XML (extensible Markup Language) e i Linguaggi di Schema

Transcript

1 Corso di Laurea Magistrale in Ingegneria Gestionale Corso di Sistemi Informativi A.A XML (extensible Markup Language) e i Linguaggi di Schema Eufemia TINELLI

2 XML Un framework per definire linguaggi di markup XML è un meta-linguaggio di markup, progettato per lo scambio e la interusabilità di documenti strutturati sul Web XML prevede una sintassi semplificata rispetto a SGML e definisce una serie di linguaggi associati ogni linguaggio ha il suo proprio dominio di riferimento (application domain) con i suoi propri tags di markup Facile da gestire esistono diversi tool per processare documenti XML XML si basa su Unicode internazionalizzazione e indipendenza dalla piattaforma Sviluppato dal W3C, standardizzato nel

3 Un po di storia : Standard Generalized Markup Language (SGML) ISO Aug 1997: XML W3C Working Draft Feb 10, 1998: XML 1.0 Recommendation Dec 13, 2001: XML 1.1 W3C Working Draft Oct 15, 2002 : XML 1.1 W3C Candidate Recommendation Aug 16, 2006: XML 1.1, Recommendation Nov 26, 2008: XML 1.0 (5th edition) Recommendation

4 XML Tree Concettualmente un documento XML è un albero costituito da: nodi, archi figlio, padre sibling (ordinati), antenati, discendenti

5 I nodi di un XML tree Text nodes: corrispondono all informazione reale del documento (nodi foglia) Element nodes: definisce un raggruppamento logico dell informazione dei sue discendenti, ogni elemento ha 1 nome Attribute nodes: non importa l ordine, ogni attributo è associato ad 1 elemento, è costituito dalla coppia name -value Comment nodes: rappresentano meta-informazione che molti tools ignorano (nodi foglia) Processing instructions: istruzioni di specifica per l elaborazione costituite dalla coppia target -value Root nodes: ogni documento XML inizia con 1 nodo radice che rappresenta l intero documento

6 Rappresentazione testuale Text nodes: semplicemente il testo che essi rappresentano Element nodes: tags di apertura e chiusura Attribute nodes: name= value nei tags di apertura Comment nodes: <!-- bla bla bla --> Processing instructions: <?target value?> Root nodes: è implicito!! REGOLE GENERALI XML è case-sensitive Caratteri validi: caratteri vuoti o whitespace (spazi, caratteri di tabulazione, carriage return, line feed), caratteri unicode Sezioni CDATA (es. <ex><![cdata[ errore ]]> ]]></ex>) Riferimenti alle entità (es. & per il carattere &) utile anche per inserire caratteri Unicode in documenti XML o entità definite nella DTD

7 Elementi e attributi in XML - Esempi Solo elementi Solo testo Una combinazione Vuoto

8 Dichiarazione XML <?XML version= 1.0 encoding= UTF-16 standalone= yes?> Un documento XML può includere una dichiarazione XML. Questa specifica le caratteristiche opzionali del documento in questione. La sintassi usata per la dichiarazione XML è quella delle Processing Instructions La non obbligatorietà della dichiarazione XML è dovuta a motivi di convenienza. In assenza di dichiarazione XML, si assume la forma: <?XML version= 1.0?> Dichiarazione XML Version Encoding Standalone

9 Un documento XML

10 Namespace Nella visione XML, i tipi di documenti si mescolano e si fondono tra loro in maniera complessa. Lo stesso documento potrebbe avere alcuni elementi definiti in un tipo ed altri in un altro. I namespace in XML si propongono per risolvere questi problemi. XML-Namespaces è una recommendation di W3C del Ogni nome (elementi, attributi, entità, ecc.) del documento XML è preceduto da un prefisso che specifica l origine del nome stesso. Il prefisso è separato da il carattere : dal nome dell elemento o dell attributo. Poiché ogni namespace userà un prefisso diverso,è possibile capire quali elementi appartengono all uno e all altro, e di evitare qualunque problema di collisione. L attributo predefinito xmlns serve per introdurre i prefissi usati dai namespace del documento. Il valore dell attributo è un URI che non ha nessun valore dichiarativo, ma solo informativo. Un nome (di elemento o di attributo) che contiene prefisso di namespace e nome locale viene detto nome qualificato

