Normative documents translator from NiR standard to European Formex standard

Transcript

1 Istituto di Teoria e Tecniche dell Informazione Giuridica Consiglio Nazionale delle Ricerche Catania Rapporto tecnico n. 13/2007 Lorenzo Di Silvestro, Daria Spampinato Traduttore per documenti normativi dallo standard NiR allo standard europeo Formex Normative documents translator from NiR standard to European Formex standard Keywords: XML-legislative, legislative drafting, XSL Transformation, NiR DTD, Formex Schema, JAVA converter

2 Premessa Presso il Dipartimento di Informatica dell Università di Catania opera un unità di ricerca del TIMAD (Centro di Ricerca sulle Tecnologie Informatiche e Multimediali Applicate al Diritto) che collabora con alcuni tecnologi informatici dell Istituto su progetti relativi allo standard di rappresentazione elettronica dei provvedimenti normativi tramite il linguaggio XML (extensible Markup Language). Tale collaborazione si avvale anche dell apporto di diversi tesisti di Informatica. Uno dei progetti su cui ci si è concentrati consiste nella realizzazione di uno strumento per la conversione automatica dei file XML di interesse giuridico nazionali dallo standard italiano a uno standard europeo. Il lavoro risponde alle esigenze del portale N-Lex 1 sviluppato dal Publications Office, che permette un unico punto di accesso via web alle fonti normative nazionali. Tale portale, aperto il 28 aprile del 2006 e ancora oggi in via sperimentale, permette di effettuare information retrieval instradando le richieste ai siti normativi nazionali. Per tali ragioni i parametri di ricerca accettati e i risultati ottenuti dipendono dalle caratteristiche dei siti nazionali. Per quanto riguarda l Italia le richieste vengono inoltrate al portale di NormeInRete 2. Il Publications Office ha intenzione in futuro di fornire il portale di un motore di ricerca che autonomamente abbia accesso ai file normativi dei singoli stati europei, e che interpreti in modo univoco la sintassi e la semantica dei file per rispondere alle query sul contenuto dei documenti stessi. Per la realizzazione degli algoritmi di ricerca per gli spider è necessario che i documenti normativi nazionali adottino il medesimo standard di riferimento. Il Dr. Holger Bagola, del Publications Office, ha proposto l utilizzo dello standard Formex (Formalized Exchange of Electronic Publications) 3, già usato in precedenza per la marcatura dei documenti pubblicati sull Official Journal. Viene suggerito di inserire nelle istanze dei documenti nazionali alcuni metadati marcati secondo lo standard Formex per Il sito di riferimento del Formex è 2/10

3 permettere agli spider di comprendere le informazioni contenute in questa porzione del documento. Ci siamo posti come obiettivo quello di creare un automatismo per effettuare tali modifiche ai documenti normativi nazionali. A seguito dell analisi dello standard Formex ci siamo resi conto che è possibile convertire per intero un documento valido secondo i DTD NiR in uno nuovo valido secondo gli Schema Formex. Si è deciso, quindi, di creare un convertitore automatico per tale scopo. L applicativo è stato implementato mediante i linguaggi JAVA e XSLT. Lo standard Formex Il progetto Formex si è occupato sin dal 1985 della codifica dei documenti pubblicati nell Official Journal in un unico formato elettronico. Nelle prime versioni è stato usato SGML 4, mentre dal 1999 viene usato XML. La versione attualmente in uso (Formex v4) si presenta come una grammatica definita tramite XML Schema, che utilizza il sistema di codifica UTF-8. A oggi sono definiti circa 350 elementi XML, e tra questi solo 9 sono elementi di root, individuanti diverse sottostrutture formali da applicare a un intero documento: ACT è l elemento di root utilizzato per contrassegnare differenti atti legali. Questi atti possono presentare o no una struttura regolare. Si riferisce sia ai testi adottati sia agli atti preparatori. Viene utilizzato per la marcatura degli atti pubblicati sulla Gazzetta Ufficiale europea. AGR è usato per contrassegnare la struttura generale di un accordo (agreement). In generale un accordo è caratterizzato da una natura multilaterale. L analisi della sua struttura rivela che è il risultato di successive negoziazioni tra alcuni protagonisti rappresentanti l Unione Europea e uno o più Paesi. Un accordo è un concordato internazionale vincolante per tutti gli stati o organizzazioni internazionali che lo ratificano. ANNEX è usato come root per codificare la struttura generale degli allegati (annexes). Questi documenti sono identificati dalla presenza nel loro titolo della parola allegato, addendum, appendice, ecc. 4 SGML: Standard General Markup Language. Sviluppato da Charles Goldfarb dell IBM nel 1974, diventa nel 1989 uno standard dell International Standard Organization (ISO 8879 Information Processing - Text and Office Systems - Standard Generalized Markup Language ). 3/10

