Elementi di modellazione e programmazione di contenuti digitali

Transcript

1 Eementi di modeazione e programmazione di contenuti digitai Corso di Laurea Magistrae in Metodoogie informatiche per e discipine umanistiche Ing. Michea Paoucci Department of Systems and Informatics University of Forence Via S. Marta 3, 50139, Firenze, Itay te: , fax: Lab: DISIT, Sistemi Distribuiti e Tecnoogie Internet paoucci@dsi.unifi.it

2 Eementi di modeazione e programmazione di contenuti digitai Corso di Laurea Magistrae in Metodoogie informatiche per e discipine umanistiche Parte I : Xm Introduzione e definizione di documento xm Parte II: dtd e xm-schema Parte III: Esercitazione 2

3 XML parte I: Introduzione e definizione dei documenti xm 3

4 XML: cosa è XML: Extensibe Markup Language: è un inguaggio che consente a rappresentazione di documenti e dati strutturati su supporto digitae è uno dei più potenti e versatii sistemi per a creazione, archiviazione, preservazione e disseminazione di documenti digitai ma a sua sintassi rigorosa e a contempo fessibie ne rende possibie appicazione anche nea rappresentazione di dati strutturati, fornendo una souzione aternativa ai tradizionai sistemi DBMS reazionai 4

5 XML: e origini XML è stato sviuppato da Word Wide Web Consortium ( Le specifiche sono state riasciate come W3C Recommendation ne 1998 e aggiornate ne 2008 XML deriva da SGML (Standard Generaized Markup Language), un inguaggio di mark-up dichiarativo sviuppato daa Internationa Standardization Organization (ISO), e pubbicato ufficiamente ne 1986 con a siga ISO 8879 XML nasce come un sottoinsieme sempificato di SGML orientato aa utiizzazione su Word Wide Web ma ha assunto ormai un ruoo autonomo e una diffusione ben maggiore de suo progenitore XML é abbastanza generae per poter essere utiizzato nei più disparati contesti: daa definizione dea struttura di documenti ao scambio di informazioni tra sistemi diversi, daa rappresentazione di immagini aa definizione di formati di dati. 5

6 XML: caratteristiche (1) XML è un metainguaggio di mark-up, cioè un inguaggio che permette di definire sintatticamente atri inguaggi di mark-up. XML permette di espicitare a (e) struttura(e) di un documento in modo formae mediante marcatori (mark-up) che vanno incusi a interno de testo (character data) A differenza di HTML, XML non ha tag predefiniti e non serve per definire pagine Web né per programmare: serve escusivamente per definire atri inguaggi. In reatà, XML non è atro che un insieme standard di regoe sintattiche per modeare a struttura di documenti e dati. Questo insieme di regoe, dette specifiche, definiscono e modaità secondo cui è possibie crearsi un proprio inguaggio di markup. Le specifiche ufficiai sono state definite da W3C (Wor Wide Web Consortium, 6

7 I concetto di metainguaggio XML è un metainguaggio XML definisce un insieme regoe (meta)sintattiche, attraverso e quai è possibie descrivere formamente un inguaggio di markup, detto appicazione XML ogni appicazione XML eredita un insieme di caratteristiche sintattiche comuni ogni appicazione XML a sua vota definisce una sintassi formae particoare ogni appicazione XML è dotata di una semantica specificata in modo non formae 7

8 XML: caratteristiche (2) XML è indipendente da tipo di piattaforma hardware e software su cui viene utiizzato XML permette a rappresentazione di quasiasi tipo di documento (e di struttura testuae) indipendentemente dae finaità appicative XML è indipendente dai dispositivi di archiviazione e visuaizzazione un documento XML può essere archiviato su quasiasi tipo di supporto digitae (attuae e futuro!) un documento XML può essere visuaizzato su quasiasi dispositivo di output 8