11 Uso dei namespace - Esempio <?xml version="1.0"?> <data:root xmlns:data= <data:header isbn= " /> <myorg:book xmlns:myorg= <title>xhtml Pocket Consultant</title> <creator>william R. Stanek</creator> <chapter number= 3" title= XHTML Essentials" > <page>xhtml Definitions <data:page>this is a paragraph in a page</data:page> </page> <main_text>xhtml Definitions Main <data:main_text>this is a paragraph in the main text</data:main_text> </main_text> </chapter> </myorg:book> <data:footer>copyright 2001 William R. Stanek</data:footer> </data:root >

12 Namespace di default Nella dichiarazione xmlns si pone il nome del prefisso che si intende usare nel corso del documento per gli elementi definiti in quel namespace. L assenza di tale prefisso in xmlns indica la presenza di un namespace di default, per cui tutti i nomi privi di prefisso di debbono intendere appartenenti a quel namespace. I namespace di default non si applicano agli attributi <?xml version="1.0"?> <data:root xmlns:data= <data:header isbn= " /> <book xmlns= <title>xhtml Pocket Consultant</title> <creator>william R. Stanek</creator> <chapter number= 3" title= XHTML Essentials" > <page>xhtml Definitions <data:page>this is a paragraph in a page</data:page> </page> <main_text>xhtml Definitions Main <data:main_text>this is a paragraph in the main text</data:main_text> </main_text> </chapter> <book> <data:footer>copyright 2001 William R. Stanek </data:footer> </data:root >

13 Linguaggi di schema: motivazione Verificare la correttezza sintattica di un documento ci assicura che abbia senso e sia interoperabile Come possiamo creare strumenti automatici per la verifica della correttezza sintattica di un documento in un linguaggio di markup? Implementare uno strumento specializzato per ogni linguaggio non è una buona soluzione Linguaggio di markup Un insieme di documenti con un certo significato Schema Una definizione formale della sintassi di un linguaggio di markup Linguaggio di schema Una notazione per definire schemi

14 Verifica e convalida Verifica (verification) Assicurare la rispondenza di un documento alle regole sintattiche di base del meta-linguaggio di markup (es. SGML, XML) Un documento che supera la verifica si dice ben formato (well formed) Convalida (validation) Assicurare la rispondenza della struttura di un documento allo schema definito per la famiglia (classe) di documenti Un documento che supera la validazione si dice valido (valid) Le due operazioni possono essere eseguite da tool distinti (parser e schema processor) o insieme da uno stesso tool (validating parser)

15 Parser XML Modulo che legge il documento XML e ne crea una rappresentazione interna utile per successive elaborazioni Un parser validante, in presenza di un DTD, è in grado di verificare la validità del documento, o di segnalare gli errori di markup presenti. Un parser non validante invece, anche in presenza di un DTD è solo in grado di verificare la buona forma del documento. Un parser non validante è molto più semplice e veloce da scrivere, ma è in grado di fare meno controlli. In alcune applicazioni, però, non è necessario validare i documenti, solo verificare la loro buona forma

16 Verifica Instance document Parser OK Error message

17 Convalida Instance document Schema Schema processor Normalized Instance document Error message

18 Espressioni regolari Sono usate nei linguaggi di schema (ma non solo!) per descrivere sequenze di caratteri o elementi Σ: alfabeto (tipicamente caratteri Unicode o nomi di elementi) Espressioni regolari (regular expressions, RE) su Σ: Ciascun atomo in Σ è un'espressione regolare Se α e β sono espressioni regolari, allora α?, α*, α+, αβ, α β, (α) sono anche espressioni regolari

19 Corrispondenze Corrisondenze di una stringa di atomi in Σ e un'espressione regolare su Σ σ Σcorrisponde alla stringa σ α? corrisponde a zero o una α α* corrisponde a zero o più α consecutive α+ corrisponde ad una o più α consecutive αβcorrisponde ad una qualsiasi concatenazione di una α ed una β α β corrisponde all'unione di α e β (cioè, α oppure β)

20 Esempi Espressione regolare che descrive i numeri interi: 0 -?( )( )* Espressione regolare che descrive i contenuti validi di un curriculum vitae in formato Europass: foto? datipersonali occupazionedesiderata esperienzaprofessionale* titolodistudio* lingua+ competenza* data firma

