TNPW22010/201109 – Technologie XML

Mgr. Lukáš Vaceklukas.vacek@uhk.cz

2

Agenda

9• Co je to XML?• Přednosti a nedostatky XML• Nejčastější použití XML• Základy syntaxe• Prohlížení a kontrola XML dokumentů• Vzhled XML dokumentů• DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

3

Co je XML? Vymezení proti HTML a XHTML

HTML • Definuje jednoduchý, pevně stanovený typ dokumentu• Množina používaných značek je navržena tak, aby vyhovovala požadavkům na

běžné dokumenty – nadpisy, odstavce, seznamy, obrázky apod. • HTML umožňuje použití hypertextu a integraci multimedií

XML• XML (eXtensible Markup Language) je rozšiřitelný značkovací jazyk.• Umožňuje definici vlastních typů dokumentů a přesně označuje význam jejich

jednotlivých částí, a ne jen jejich vzhled (jako HTML)• Na rozdíl od jazyka HTML jde spíše o metajazyk

XHTML• Je nástupcem HTML, používá XML syntaxi a má přísnější pravidla• Validní XHTML dokument je i validním XML dokumentem!

4

SGML , XML x HTML (XHTML)

• Oba jazyky (HTML a XML) vycházejí z mezinárodního standardu SGML (norma ISO 8879, z roku 1986) pro popis struktury a obsahu různých druhů elektronických dokumentů

• Značkovací jazyky vycházející ze SGML definují množinu značek (a jejich vzájemných vztahů) pomocí tzv. definic typu dokumentu (DTD)

• XML není nástupcem ani konkurentem HTML!

• XML dokumenty samy o sobě nejsou (pro běžného uživatele) dost dobře zobrazitelné, představují datovou základnu, ze které lze transformací vytvořit něco, co se dá prezentovat uživateli v podobě HTML, WML, PDF nebo jinak

http://www.w3.org/ http://zvon.org/

5

Mýty a předsudky o XML

Nejrůznějších bludů o XML je rozšířena celá řada

+ Je to moderní (revoluční) technologie, hodí se skoro na všechno (XML je spása, XML jako univerzální kráječ)

+ Musíme to použít, protože to používá konkurence!+ Když použijeme XML, budou naše aplikace kvalitnější!

– XML je jenom takové lepší HTML…– XML je hodně „upovídaný“ jazyk, má příliš svazující pravidla!– XML je pomalá a paměťově náročná technologie!

6

Co je to XML?• Přednosti a nedostatky XML• Nejčastější použití XML• Základy syntaxe• Prohlížení a kontrola XML dokumentů• Vzhled XML dokumentů• DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

7

Přednosti XML

• Standardní formát pro výměnu a sdílení strukturovaných informací• Je nezávislý na platformě• Mezinárodní podpora (i jiné jazyky než angličtina)• Informační obsah (přesné určení toho, co která část dokumentu znamená)• Snadná konverze do dalších formátů (pomocí stylových jazyků – CSS, XSL apod.)

a pro různá cílová zařízení• Automatická kontrola struktury dokumentu (prohlížeč se klasické HTML vždy

"pokusí" nějak interpretovat, XML ne)!• Rozšiřuje možnosti relačních databází u složitě strukturovaných dat, která se

nedají dost dobře uložit do tabulek• Přesné indexování a vyhledávání dokumentů a jejich částí

8

Nedostatky XML

• XML umí být „pěkně ukecaný“ formát, jako všechny značkovací jazyky • Je určen hlavně pro výměnu textových dat, nehodí se pro

▫ binární data▫ velké objemy dat – pro tzv. datové pumpy použijte nějaký ETL tool

• XML standardy se neustále vyvíjejí• S XML dokumentem lze (zatím) pracovat jen jako s celkem• Poněkud problematické je indexování a prohledávání XML dokumentů – nic na

způsob „domácího“ fulltextu zatím není u XML k dispozici• V porovnání s relačními databázemi

