SMIL, SVG, ebXML, …) XML aplikace

5

XML dokument 





XML dokument je obecné označení pro fyzický zdroj (textový soubor, datový proud) XML dat V rámci dokumentu je uveden především obsah a příslušné značky, které jej logicky člení na elementy Další součásti XML dokumentu     



deklarace xml dokumentu – hlavička deklarace typu dokumentu entitní reference komentáře procesní instrukce sekce CDATA XML aplikace

6

Logická struktura XML  







Na XML data lze nahlížet jako na strom (XML strom) Jednotlivé části stromu jsou tvořeny elementy a případně dalšími součástmi XML dat Vztahy mezi prvky vycházejí z terminologie rodokmenů (předek, rodič, sourozenec, dítě, potomek (následník)) Podle počtu potomků rozeznáváme hrubou a jemnou granularitu (zrnitost) elementů Hierarchie mohou být rekurzivní

XML aplikace

7

Schéma elementu

Element <jméno_značky atribut="hodnota"> obsah

počáteční značka

koncová značka

XML aplikace

8

XML názvy  



 



Musí začínat na písmeno nebo znak "_" Dalšími povolenými znaky jsou čísla, pomlčky nebo tečky Neměl by obsahovat dvojtečku, ta se používá pro jmenné prostory Je doporučeno nezačínat prefixem "xml" Obecně je možné použít libovolné znaky ze znakové sady UNICODE Rozeznává se velikost písmen XML aplikace

9

UNICODE 









Standardizovaná znaková sada zahrnující většinu znaků různých abeced Unicode Consortium, rozšíření ISO 10646 Od verze 2.0 zpětně kompatibilní (dnes verze 5.0) Znak UNICODE může být 31 bitů (původně jen 16) dlouhý (231 = 2147483648) Nutné použití některého kódování (např. UTF-8) XML aplikace

10

UTF-8 

   

 

UCS Transformation Format – způsob kódování UNICODE znaků UTF-8 používá sekvence bajtů (UTF-16, UTF-32) Pro české znaky postačuje max. 2B Pro vícebajtové znaky se používá big endian zápis Byte Order Mark (BOM) – nedělitelná mezera nulové šířky (U+FEFF), v UTF-8 reprezentován trojicí bajtů 0xEF 0xBB 0xBF BOM se používá k rozpoznání kódování dat Viz např. http://cs.wikipedia.org/wiki/UTF-8 XML aplikace

11

Obsah elementu 







Elementy <jmeno>Roman <prijmeni>Malo Znaková data Roman Malo Smíšený obsah <pojem>XMLje značkovací… Prázdný element nebo

XML aplikace

12

Kořenový element  



Právě jeden element je předkem pro všechny ostatní elementy – kořenový element Správně zapsaná XML data <jmeno>Roman <prijmeni>Malo Chybějící kořenový element – chyba 1446 <jmeno>Roman <prijmeni>Malo XML aplikace

13

XML hlavička  





XML hlavička je deklarací XML dokumentu Je-li hlavička dokumentu uváděna, pak se musí vyskytnout na úplném začátku dokumentu, nesmí se před ní vyskytnou žádné jiné (ani bílé) znaky Hlavička je nepovinná (jen v případě použití UTF-8 apod.) Atributy:  version – verze xml  encoding – kódování dokumentu  standalone – povinnost číst definice z externí podmnožiny DTD

XML aplikace

14

Deklarace typu dokumentu 





DTD – definice typu dokumentu, obsahuje pravidla zápisu XML dat a definici entit Deklarace typu dokumentu obsahuje DTD (interní podmnožinu) nebo odkaz na DTD (externí podmnožinu) Uvádí se před kořenovým elementem 



XML aplikace

15

Předdefinované entity 



Stejně jako v jiných jazycích i v XML jsou určité znaky vyhrazeny pro určitý účel – zápis značek XML specifikace definuje pět interních znakových entit 

  



< – znamená levou špičatou závorku < > – pravou špičatou závorku > & – ampersand & ' – apostrof ´ " – uvozovku ” XML aplikace

16

Znakové entity, entitní reference  

Každý znak lze zapsat pomocí znakové entity Zápis je možné provést více způsoby 

 



názvem – < (názvy musí být definovány) desítkově – < hexadecimálně – <

Specifikace XML umožňuje použití i dalších entit (textové, binární), nutná definice v části DTD

XML aplikace

17

Fyzická struktura XML dokumentu 





 

XML dokument může být pomocí entit rozčleněn na dílčí části Základní entitou je entita dokumentu – document entity (existuje vždy) Při zpracování XML dokumentu je nejprve třeba sestavit kompletní XML dokument (nahradit entity obsahem) – manažer entit Každá entita je určena svým URI Existují dva základní typy fyzických entit 



entity analyzované (parsed entities) entity neanalyzované (unparsed entities) XML aplikace