9 XML: caratteristiche (3) XML può essere usato per a rappresentazione di dati strutturati (archivi, tabee, matrici) in aternativa ai formati di database tradizionai XML è uno standard di pubbico dominio ogni software conforme XML è in grado di gestire dati in formato XML sono disponibii numerose appicazioni e ibrerie open source per a manipoazione di dati in formato XML basate su diversi inguaggi di programmazione (Java, C, Python, Per ) una appicazione in grado di eaborare dati in formato XML viene definita eaboratore XML 9

10 XML: caratteristiche (4) XML adotta un formato di fie di tipo testuae: sia i markup sia i testo sono stringhe di caratteri XML si basa su sistema di codifica dei caratteri ISO 10646/UNICODE Un documento XML è eggibie da un utente umano senza a mediazione di software specifico Concretamente, un documento XML è un fie di testo che contiene una serie di tag, attributi e testo secondo regoe sintattiche ben definite. 10

11 Esempio: articoo <?xm version="1.0"?> <articoo titoo="titoo de'articoo"> <paragrafo titoo="titoo de primo paragrafo"> <testo> Bocco di testo de primo paragrafo </testo> <immagine fie="immagine1.jpg"> </immagine> </paragrafo> <paragrafo titoo="titoo de secondo paragrafo"> <testo> Bocco di testo de secondo paragrafo </testo> <codice> Esempio di codice </codice> <testo> Atro bocco di testo </testo> </paragrafo> <paragrafo tipo="bibiografia"> <testo> Riferimento ad un articoo </testo> </paragrafo> </articoo> 11

12 XML: caratteristiche (5) On-ine WWW Fie XML <Tite> Titoo </tite> paragarafo.. paragrafo Carta CD-ROM DBMS NATIVI O RELAZIONALI DOCUMENT MANAGEMENT SYSTEMS 12

13 XML: principi fondamentai XML è un metainguaggio XML descrive un documento come una struttura ad abero XML introduce i concetto di tipo di documento e di sintassi de documento XML si basa su ISO /UNICODE 13

14 La struttura gerarchica ordinata testo? frontespizio? introduzione corpo + capitoo? appendice + titoo + paragrafo? titoo + paragrafo titoo + paragrafo titoo autore * * PCDATA enfasi citazione PCDATA enfasi citazione 14

15 I concetto di tipo di documento (2) La struttura ad abero de tipo di documento determina a sintassi de inguaggio di mark-up XML La sintassi di un tipo di documento deve essere espressa impicitamente (mediante i mark-up) in ogni documento XML La definizione formae dea sintassi di un tipo di documento XML può essere espressa espicitamente in una Document Type Definition (DTD) o un XML Schema 15

16 Document Type Definition Un DTD è costituito da un eenco di dichiarazioni (mark-up decaration) che descrivono a struttura de documento Le dichiarazioni di un DTD definiscono: gi eementi strutturai (eement) di un documento mediante un identificatore generico i modeo di contenuto di ogni eemento (content mode) ovvero gi eementi che contiene ed i oro rapporti (un eemento può essere vuoto) a ista degi attributi associati a ciascun eemento e i oro tipo XML non fornisce acun modo per definire a semantica di un DTD 16

17 Strutture XML: gi eementi (1) I componenti strutturai di un documento sono denominati eementi (eement) Ogni nodo de abero de tipo di documento è un (tipo di) eemento Ogni (tipo di) eemento è dotato di un nome (detto identificatore generico) che o identifica Ciascun (tipo di) eemento rappresenta un componente ogico de documento e può contenere atri (tipi di) eementi (sottoeementi) o de testo L'organizzazione degi eementi segue un ordine gerarchico (ad abero) che prevede un eemento principae, chiamato root eement o radice. La radice contiene 'insieme degi atri eementi de documento E possibie rappresentare graficamente a struttura di un documento XML tramite un abero, generamente noto come document tree 17

