Markeringsspråk og XML

Transkript

1 Markeringsspråk og XML <?xml version ="1.0" encoding= utf-8"?> 8? <eventyr> Det var en gang og snipp, snapp, snute, så var det eventyret e et ute. </eventyr> Læringsmål XML Forstå prinsippene bak XML og XHTML. Forstå hva XML kan brukes til og hvordan. Forstå hva XML er og hva det ikke er. Kunne lage XML-dokumenter. Kunne bruke dokumenttypedefinisjoner d i (DTDer) og XML-skjemaer. Kjenne prinsippene i id de nyeste standardene d for lagring av bl.a. tekster, regneark og presentasjoner Kapittel 3 INF1040-XML- 1 INF1040-XML- 2 Rå tekst vs. formatert tekst Standarder som ASCII, ISO 8859-x og Unicode gjelder rå tekst ( plain text ) t ) og omfatter derfor svært lite om hvordan teksten skal vises fram I tillegg til råteksten trengs formateringsdirektiver for å påvirke Valg av glyfer (skrifttype, skriftstørrelse, se, skriftfarge,) Bruk av white space (avsnitts- og linjeavstand, innrykk, ) Integrasjon med andre visuelle elementer (bilder,) INF1040-XML- 3 Markeringsprinsipper ( markup principles ) Spesifikk markering (eksempel fra WordStar).PL 66 page length 66 linjer.mt 6 margin top = 6 linjer.mb 9 margin bottom = 9 linjer ^B Innhold INF1040^B switch bold on and off I ^BINF1040^B skal vi blant annet lære Generalisert markering (eksempel fra XHTML) <h1>innhold INF1040</h1> <p>i <strong>inf1040</strong> skal vi blant annet lære</p> Generisk markering (eksempel fra XML) <chapter> <chapter name>innhold INF1040</chapter name> <paragraph>i <topic>inf1040</topic> skal vi blant annet lære </paragraph> </chapter> INF1040-XML- 4

2 Redigeringsprogrammer (editorer) To hovedtyper ( se eksempler på de følgende lysark) WYSYWYG What you see is what you get Direkte redigering av markeringer De to trinn i moderne tekstbehandling Trinn 1 Generalisert eller generisk markering: Hver enkelt del av teksten deklareres til å være av en bestemt type (eksempelvis overskrift, brødtekst, sitat, opplisting,...) Trinn 2 Formatering: Hver av teksttypene tilordnes en kombinasjon av formater (ofte kalt en stil) Dette prinsippet gjør at dersom man ønsker å endre utseende f.eks. på alle overskrifter, er det tilstrekkelig å endre stilen Skill mellom innhold (hva er teksten) og visualisering (hvordan vise fram teksten) Eksempel: WYSIWYG i MS-Word I Produserer en fil testeksempel.docx iooxml XML-format (se senere) INF1040-XML- 5 INF1040-XML- 6 Direkte redigering LaTeX teksteksempel.tex \documentclass[a4paper,12pt]{article} \usepackage[latin1]{inputenc} \begin{document} teksteksempel.dvi teksteksempel.ps \section{innhold INF1040} I \textbf{inf1040} skal vi blant annet lære om hvordan vi i en LaTeX dvips datamaskin representerer \begin{itemize} \item tekst \item tall \item lyd \item bilder \end{itemize} og hva dette innebærer for \textit{lagring, overføring} og \textit{fremvisning} \end{document} INF1040-XML- 7 <?xml version="1.0" encoding="windows-1252"?> <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" " <html> <head> <title>beskrivelse INF1040</title> </head> <body> <h1> Innhold INF1040</h1> <p>i <b>inf1040</b> skal vi blant annet lære om hvordan vi i en datamaskin nettleser representerer</p> p (browser) <ul> <li>tekst</li> <li>tall</li> <li>lyd</li> <li>bilder</li> </ul> <p>og hva dette innebærer for <i>lagring, overføring</i> og <i>fremvisning</i> </p> </body> </html> Direkte redigering XHTML INF1040-XML- 8

3 SGML-familien SGML Standard General Markup Language ISO 8879:1985 HTML Hypertext Markup Language XML Extensible Markup Language Et standardisert format for data + beskrivelse av data Standardisert av World Wide Web Consortium se Eksempel se neste lysark XML Extensible Markup Language XHTML Extensible Hypertext Markup Language Other XML-based Languages ODF, OO XML ISO/IEC Office document standards d ISO/IEC INF1040-XML- 9 INF1040-XML- 10 Alle XML-filer begynner slik! Startmarkering (starttag) Sluttmarkering (endtag) Et meget enkelt XML-eksempel Hvilken XMLversjon som er benyttet <?xml version = "1.0" encoding= utf-8"?> 8?> <eventyr> Tegnsettet brukt i XML-filen Det var en gang og snipp, snapp, snute, så var det eventyret ute. </eventyr> Element XML er ikke ment for direkte fremvisning XML-teksten kan oversettes til egnet XHTML (eller et hvilket som helst annet tekstformat) ved hjelp av en XSLT-prosessor, et program som styres av instrukser på en XSLT-fil. (XSLT = Extensible Style Sheet Language Translator) Enkelte moderne nettlesere har en XSLT-prosessor innebygd XML-fil XSLT-fil XHTML-fil andre formater CSS-fil XSLTprosessor Nett- leser INF1040-XML- 11 INF1040-XML- 12