21 Document Type Definition (DTD) Un punto di partenza per sviluppare linguaggi di schema più espressivi Associa una document instance al suo schema DTD <?xml version="1.1"?> <!DOCTYPE collection SYSTEM "recipes.dtd"> <collection>... </collection> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN " transitional.dtd"> <!DOCTYPE collection [... ]>

22 Dichiarazione di un elemento <!ELEMENT element-name content-model> Content model: EMPTY ANY Mixed content <!ELEMENT br EMPTY> <!ELEMENT note ANY> (#PCDATA e1 e2... en)* <br> Element content: espressione regolare di nomi di elementi (la concatenazione si indica con, ) <!ELEMENT element-name (child-element-name,childelement-name,...)> <!ELEMENT note (to,from,heading,body)> <!ELEMENT table (caption?,(col* colgroup*),thead?,tfoot?,(tbody+ tr+)) >

23 Dichiarazione di una lista di attributi <!ATTLIST element-name attributedefinitions> Ogni definizione di attributo è composta da Nome Tipo Dichiarazione di valore predefinito <!ATTLIST input maxlength CDATA #IMPLIED>

24 Tipi di attributo CDATA - character data (qualsiasi valore) (v1 v2...) - enumerazione esplicita dei possibili valori ID - identificativo univoco (nella document instance) IDREF/IDREFS - deve corrispondere a qualche ID ENTITY - un'entità <!ATTLIST p align (left center right justify) #IMPLIED> <!ATTLIST recipe id ID #REQUIRED > <!ATTLIST related ref IDREF #REQUIRED>

25 Valori predefiniti value - l'attributo è opzionale (può non essere presente) ed ha tale valore predefinito #REQUIRED - l'attributo non ha valore predefinito ma deve essere presente #IMPLIED- l'attributo non ha valore predefinito ed è opzionale #FIXED value - l'attributo deve essere presente e avere tale valore <!ATTLIST form action CDATA #REQUIRED onsubmit CDATA #IMPLIED method (get post) "get" Enctype CDATA "application/x-www-form-urlencoded" > <!ATTLIST html xmlns CDATA #FIXED

26 Convalida con DTD Un DTD processor (validating parser) Effettua il parsing del documento di input e verifica che sia ben formato Controlla il nome dell'elemento radice Per ogni elemento, controlla il contenuto e gli attributi Controlla l'unicità degli ID e i vincoli referenziali (attributi ID/IDREF(S))

27 XML Schema o XML Schema Definition (XSD) E una delle attività del working group su XML. Ha prodotto 7 generazioni di working draft, per poi divenire recommendation nel maggio del XML Schema Requirements Principi di progettazione: Più espressivo di XML DTD Auto-descrittivo Semplice da implementare E diviso in due parti: XML Schema Part 1: Structures (struttura del documento XML Schema) XML Schema Part 2: Datatypes (modello dei dati e meccanismi di estensione dei tipi)

28 I 4 costrutti di XSD Definizione di tipi semplici definisce una famiglia di stringhe di caratteri Unicode con una precisa semantica per interpretare le stringhe Definizione di tipi complessi definisce un insieme di requisiti per attributi, elementi e CDATA negli elementi che sono assegnati a quel tipo Dichiarazione di elementi associa un nome di elemento ad un tipo (semplice o complesso). Un documento XML è valido ogni elemento in esso contenuto soddisfa tutti i requisiti del tipo associato nella relativa XSD Dichiarazione di attributi associa un nome di attributo ad un tipo semplice (attributi possono contenere solo testo non strutturato!)

29 Formato di un XSD Un documento di XML Schema è racchiuso in un elemento <schema> (il root element), e può contenere, in varia forma ed ordine, i seguenti elementi: <import> ed <include> per inserire, in varia forma, altri frammenti di schema da altri documenti <simpletype> e <complextype> per la definizione di tipi denominati usabili in seguito <element> ed <attribute> per la definizione di elementi ed attributi <attributegroup> e <group> per definire serie di attributi e gruppi di content model complessi e denominati. <notation> per definire notazioni non XML all interno di un documento XML <annotation> per esprimere commenti per esseri umani o per applicazioni diverse dal parser di XML Schema