18 Strutture XML: gi eementi (2) Esiste uno e uno soo eemento radice (corrispondente a nodo radice de abero), che non è contenuto da nessun atro e che contiene direttamente o indirettamente tutti gi atri Ogni eemento, escuso eemento radice, deve essere contenuto da un soo eemento (eemento padre) e può contenere atri sotto-eementi (eementi figi) e/o stringhe di caratteri Esiste un sottoinsieme di eementi che non contengono atri eementi e che possono essere vuoti contenere escusivamente stringhe di caratteri I (tipi di) eementi possono avere associate atre informazioni che ne descrivono e proprietà. Queste informazioni sono chiamate attributi. 18

19 Strutture XML: gi attributi Ad ogni eemento possono essere associati uno o più attributi che ne specificano uteriori caratteristiche o proprietà non strutturai. Ad esempio: a ingua de suo contenuto testuae un identificatore univoco un numero di ordine etc. Gi attributi XML sono caratterizzati da: un nome che i identifica un vaore I vaore di un attributo può avere un tipo espicitato nea DTD Se un documento XML è soo ben formato, tutti i vaori degi attributi sono di tipo CDATA 19

20 Strutture XML: e entità (1) Un documento XML (in quanto oggetto digitae) ha una struttura fisica Da punto di vista fisico un documento è composto da unità di archiviazione che sono denominate entità (entity) Esiste ameno una entità in ogni documento XML: a document entity, che contiene i documento stesso In generae una entità è una quasiasi sequenza di byte considerata indipendentemente daa sua funzione strutturae un singoo carattere UNICODE una stringa di testo XML (caratteri e mark-up) un intero fie XML esterno un intero fie non XML (es. immagini digitai, etc.) È possibie ad esempio rappresentare ne contenuto di un documento caratteri non presenti sua tastiera mediante entità 20

21 Strutture XML: e entità (2) Le entità vanno definite con apposite dichiarazioni ne DTD (o ne XML-schema) Una entità ha un nome e un contenuto In un documento inserimento di una entità avviene mediante un riferimento a entità che ne specifica i nome Un processore XML sostituirà automaticamente i contenuto de entità a posto de riferimento 21

22 Esempio: articoo <?xm version="1.0"?> <articoo titoo="titoo de'articoo"> <paragrafo titoo="titoo de primo paragrafo"> <testo> Bocco di testo de primo paragrafo </testo> <immagine fie="immagine1.jpg"> </immagine> </paragrafo> <paragrafo titoo="titoo de secondo paragrafo"> <testo> Bocco di testo de secondo paragrafo </testo> <codice> Esempio di codice </codice> <testo> Atro bocco di testo </testo> </paragrafo> <paragrafo tipo="bibiografia"> <testo> Riferimento ad un articoo </testo> </paragrafo> </articoo> La struttura ogica di un documento XML dipende dae scete progettuai. Siamo noi a decidere come organizzare gi eementi a'interno di un documento XML. La struttura ogica di un documento XML viene tradotta in una corrispondente struttura fisica composta di eementi sintattici chiamati tag. A differenza de'html in cui i tag sono predefiniti, XML ci ascia iberi di definire i tag che vogiamo. L'organizzazione gerarchica degi eementi viene rappresentata in XML tramite i oro annidamento. 22

23 XML: documenti ben formati e vaidi (1) XML richiede un certo rigore sugi aspetti sintattici Ogni documento XML deve essere ben formato (we formed) Un documento, in generae, è ben formato se: a sua struttura è impicita ne markup rispetta i vincoi di buona formazione indicati nee specifiche Più in dettagio: Ogni documento XML deve contenere un unico eemento di massimo iveo (root) che contenga tutti gi atri eementi de documento. Le soe parti di XML che possono stare a'esterno di questo eemento sono i commenti e e direttive di eaborazione (per esempio, a dichiarazione dea versione di XML) Ogni eemento deve avere un tag di chiusura o, se vuoti, possono prevedere a forma abbreviata (/>) Gi eementi devono essere opportunamente nidificati, cioè i tag di chiusura devono seguire 'ordine inverso dei rispettivi tag di apertura XML fa distinzione tra maiuscoe e minuscoe, per cui i nomi dei tag e degi attributi devono coincidere nei tag di apertura e chiusura anche in reazione a questo aspetto I vaori degi attributi devono sempre essere racchiusi tra singoi o doppi apici Un documento XML ben formato non richiede a presenza di un DTD o xm-schema 23