4 CJT è usato come root per contrassegnare i documenti pubblicati nella serie C dell Official Journal, nella Sezione I Comunicazioni, con intestazione relativa alla Corte di Giustizia, alla Corte di prima istanza e alla Corte di Giustizia EFTA (European Free Trade Association). COMPETITION è usato come root per contrassegnare i documenti relativi l'annuncio di una gara (concorso). Questi documenti sono pubblicati nella sezione CA dell Official Journal. CORR è utilizzato come elemento di root per i documenti di tipo corrigendum. I corrigenda sono pubblicati nella sezione Corrigenda delle raccolte C e L dell Official Journal. DOC è il tag di radice dell istanza Formex che fornisce la descrizione bibliografica di un documento. Questa istanza inoltre descrive le parti differenti (documento principale e documenti annessi o allegati) di cui è effettivamente costituito il documento. GENERAL è usato come root per contrassegnare i documenti che non possono essere identificati tramite nessuno degli altri elementi di root previsti. PUBLICATION è utilizzato come elemento di root per istanze descriventi una pubblicazione. La raccolta L e C dell Official Journal, le edizioni speciali (legislazione secondaria), così come anche pubblicazioni più generali sono rappresentate da questo elemento. È utilizzato anche per identificare i documenti contenuti nella pubblicazione. Nella documentazione a disposizione nel sito del Formex viene suggerito l utilizzo dell elemento di root GENERAL per la marcatura dei documenti normativi nazionali. La struttura di questo elemento permette la suddivisione del contenuto in tre sole parti: prologo, corpo centrale e conclusione. Quindi la struttura di GENERAL si presenta troppo scarna per tradurre nel nuovo formato la complessa struttura dei documenti normativi italiani. Si è voluto cercare tra i 9 elementi di root una struttura che permettesse una traduzione più fedele dei documenti normativi italiani. È stato individuato ACT come modello che meglio rispondeva alle esigenze; ACT definisce una struttura a paragrafi numerati simile a quella definita dalle specifiche NiR nota come articolato. 4/10

5 Di seguito viene riportata la struttura dell elemento ACT: <xd:element name="act"> <xd:complextype> <xd:sequence> <xd:element ref="bib.instance"/> <xd:element ref="toc" minoccurs="0"/> <xd:element ref="title"/> <xd:choice minoccurs="0" maxoccurs="unbounded"> <xd:element ref="toc"/> <xd:element ref="prolog"/> </xd:choice> <xd:element ref="preamble"/> <xd:element ref="enacting.terms"/> <xd:element ref="final" minoccurs="0"/> </xd:sequence> <xd:attribute name="nnc" type="t_boolean" default="no"/> </xd:complextype> </xd:element> La struttura di un documento marcato con ACT comprende: BIB.INSTANCE contenente le informazioni bibliografiche necessarie per identificare il documento all interno della pubblicazione a cui esso appartiene; TOC (Table Of Contents) con un indice dei contenuti opzionale; TITLE che codifica il titolo obbligatorio; PROLOG, opzionale, contiene gli estremi degli atti preparatori; PREAMBLE consiste di riferimenti alla legislazione primaria e/o a documenti citati; ENACTING.TERMS contiene la struttura dell articolato della norma; gli articoli possono essere raggruppati in parti, titoli, capitoli e sezioni, oppure in semplici paragrafi o blocchi di testo strutturati; FINAL, la formula finale, dà informazioni sull applicazione, data e luogo della firma e il firmatario; NNC (Notes Numbering Continued) è un attributo che serve a specificare se la numerazione delle pagine ricomincia o meno in ogni pagina. La soluzione adottata Come accennato nella premessa, il lavoro si è concentrato nel rendere accessibile agli spider di N-Lex il contenuto dei documenti normativi italiani. 5/10