▫ poněkud složitější programování▫ menší rychlost ▫ problematická kontrola přístupových práv k jednotlivým částem XML dokumentu

9

Co je to XML? Přednosti a nedostatky XML• Nejčastější použití XML• Základy syntaxe• Prohlížení a kontrola XML dokumentů• Vzhled XML dokumentů• DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

10

Nejčastější použití XML

• Zveřejňování informací na webových stránkách (XHTML)• Vytváření popisných metadat (RDF – Resource Description Format)

o dokumentech, tzv. RSS (RDF/Rich Site Summary) kanály• Vzájemná komunikace (výměna dat) mezi různými informačními systémy –>

hlavně webové služby• Elektronické publikování (knihy, manuály, vyhlášky) a následná správa

dokumentů pomocí metadat• Uchovávání dat malého rozsahu nebo dat nerelačního charakteru• Konfiguračních data k aplikacím (.NET, Java Spring)• Formáty založené na XML, např. vektorová grafika (SVG), matematické vzorce

(MathML), chemická data (CML)

11

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML• Základy syntaxe• Prohlížení a kontrola XML dokumentů• Vzhled XML dokumentů• DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

12

XML elementy

• Základním stavebním prvkem XML dokumentu jsou elementy• Každý XML dokument musí být uzavřen v jednom XML elementu (root),

obdobně jako se v HTML používá tag <html>• Všechny elementy jsou párové. Pokud je element prázdný, je možné jej zapsat

ve zkrácené podobě <element />• Elementy je možno do sebe vnořovat, ale není možno je křížit• V názvech elementů a atributů se rozlišují velká a malá písmena. Jestliže

v HTML znamenají prvky <TABLE> a <Table> totéž, v XML tomu tak není!• Název elementu může obsahovat písmena, čísla, znaky „_“, „–“ a „.“, mezery

nejsou povoleny, nesmí začínat řetězcem „xml“, dvojtečky „:“ jsou vymezeny pro použití v názvech jmenných prostorů

<obsah> <mujElement>nějaký řetězec</mujElement></obsah>

13

Kódování znaků

• Aby šlo v XML dokumentu bez problémů zapisovat znaky libovolného jazyka, používá se standardně kódování UTF-8

• Je však možné použít i jiné kódování např. iso-8859-2 nebo windows-1250• Nastavení kódování XML dokumentu se provádí v XML deklaraci

(vždy na 1. řádku každého XML dokumentu!):

<?xml version="1.0" encoding="windows-1250"?>

• Pokud je použito kódování UTF-8, je možné v XML deklaraci nastavení kódování vynechat:

<?xml version="1.0 ?>

14

Znakové entity

• Mezi počáteční a koncovou značkou XML elementu se nesmí používat znaky „<“ a „&“, nedoporučuje se používat znak „>“

• Namísto těchto kolizních znaků se používají tzv. znakové entity.V XML jsou předdefinovány tyto znakové entity:

< -> &lt;& -> &amp;> -> &gt;“ -> &quot;‘ -> &apos;

• Doporučuji používat i v XHTML dokumentech!

http://www.aspnet.cz/Articles/205-jak-na-html-entity-v-xml-dokumentech.aspx

15

Atributy

• Atribut poskytuje dodatečnou (doplňující) informaci o elementu, je vždy součástí počáteční (otevírací) značky elementu

• Elementy mohou obsahovat jeden nebo více atributů (na pořadí nezáleží)• Jednotlivé atributy jsou ve značce odděleny mezerou (proto není mezera

v názvu značky povolena)• Názvy atributů se řídí stejnými pravidly jako názvy elementů• Všechny atributy musejí mít určenou hodnotu, která je uzavřena do uvozovek

nebo apostrofů:

<element atribut1='hodnota1’ tribut2=“hodnota2“>obsah</element><element2 atribut3=’a“BC“d’>obsah</element2>

16

Komentáře v XML

• Do zdrojového kódu XML dokumentů lze vkládat komentáře• Komentář je součástí dokumentu, ale je ignorován při jeho zpracování• Komentář může být kdekoliv ve zdrojovém kódu, ale nesmí být součástí nějaké

značky!