30 I tipi in XSD Gli elementi e gli attributi sono istanze di un tipo: Un tipo semplice (simple type o datatype) è un tipo di dati che non può contenere markup e non può avere attributi. In pratica è una sequenza di caratteri. E' una specificazione (e restrizione) di CDATA o #PCDATA. Un tipo complesso è un tipo di dati che può contenere markup e avere attributi. E' l'equivalente di un tipo strutturato o misto. XML predefinisce un grande numero di tipi semplici primitivi: string, decimal, float, boolean, urireference, date, time, ecc. Ogni tipo semplice è caratterizzato da alcune proprietà, dette facets, che ne descrivono vincoli e formati (permessi ed obblighi). E data possibilità di derivare nuovi tipi, sia per restrizione che per estensione di permessi ed obblighi. E' possibile derivare i tipi semplici per restrizione, unione o lista Il nome di un tipo semplice appartiene allo stesso namespace di XML Schema

31 Tipi semplici primitivi e derivati: Vista completa

32 Definire Elementi e Attributi Si usano gli elementi <element> e <attribute>. Se sono posti all interno del tag schema sono elementi ed attributi globali. Altrimenti sono usabili solo all interno di elementi che li prevedono come tipo. Questi hanno vari attributi importanti: Name: il nome del tag o dell attributo (definizione locale) Ref: il nome di un elemento o attributo definito altrove (definizione globale) Type: il nome del tipo, se non esplicitato come content maxoccurs, minoccurs: il numero minimo e massimo di occorrenze mixed: se uguale a true implica un content model misto altrimenti il content può contenere solo whitespace

33 Elementi ed attributi - esempio

34 Facets di tipi semplici Per ogni tipo si possono precisare dei facets, delle caratteristiche indipendenti tra di loro che specificano aspetti del tipo: Length: lunghezza di una stringa o del numero di elementi di una lista minlength, maxlength: lunghezza minima e massima minexclusive, mininclusive, maxexclusive, maxinclusive: valore massimo e minimo, inclusivo ed esclusivo pattern: espressione regolare che il valore deve soddisfare enumeration: lista all interno della quale scegliere il valore whitespace: determina il modo in cui vengono gestiti i whitespace (valori: replace, collapse, preserve) totaldigits: massimo numero di cifre consentite (per i tipi numerici)

35 Derivazione per restrizione esempi Si parte da un tipo già definito (base type) e ne si restringe il set di valori leciti attraverso l'uso di facet:

36 Derivazione per unione L'insieme dei valori leciti è data dall'unione dei valori leciti di due tipi semplici

37 Tipi complessi Definire i tipi complessi: Tipi complessi con attributi ed elementi Tipi complessi derivati per restrizione o estensione da tipi semplici o complessi (simplecontent) Tipi complessi derivati per restrizione o estensione da tipi complessi (complexcontent) Collezione di elementi (group) ed attributi (attributegroup) Non esistono tipi complessi predefiniti o primitivi La derivazione può avvenire per restrizione o estensione: Per restrizione: si limitano ulteriormente i vincoli espressi modificando minoccurs e maxoccurs, fissando dei valori per certi elementi o attributi, o imponendo ad un elemento un sottotipo del tipo originario Per estensione: aggiungendo al content model nuovi elementi o nuovi attributi. N.B.: i nuovi elementi sono posti necessariamente alla fine degli altri

38 Tipi complessi con attributi ed elementi (1) Come nei DTD si usano virgole e caret per specificare obblighi e scelte tra gli elementi di un content model complesso, così in XML schema si usano <choice>, <sequence> e <all>. Questi sostituiscono anche le parentesi. La sequenza (A, B, C) diventa La scelta (A B C) diventa

39 Cardinalità degli elementi Per specificare ripetibilità e facoltatività, si usano gli attributi minoccurs e maxoccurs: XML Schema permette non solo i valori 0, 1 e infinito, ma qualunque numero intero. Infinito è "unbounded", e può essere usato solo per maxoccurs. Per default entrambi valgono 1. Inoltre, minoccurs maxoccurs

40 Restrizione o estensione di tipi Qualunque elemento preveda attributi è necessariamente di un tipo complesso. XML Schema differenzia infatti tra tipi complessi con contenuto semplice (simplecontent) e tipi complessi con contenuto complesso (complexcontent). Questa è la definizione per estensione di un tipo il cui contenuto è semplice (base type) ma che prevede un attributo