6 L analisi dell elemento ACT ha portato a scegliere di convertire per intero la struttura dei file XML codificati secondo le direttive NiR nel formato delle specifiche Formex, piuttosto che aggiungere alcuni metadati essenziali alle istanze XML NiR preesistenti. Infatti la corrispondenza di circa 90% di elementi tra la struttura di ACT e quella dei DTD NiR permette la conversione di tutto il contenuto e di gran parte delle informazioni di contorno (alcuni attributi e qualche metadato). La creazione di nuove istanze di documenti normativi italiani validi secondo lo standard XML Schema del Formex evita la ridondanza di dati che altrimenti sarebbe stata inevitabile nella soluzione suggerita dal Dr. Bagola. Un ulteriore vantaggio nella creazione di nuove istanze consiste nel fatto che gli spider possano accedere alle informazioni contenute in tutto il documento; potendo analizzare il documento a testo pieno si migliora la precisione dei risultati. Le istanze dei documenti normativi locali potrebbero essere allocate in un server del portale N-Lex in modo tale da ottimizzare i tempi e le modalità delle ricerche effettuate in locale. I file XML validi secondo lo Schema Formex devono ovviamente rispettare le regole formali e di sintassi dell elemento ACT. Sono state individuate tutte le corrispondenze per gli elementi e attributi obbligatori di ACT e per tutti gli elementi del DTD NiR. Ogni elemento deve ricondurre all utilizzo di tutti e soli i tag che è possibile utilizzare secondo le specifiche dell elemento ACT. Gli elementi e gli attributi di ACT obbligatori che non hanno una corrispondenza in NiR sono stati compilati con valori di default, altri sono stati ottenuti mediante la concatenazione o l elaborazione del contenuto di più elementi nel corrispondente nazionale. Di seguito è riportato lo schema delle corrispondenze tra i tag XML del NiR e del Formex. I dati in tabella si riferiscono al modello del docarticolato, che ha la struttura più complessa tra quelle presenti in NiR, mentre il lavoro ha comportato l individuazione delle corrispondenze anche degli altri modelli. In corsivo sono evidenziati gli elementi e gli attributi del Formex che non sono obbligatori. I documenti sarebbero stati comunque validi anche senza questi, ma si è preferito utilizzarli per poter rappresentare con la maggiore fedeltà possibile la struttura dei documenti che si vuole tradurre. 6/10

7 NiR FORMEX Docarticolato ACT meta BIB.INSTANCE DOCUMENT.REF Parametro ottenuto tramite descrittori YEAR intestazione datadoc IT (valore di default) LG.DOC 00 (valore di default) PAGE.FIRST 1 (valore di default) PAGE.SEQ 0 (valore di default) PAGE.LAST 1 (valore di default) PAGE.TOTAL TITLE titolodoc TI tipodoc numdoc STI PREAMBLE formulainiziale PREAMBLE.INIT PREAMBLE.FINAL articolato ENACTING TERMS num TI.ART rubrica STI.ART num NO.PARAG corpo ALINEA el LIST num NO.P corpo TXT alinea parte capo sezione libro <parte, capo, sezione, libro> DIVISION ARTICLE DIVISION contenitore P gerarchia 7/10