4 Et litt mer avansert XML-eksempel <?xml version = "1.0" encoding= utf-8"?> <emne id="inf1040"> <emnekode>inf1040</emnekode> <emnenavn>digital representasjon</emnenavn> <emnebeskrivelse>i INF1040 skal vi blant annet lære om hvordan vi i en datamaskin representerer <temaliste> <tema>tekst</tema> <tema>tall</tema> <tema>lyd</tema> Vi snakker gjerne om et XMLdokument, selv om det ikke er <tema>bilder</tema> </temaliste> meningen å skrive det ut på og hva dette innebærer for papir. <stikkord>lagring</stikkord> g Terminologien understreker <stikkord>overføring</stikkord> imidlertid at XML er et <stikkord>fremvisning</stikkord> tekstbasert format. </emnebeskrivelse> </emne> INF1040-XML- 13 Velstrukturerte XML-dokumenter Et XML-dokument er sammensatt av elementer, avgrenset med markeringer ( tags ) Et XML-dokument skal ha ett eneste rotelement Elementer må være perfekt nøstet (danne en hierarkisk struktur) <m1><m2></m2></m1>, ikke <m1><m2></m1></m2> Sjekk av struktur kan gjøres med Er XML-dokumentet på lysark 13 velstrukturert? INF1040-XML- 14 Elementene danner en hierarkisk struktur emne emne- emne- emnekode navn beskrivelse INF1040 Digital representasjon I INF1040 skal vi blant annet lære om hvordan vi i en datamaskin representerer temaliste Grunnlaget for Document Object Model DOM og hva dette innebærer for stikkord* tema* lagring overføring fremvisning Oppbyggingen av et element Hvert element starter med en startmarkering og avsluttes med en tilsvarende sluttmarkering: <elementnavn>elementinnhold</elementnavn> Eksempel fra XHTML: <h1>inf1040 Digital representasjon</h1> Hvis elementet er tomt kan start- og sluttmarkeringen slås sammen: <elementnavn /> <br /> Startmarkeringen kan inneholde ett eller flere attributter med tilhørende verdier: <elementnavn attributt= verdi >elementinnhold</elementnavn> <a href= >UiO</a> <img src= uiologo.gif g alt= UiO-logo width= 75 height= 75 /> tekst tall lyd bilder INF1040-XML- 15 INF1040-XML- 16

5 Regler for elementnavn i XML Kan inneholde bokstaver, tall og andre tegn. Ikke-engelske bokstaver er tillatt, men det er ikke sikkert all programvare forstår dem. Kan ikke inneholde mellomrom (space). Kan ikke starte te med tall, skilletegn eller e xml, XML, Xml Kan starte med _ (underscore) Unngå tegnene. : De kan lett misforstås Spesielle tegn Tegnene < > & har en spesiell betydning i XML de brukes som escape -tegn Hvis slike tegn inngår i teksten, må de kodes på en spesiell måte: &tegnnavn; eller &#kodepunkt; altså: < < < > > > & & & # betyr at tegnet er angitt som et kodepunkt (dvs. numerisk) x betyr at kodepunktet er angitt i heksadesimal INF1040-XML- 17 INF1040-XML- 18 Gyldige XML-dokumenter I utgangspunktet kan markeringer, attributter og verdier velges fritt. Strengere regler kan pålegges ved hjelp av en Dokumenttypedefinisjon Document Type Definition (DTD) eller et XML-Schema Disse reglene kan blant annet spesifisere lovlige markeringer Et XML-dokument kan da være gyldig i henholdt til en gitt DTD eller et gitt XML Schema Sjekk av gyldighet (validering) kan gjøres for eksempel med Det finnes en mengde standardiserte DTDer for ulike formål elektronisk handel, geografiske informasjonssystemer, elektroniske valg, undervisning, varslingssystemer, INF1040-XML- 19 Eksempel på en Dokumenttypedefinisjon - DTD Dokumenttypedefinisjon på filen emne.dtd: <!ELEMENT emne (emnekode, emnenavn, emnebeskrivelse)> <!ELEMENT emnekode (#PCDATA)> <!ELEMENT emnenavn (#PCDATA)> <!ELEMENT emnebeskrivelse (#PCDATA temaliste stikkord)*> t tikk <!ELEMENT temaliste (tema*)> <!ELEMENT tema (#PCDATA)> <!ELEMENT stikkord (#PCDATA)> På filen emne.xml <?xml version = "1.0" encoding= utf-8"?> <!DOCTYPE emne SYSTEM "emne.dtd"> <emne> <emnekode>inf1040</emnekode> Dokumenttypedeklarasjon #PCDATA = Parced Character Data, dvs vanlig tekst INF1040-XML- 20