24 XML: documenti ben formati e vaidi (1) Otre ad essere ben formato un documento XML può anche essere vaido Per stabiire a vaidità di un documento xm è necessario definire una grammatica (tipo di documento) per i inguaggio di mark-up che abbiamo ideato, a cui poi si farà riferimento per a vaidazione de documento xm Una grammatica è un insieme di regoe che indica quai vocaboi (eementi) possono essere utiizzati e con che struttura è possibie comporre frasi (documenti) 24

25 XML: documenti ben formati e vaidi (2) Una grammatica definisce uno specifico inguaggio di mark-up => Se un documento XML rispetta e regoe definite da una grammatica è detto vaido per un particoare inguaggio. Un documento ben formato può non essere vaido rispetto ad una grammatica, mentre un documento vaido è necessariamente ben formato Un documento vaido per una grammatica può non essere vaido per un'atra grammatica Una grammatica si definisce attraverso i due principai approcci: Dtd - Document Type Definition XML Schema. ben formato vaido 25

26 XML: documenti ben formati e vaidi (3) Un documento è vaido se: si riferisce a una DTD espicita mediante un Doctype decaration (o ad un xm-schema) Soddisfa i vincoi sintattici de DTD o xm-schema (nome, sequenza, occorrenze ed attributi degi eementi) I controo di vaidità viene effettuato da un apposito programma detto parser I parser si possono dividere in due categorie: parser non vaidante: verifica sotanto se un documento è ben formato parser vaidante: otre a verificare che un documento sia ben formato, verifica anche se è corretto rispetto ad una data grammatica (dtd o xm-schema) La maggior parte degi editor XML più recenti ha un parser integrato o si appoggia su parser esterni per effettuare a convaida dei documenti. 26

27 Come si crea un documento XML Un documento XML contiene i mark-up (sotto forma di coppie di tag) che rappresenta inearmente a struttura gerarchica degi eementi, i oro eventuai attributi, e i caratteri de testo L inserimento di mark-up e caratteri deve rispettare i vincoi di buona formazione indicati nee specifiche XML Un documento vaido deve rispettare anche i vincoi sintattici definiti ne DTD o xm-schema 27

28 Aspetti di sintassi generae e vincoi Un documento XML è una stringa di caratteri UNICODE in codifica UTF-8 o UTF-16 ( I nomi di eementi, attributi e entità sono sensibii aa differenza tra maiuscoo e minuscoo I mark-up è separato da contenuto testuae mediante caratteri speciai: < > & Vincoi di buona formazione: I caratteri speciai non possono comparire come contenuto testuae e devono essere eventuamente sostituiti mediante i riferimenti a entità &t; > & Esiste un soo eemento radice Tutti gi eementi non vuoti devono presentare sia i tag iniziae sia i tag finae Tutti gi eementi devono essere correttamente annidati Tutti i vaori di attributo devono essere racchiusi tra apici doppi o singoi 28

29 XML: documenti ben formati (1) Anche a sceta dei nomi dei tag deve seguire acune regoe: Un tag può iniziare con un ettera o un underscore (_) e può contenere ettere, numeri, i punto, 'underscore (_) o i trattino (-). Non sono ammessi spazi o atri caratteri. XML è sensibie a'uso di maiuscoo e minuscoo, quindi i tag <prova> e <Prova> sono considerati diversi. Per quanto riguarda i contenuto: un documento XML può contenere potenziamente quasiasi carattere de'afabeto atino, cifre e punteggiatura. Normamente vengono accettati come caratteri vaidi in un documento XML i primi 128 caratteri dea codifica ASCII (ettere de'afabeto atino minuscoe e maiuscoe, cifre, segni di punteggiatura, ecc.) Se un documento contiene caratteri che non rientrano tra questi (es.: ettere accentate, simboi di vauta, ecc.) è necessario specificare o schema di codifica utiizzato tramite eementi speciai detti direttive di eaborazione o processing instruction es: <?xm version="1.0" encoding="iso "?> Le specifiche di XML prevedono espicitamente a possibiità di utiizzare a codifica Unicode per rappresentare anche caratteri non atini, come ad esempio i caratteri greci, ciriici, gi ideogrammi cinesi e giapponesi. 29