8 NiR <l1, l2, l3, l4, l5, l6, l7, l8, l9> FORMEX num NO.GR.SEQ tit TITLE FINAL formulafinale P conclusione SIGNATURE dataeluogo PL.DATE DATE sottoscrizioni SIGNATORY Si è riusciti a realizzare la conversione del contenuto di tutti i elementi definiti dal NiR. L implementazione del traduttore e dei file dizionario XSL La produzione ex-novo di documenti normativi italiani in formato XML validi secondo lo Schema Formex necessita l adozione di nuovi sistemi di drafting normativo: un oneroso drafting manuale, o un nuovo sistema informatico di drafting. Una soluzione del tutto nuova consiste nel creare un sistema automatico in grado di tradurre i documenti XML, creati con gli attuali sistemi di drafting normativo per i DTD NiR, nel formato dello Schema Formex. Il traduttore creerà nuove istanze dei documenti normativi italiani creando così un nuovo corpus normativo valido esclusivamente per lo Schema Formex, lasciando invariati i documenti nazionali. Questa applicazione non modificherà il contenuto dei documenti d origine, ma semplicemente ne riorganizza la struttura. La traduzione da istanze XML DTD NiR a istanze XML Schema Formex viene realizzata mediante funzioni di trasformazione XSL 5 ; mentre l automazione del processo è stata implementata in JAVA. Tale scelta è stata dettata dalla portabilità del software prodotto in tale linguaggio e dalla ampia disponibilità di librerie per le operazioni XML sui file. XSL fornisce strumenti per la trasformazione e la presentazione di documenti XML in maniera molto flessibile: XPath 6, XSLT 7 ; il primo permette di individuare i dati contenuti in 5 XSL: Extensible Stylesheet Language. REC-xsl : 6 XPath: XML Path Language. REC-xpath : È il linguaggio di XSL che consente di individuare gli elementi e gli attributi di un documento XML sui quali verranno applicate le operazioni necessarie per la presentazione dei dati. 8/10

9 un documento XML, il secondo consente di specificare le modalità di trasformazione di un documento XML in un altro documento. Sono stati creati dei fogli di stile XSL contenenti le funzioni di trasformazione da applicare agli XML normativi italiani. Sono state individuate 3 diverse strutture nei XML DTD NiR da tradurre: contenitore, gerarchia e articolato; per questo motivo sono stati realizzati 3 differenti fogli di stile utilizzati dall applicazione come dei dizionari di traduzione. È stato creato un piccolo applicativo in JAVA che è in grado di trasformare in automatico numerosi file XML seguendo le regole di trasformazione definite in file XSL. Sono state utilizzate alcune delle maggiori librerie del package Javax.xml 8. Il traduttore funziona da riga di comando: riceve in input il percorso completo della directory in cui sono contenuti i file XML da convertire e il percorso della directory dove sono contenuti i tre file XSL da utilizzare. In automatico analizza la struttura di ogni file XML da convertire, e per ciascuno utilizza le regole di conversione contenute nel foglio di stile XSLT opportuno, a seconda che la struttura del file appartenga al modello articolato, contenitore o gerarchia. Successivamente crea una nuova cartella dentro la quale saranno memorizzati i file XML creati dalla conversione automatica. Per la realizzazione del traduttore ci si è avvalsi di diversi package distribuiti gratuitamente dalla Sun Microsystem: javax.xml.transform, javax.xml.parsers e org.w3c.dom. Guida all uso Per utilizzare il traduttore bisogna compilare i file contenenti le due classi di cui esso è composto: Loader.java e XmlToXmlConverter.java. Successivamente basta eseguire da riga di comando il Loader, fornendo i due parametri di cui necessita: il percorso relativo alla cartella contenente i file di input (le istanze XML da tradurre) e il percorso relativo alla cartella contenente i traduttori in XSL da poter utilizzare durante il processo di conversione. java Loader inputfolder stylesheetfolder 7 XSLT: XSL Transformations. REC-xslt : È la parte di XSL che ha il compito di trasformare un documento XML in un altro documento /10

10 La cartella contenente i file di input, deve avere al suo interno anche tutti i file relativi ai DTD del NiR, l assenza di questi file comprometterà il corretto funzionamento dell applicazione. In automatico sarà associato per ogni file il corretto XSL dizionario. Il traduttore creerà una cartella contenente solo i file di tipo XML, non verranno processati i file dei DTD NiR. La cartella di output avrà per nome la concatenazione del nome della cartella di input e la stringa _converted: ad esempio inputfolder_converted. Al termine della conversione dei file, l utente sarà avvertito con un messaggio a video che il processo di conversione è stato completato e gli verrà indicata la locazione dove sarà possibile trovare i file XML tradotti. 10/10