18

Komentáře 



 

Komentáře umožňují do textu vkládání libovolných informací, které nejsou přímo obsahem dokumentu Většinou se jedná o poznámky autora dokumentu, případně může jít o programové vsuvky Komentáře jsou XML parserem ignorovány Komentář nemůže být součástí značek nebo hodnot atributů

XML aplikace

19

Procesní instrukce 

PI nejsou součástí XML dat, obsahují instrukce pro software zpracovávající dané data



Aplikace se orientuje dle cíle PI a zpracovává instrukce PI Obsahem PI jsou znaky platné v XML Používají se například pro propojení XML se styly





XML aplikace

20

CDATA sekce 



Sekce CDATA oznamuje XML procesoru, aby ignoroval všechny značky obsažené v sekci – jednotlivé značky jsou chápány v roli normálního textu Podobné informace by bylo možné zapisovat i pomocí znakových entit <skriptik jazyk="JavaScript"> Jak to jde?

"); } ]]>

XML aplikace

21

Prolog XML 





Prologem je rozuměna část, které předchází kořenovému elementu Součástí prologu může být hlavička, komentář, procesní instrukce či deklarace typu dokumentu Prolog může být prázdný

XML aplikace

22

XML atributy Atribut jazyku – pro určení jazyku obsahu elementu  Hodnotou kód dle ISO 639 případně včetně subkódu (ISO 3166)  Hezky česky  Atribut zpracování bílých znaků – pro definici zpracování znaků mezer, konců řádku apod. v obsahu elementu  Obecně jsou bílé znaky normalizovány na jednu mezeru <mezery xml:space="preserve"> 

XML aplikace

23

Základní syntaktické pravidla   

   

Každá počáteční značka má značku koncovou Elementy se nesmějí překrývat Musí existovat kořenový element Hodnoty atributů musí být uzavřeny v uvozovkách Element nesmí mít dva stejně pojmenované atributy Komentáře a instrukce nesmí být v názvu značek Ve znakových datech elementu nesmí být žádné nenahrazené entity

XML aplikace

24

Dobře strukturované a validní XML 



Každý XML dokument, který striktně dodržuje uvedenou syntaxi (pravidla správné formulace) je dobře strukturovaný (well-formed) Pokud dokument odpovídá určitému DTD (případně jinak popsané definici struktury), pak je validní (valid) 

 



Každý validní dokument je dobře strukturovaný Dobře strukturovaný dokument nemusí být validní Pokud je dokument validní existuje k němu příslušný popis struktury (DTD, XML schéma, ...) ??? XML dokument nemusí být validní ani dobře strukturovaný. ??? (Je to ještě XML?) XML aplikace

25

XML fragment 







XML fragmentem je nazývána libovolná ucelená část XML dokumentu XML fragment může být využíván samostatně, když je dobře strukturovaný XML fragment nemusí být dobře strukturovaný Fragmentů se využívá například pro sdílení XML dat mezi různými dokumenty XML aplikace

26

Procesor XML   





Aplikace zpřístupňující XML data Plní funkci parseru a manažeru entit Parser je syntaktický analyzátor, který rozpoznává jednotlivé části XML dat Při nalezení chyby končí zpracování dat XML specifikace rozeznává validující a nevalidující XML procesor

XML aplikace

27

Modularizace 







Velice často bývá struktura XML velmi rozsáhlá, přičemž řada elementů z definice se v některých případech nevyužívá Proto je celý popis struktury rozdělen na logické celky – moduly, ze kterých se vytvářejí profily Profily je možné efektivně využít například pro aplikace či zařízení, které určitou podmnožinu prvků daného standardu nevyužívají Každý profil je podmnožinou kompletní celé množiny povolených prvků XML aplikace

28

XML – doplňující specifikace 



 



XML Base – vyhodnocování relativní URL adres XML Namespaces – definice logických prostorů jednotlivých elementů a atributů XML Inclusion – vkládání XML dokumentů XML Information Set – popis jednotlivých uzlů dokumentu Kanonizace XML – vyhodnocování ekvivalence XML dokumentů XML aplikace

29

Výhody XML 



 

 

XML je jednoduchým, otevřeným, dostupným a nezávislým de-facto standardem XML umožňuje dokonalý popis logické struktury dokumentu XML podporuje většinu z národních znakových sad XML je snadno zpracovatelný a konvertovatelný do jiných formátů XML je univerzálním datovým formátem XML se dále rozvíjí a lze předpokládat stále silnější podporu tohoto jazyka i ze strany velkých dodavatelů SW XML aplikace

30

Děkuji za pozornost

[email protected]