30 XML: documenti ben formati (2) Otre ae direttive di eaborazione, in un documento XML possiamo trovare i commenti che seguono a stessa sintassi de'html, sono cioè racchiusi tra e sequenze di caratteri  e possono trovarsi in quasiasi punto de documento. Potrebbe essere necessario inserire in un documento XML dei caratteri particoari che potrebbero rendero non ben formato. Ad esempio, se dobbiamo inserire de testo che contiene i simboo <, corriamo i rischio che possa venire interpretato come 'inizio di un nuovo tag, come ne seguente esempio: <testo> i simboo < indica minore di </testo> in questo caso, XML prevede uso dee entità che consentono di sostituire atri caratteri. Cinque entità sono predefinite e consentono 'uso di atrettanti caratteri riservati a'interno di un documento: & definisce i carattere & &t; definisce i carattere < > definisce i carattere > " definisce i carattere " ' definisce i carattere ' Sfruttando e entità, 'esempio precedente diventa: <testo> i simboo &t; indica minore di </testo> 30

31 XML: documenti ben formati (3) In acune situazioni gi eementi da sostituire con e entità possono essere moti, i che rischia di rendere ieggibie i testo (not human readabe). Si consideri i caso in cui un bocco di testo iustri proprio de codice XML: <codice> <ibro> <capitoo> </capitoo> </ibro> </codice> In questo caso, a posto di sostituire tutte e occorrenze dei simboi speciai con e corrispondenti entità è possibie utiizzare una sezione CDATA (un bocco di info che viene considerato sempre come testo) Per indicare una sezione CDATA è sufficiente racchiudera tra e sequenze di caratteri <![CDATA[ e ]]>: <codice> <![CDATA[ <ibro> <capitoo> </capitoo> </ibro> ]]> </codice> 31

32 La forma di un documento XML Ogni documento XML inizia con un proogo che contiene: una XML decaration eventuamente una Doctype decaration (a dichiarazione dea DTD o de xm-schema a cui i documento si riferisce) eventuamente una serie di processing instruction Forme di XML decaration: <?xm version="1.0"?> <?xm version="1.0 encoding= UTF-8?> 32

33 La codifica degi eementi (1) Ne documento ogni eemento non vuoto (contenente cioè atri eementi o caratteri) deve essere marcato da un tag iniziae e da un tag finae Ogni tag è costituito da caratteri deimitatori e da nome de'eemento Sintassi di un eemento: De. Finae Start tag De. Iniziae End tag <nome>contenuto de eemento</nome> De. Iniziae Start tag De. Finae End tag 33

34 La codifica degi eementi (2) <text> <div1> subito, con e prime paroe che e rivose, voe avvisara che non intendeva compromettersi in una reazione troppo seria la sua famigia? Una soa sorea non ingombrante né fisicamente né moramente, piccoa e paida, di quache anno più giovane di ui </div1> </text> 34

35 La codifica degi eementi (3) La reazione ineare tra i tag rappresenta a reazione gerarchica tra gi eementi Per ogni eemento, se i suo tag iniziae è ne contenuto di un eemento P aora i suo tag finae deve essere ne contenuto de medesimo eemento P Detto atrimenti e coppie di tag devono annidarsi correttamene e mai sovrapporsi 35