6 Eksempel på et XML skjema XML-skjema for emnebeskrivelser på filen emne.xsd: <?xml version="1.0" encoding="utf-8"?> <xs:schema xmlns:xs=" <xs:complextype> <xs:sequence> <xs:element name = "emnekode" type="xs:string"/> <xs:element name = "emnenavn" type="xs:string"/> <xs:element name = "emnebeskrivelse"> <xs:complextype mixed= true > <xs:element name = "tema" type="xs:string" minoccurs= 2 maxoccurs= 10 /> <xs:element name = "stikkord" type="xs:string" ti " minoccurs= 0 maxoccurs= unbounded /> </xs:complextype> </xs:sequence> </xs:complextype> </xs:schema> På filen emne.xml: Henvisning til et XML-skjema <?xml version = "1.0" encoding="utf-8"?> xmlns:xsi=" instance <emne xsi:schemalocation="emne.xsd"> <emnekode>inf1040</emnekode> </emne> INF1040-XML- 21 INF1040-XML- 22 Nye standarder for lagring av formatert tekst, regneark, presentasjoner etc. ISO/IEC 26300: Open Document Format for Office Applications (OpenDocument) ISO/IEC 29500: Office Open XML (OO XML) Hvorfor to standarder? Felles trekk Bygger på XML Ikke omtalt i læreboka! Skiller selve teksten fra bekrivelsen av hvordan den skal se ut:» Hvilken stil har denne teksten?» Hvordan skal denne stilen se ut? Et tekstdokument består av en rekke filer som pakkes i en zip-fil Dokumentpakken i OpenDocument filnavn.odt meta-inf/manifest.xml meta.xml styles.xml content.xml settings.xml Liste over de øvrige filene i pakken Metadata: Forfatter, datoer, nøkkelord, Beskrivelse av navngitte stiler Selve teksten, med XML-markeringer For eksempel på innholdet i content.xml, se neste lysark INF1040-XML- 23 INF1040-XML- 24

7 Eksempel på content.xml <office:document-content xmlns:office="urn:oasis:names:tc:opendocument:xmlns:office:1.0" xmlns:style="urn:oasis:names:tc:opendocument:xmlns:style:1.0" xmlns:svg="urn:oasis:names:tc:opendocument:xmlns:svg-compatible:1.0" xmlns:text="urn:oasis:names:tc:opendocument:xmlns:text:1.0 " > <office:font-face-decls> <style:font-face style:name="calibri" svg:font-family="calibri" style:font-family- y generic="swiss" style:font-pitch="variable" svg:panose-1=" "/> <style:font-face style:name="times New Roman" svg:font-family="times New Roman" style:font-family-generic="roman" style:font-pitch="variable" svg:panose- 1=" "/> <style:font-face f style:name="cambria" svg:font-family="cambria" f style:font-family- f generic="roman" style:font-pitch="variable" svg:panose-1=" "/> </office:font-face-decls> <office:automatic-styles> <style:style t l style:name="p1" style:parent-style-name="normal" t t l l" style:master-page- t name="mp0" style:family="paragraph"> <style:paragraph-properties fo:break-before="page"/> </style:style> </office:automatic-styles> <office:body> <office:text text:use-soft-page-breaks="true"> <text:p text:style-name="p1">inf1040 Digital representasjon</text:p> </office:text> </office:body> </office:document-content> INF1040-XML- 25 XHTML XML for nettsider Kapittel 4 <?xml version="1.0" encoding="utf-8"?> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN " w3 dtd"> <html xmlns=" xml:lang="en" lang="en"> <head> <title>inf1040</title> </head> <body> <h1>inf1040 Digital representasjon</h1> <p> I INF1040 skal vi blant annet lære om hvordan vi en datamaskin representerer </p> <ul> </ul> </body> </html> <li>tekst</li> <li>tall</li> <li>lyd</li> <li>bilder</li> INF1040-XML- 26 Strukturen i XHTML-eksemplet html Anvendelser av XML Som fundament for et lingua franca mellom systemer Endelig en standard! head body Emneorienterte markeringer må defineres (begge systemer må ha samme oppfatning av <eventyr>) Er tekstiig format alltid hensiktsmessig? title h1 p ul Stor datamessig overhead Men: Store muligheter for komprimering INF1040 INF1040 Digital representasjon I INF1040 skal vi blant annet lære om hvordan vi i en datamaskin representerer li* Som fundament for åpne standarder for lagring av dokumenter (bl.a. tekster, regneark, presentasjonsgrafikk, tabeller) tall tekst lyd bilder INF1040-XML- 27 INF1040-XML- 28

8 Oppsummering XML er blitt en helt sentral standard for markering av tekst Regler for markeringene kan spesifiseres i en Document Type Definition (DTD) eller et XML-skjema Det er utviklet en lang rekke DTDer og XML-skjema for ulike anvendelser En slik anvendelse er XHTML for oppsett av nettsider Document Object Model DOM: Oppdelingen av teksten i elementer (objekter) gjør det mulig å manipulere teksten på en enkel måte XML ligger i bunnen av moderne standarder for representasjon av dokumenter, som eksempelvis formaterte tekster, regneark, presentasjoner og tabeller. INF1040-XML- 29