41 simplecontent - Derivazione per restrizione

42 complexcontent - Derivazione per estensione

43 Descrizioni locali e globali Una definizione si dice globale se è posta all'interno del tag <schema>. In questo caso l'elemento o l'attributo è definito in maniera assoluta. Una definizione si dice locale se è inserita all'interno di un tag <complextype>. In questo caso l'elemento o l'attributo esiste solo se esiste un'istanza di quel tipo, e l'elemento non può essere un elemento radice del documento. E' possibile all'interno di un tipo complesso fare riferimento ad un elemento globale, usando l'attributo ref invece che name Globale Locale

44 Namespace (1) La dichiarazione di targetnamespace definisce il namespace del documento da validare. Gli attributi elementformdefault e attributeformdefault permettono di controllare se l uso del prefisso è necessario per i tipi non globali

45 Namespace (2) Gli attributi elementformdefault e attributeformdefault controllano se gli elementi e gli attributi locali siano per default qualificati o non qualificati. N.B. Per default sono NON qualificati!! Per l esempio sotto bisogna porre elementformdefault a qualificato, altrimenti non funziona niente

46 Collegare documenti XML e schemi schemalocation è costituito da due parti: URI che deve corrispondere al target namespace e URI che localizza lo schema XML E possibile avere coppie multiple di URIs XSD supporta documenti XML senza namespace omettendo l attributo targetnamespace e a tale schema ci si deve riferire con l attributo nonamespaceschemalocation al posto di schemalocation

47 Modularizzazione In XML Schema, esistono meccanismi per dividere lo schema in più file, o per importare definizioni appartenenti ad altri namespace Include: Le nuove definizioni appartengono allo stesso namespace, ed è come se venissero inserite direttamente nel documento. <include schemalocation= URI /> Redefine: come include, le definizioni appartengono allo stesso namespace, ma possono venire ridefiniti tipi, elementi, gruppi, ecc. <redefine schemalocation= URI > </redefine> Import: le nuove definizioni appartengono ad un altro namespace, ed è l'unico modo per fare schemi che riguardino namespace multipli <import namespace= NS schemalocation= URI />

48 Documenti ben-formati e validi XML distingue due tipi di documenti rilevanti per le applicazioni XML: i documenti ben formati ed i documenti validi. In SGML, un DTD è necessario per la validazione del documento. Anche in XML, un documento è valido se presenta un DTD ed è possibile validarlo usando il DTD. XML permette anche documenti ben formati, ovvero documenti che, pur essendo privi di DTD, presentano una struttura sufficientemente regolare e comprensibile da poter essere controllata: Tutti i tag di apertura e chiusura corrispondono e sono ben annidati <x><y></y></x> <z><x><y></x></y> Esiste un elemento radice che contiene tutti gli altri I tag vuoti (senza contenuto) utilizzano un simbolo speciale di fine tag: <elementovuoto/> Tutti gli attributi sono sempre racchiusi tra virgolette Tutte le entità sono definite

49 RecipeML XML tree

50 RecipeML rappresentazione testuale <collection> <description>recipes suggested by Jane Dow</description> <recipe id="r117"> <title>rhubarb Cobbler</title> <date>wed, 14 Jun 95</date> <ingredient name="diced rhubarb" amount="2.5" unit="cup"/> <ingredient name="sugar" amount="2" unit="tablespoon"/> <ingredient name="fairly ripe banana" amount="2"/> <ingredient name="cinnamon" amount="0.25" unit="teaspoon"/> <ingredient name="nutmeg" amount="1" unit="dash"/> <preparation> <step> Combine all and use as cobbler, pie, or crisp. </step> </preparation> <comment> Rhubarb Cobbler made with bananas as the main sweetener. It was delicious. </comment> <nutrition calories="170" fat="28%" carbohydrates="58%" protein="14%"/> <related ref="42">garden Quiche is also yummy</related> </recipe> </collection>

51 RecipeML - DTD

52 RecipeML Browsing (senza XSLT) ixwt/examples/recipes.xml

53 Riferimenti Specifiche Testo consigliato A. Moller and M. Schwartzbach, An Introduction to XML and Web Technologies, Addison Wesley, 2006 [capp. 2,4]