36 La codifica degi eementi (4) SBAGLIATO!!! subito, con e prime paroe che e rivose, voe avvisara che non intendeva compromettersi in <emph>una reazione troppo seria la sua famigia?</emph>una soa sorea non ingombrante né fisicamente né moramente, piccoa e paida, di quache anno più giovane di ui CORRETTO!!! subito, con e prime paroe che e rivose, voe avvisara che non intendeva compromettersi in <emph>una reazione troppo seria </emph> <emph>la sua famigia?</emph> Una soa sorea non ingombrante né fisicamente né moramente, piccoa e paida, di quache anno più giovane di ui 36

37 La codifica degi eementi (5) Gi eementi vuoti o sono rappresentati da entrambi i tag <nome_eemento> </nome_eemento> o assumono a seguente forma <nome_eemento/> Esempio: <img src= foo.gif /> 37

38 La codifica degi attributi (1) Ogni eemento XML può avere uno o più attributi Un attributo ha un nome e un vaore, che può assumere diverse tipoogie Gi attributi devono essere associati agi eementi a'interno de tag iniziae dopo identificatore <eemento attributo = "vaore"> contenuto </eemento> Atri eventuai attributi vanno coocati dopo i primo separati da uno o più spazi Non possono esservi più istanze deo stesso attributo per un eemento 38

39 La codifica degi attributi (2) <text resp= Itao Svevo n= Seniità > <div n= 1 > Subito, con e prime paroe che e rivose, voe avvisara che non intendeva compromettersi in una reazione troppo seria La sua famigia? Una soa sorea non ingombrante né fisicamente né moramente, piccoa e paida, di quache anno più giovane di ui <pb n= 5 /> 39

40 La codifica dee entità Per definire un'entità personaizzata si utiizza a dichiarazione: <!ENTITY>. I seguente esempio mostra a definizione di un'entità &htm; che rappresenta un'abbreviazione per a stringa HyperText Markup Language: <!ENTITY htm "HyperText Markup Language"> Grazie a questa dichiarazione possiamo utiizzare 'entità &htm; a posto de'intera stringa a'interno de documento XML che fa riferimento a questa grammatica 40

41 I riferimento ae entità L incusione di una entità a interno di un documento SGML si effettua mediante un riferimento a entità (entity reference) La sintassi di un riferimento, vaida sia per entità esterne sia interne, è a seguente &nome_entità; Deimitatore di apertura Deimitatore di chiusura 41

42 I riferimento ae entità In questi esempi i caratteri accentati sono stati sostituiti da riferimenti a entità carattere: la sua famigia? Una soa sorea non ingombrante né fisicamente né moramente, piccoa e paida, di quache anno più giovane di ui <testo> i simboo &t; indica minore di </testo> 42

43 Appicazioni XML rievanti DocBook : DTD per a creazione di manuaistica tecnica curata da consorzio OASIS ( XHTML 1.0: DTD per a creazione di documenti Web reaizzato da W3 Consortium Text Encoding Initiative: DTD per a creazione di testi su supporto digitae in ambito umanistico sviuppata da TEI consortium Encoded Archiva Description: DTD per a descrizione di materiai archivistici reaizzato daa Library of Congress 43

44 Standard correati a XML XML adotta due inguaggi appositamente sviuppati per a specificazione di strutture ipertestuai compesse: XML Linking Specification (XLink) specifica come costruire eementi e attributi di coegamento XML Extended Pointer Specification (XPointer) specifica i sistemi di indirizzamento dee destinazioni di un ink 44

45 Standard correati a XML La presentazione di un documento XML viene controata da uno o più fogi di stie I inguaggi di stie utiizzabii con XML sono Extensibe Styesheet Language (XSL) XPath: seezione e individuazione di nodi XSLT: trasformazione tra aberi XSL-FO: formattazione di pagina Cascading Stye Sheet (CSS) 45

46 Link utii

47 Eementi di modeazione e programmazione di contenuti digitai Corso di Laurea Magistrae in Metodoogie informatiche per e discipine umanistiche Ing. Michea Paoucci Department of Systems and Informatics University of Forence Via S. Marta 3, 50139, Firenze, Itay te: , fax: Lab: DISIT, Sistemi Distribuiti e Tecnoogie Internet paoucci@dsi.unifi.it