<!– můj komentář -->

<element <!– můj komentář -->>obsah</element> je chybně!

17

Instrukce pro zpracování

• Instrukce pro zpracování se vkládají do XML dokumentu v případě, že potřebujeme ovlivnit charakter jeho dalšího zpracování

<?identifikátor data?>

<?xml-stylesheet href="styl.css" type="text/css"?>...<?php echo “výpis“ ?>

• Identifikátor určuje aplikaci nebo zařízení, pro které je instrukce určena• Data jsou vlastní instrukce (příkazy) ve formátu odpovídajícímu uvedené

aplikaci nebo zařízení

18

CDATA

• Když potřebujeme do XML dokumentu vložit větší kus textu se značkami (např. nějaké instrukce pro pozdější zpracování, CSS, JavaScript apod.), je vhodné použít sekci CDATA

<script type="text/javascript"><![CDATA[ for (i=0; i < 10; $++) { document.writeln("<p>Ahoj</p>"); }]]></script>

19

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML Základy syntaxe• Prohlížení a kontrola XML dokumentů• Vzhled XML dokumentů• DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

20

Prohlížení a kontrola XML dokumentů

• Prohlížení XML dokumentů je možné např. v prohlížeči s podporou XML (např. Internet Explorer, Mozilla Firefox apod.)

• Program, kterým se provádí kontrola a zpracování XML dokumentu, se jmenuje parser

• Prohlížeče s podporou XML tento parser obsahují, jsou proto nejjednodušší cestou, jak dokument zobrazit a zároveň zkontrolovat

• Bude-li XML dokument správně zformátován (well formed), zobrazí jej. V opačném případě prohlížeč oznámí chybu!

09-01-priklad.xml09-02-priklad-validace.html (pouze Internet Explorer! Používá ActiveX prvek)

21

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML Základy syntaxe Prohlížení a kontrola XML dokumentů• Vzhled XML dokumentů• DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

22

Vzhled XML dokumentů

• XML odděluje informační obsah dokumentu od definice grafického vzhledu – neurčuje, jakým způsobem se má obsah jednotlivých značek (elementů) zobrazovat

• K tomu se používají stylové jazyky:▫ CSS (Cascading Style Sheet)▫ XSL (eXtensible Stylesheet Language)

• CSS je jednodušší a není vytvořen podle pravidel XML (na rozdíl od XSL), používá svá vlastní pravidla!

23

XML a CSS

• Připojení CSS k dokumentu XML:

<?xml-stylesheet href="styl.css" type="text/css"?>

• Pozor! V CSS pro XML se rozlišuje velikost písmen v názvech selektorů• Vlastnost display (block, inline, list-item, none) určuje způsob

zobrazení obsahu elementu v prohlížeči• Neurčíme-li v CSS jinak, je výchozí zobrazení elementu nastaveno na display: inline

09-03-priklad.xml

24

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML Základy syntaxe Prohlížení a kontrola XML dokumentů Vzhled XML dokumentů• DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

25

DTD a XML schémata – I.

• DTD (Document Type Definition) a XML schémata jsou formální sady pravidel, které jsou určeny pro lepší kontrolu nad obsahem XML dokumentu

• Vymezují množinu elementů a atributů, které mohou být v dokumentu použity, včetně jejich obsahu a vzájemných vazeb (způsobů vnořování)

• Pokud XML dokument obsahuje odkaz na strukturu, kterou má dodržovat, je možné kromě správné strukturovanosti (well formed) kontrolovat také její validitu

• Použití DTD a XML schémat má význam při výměně informací mezi informačními systémy, umožňuje jednoznačnou interpretaci elementů

• Každé XML schéma je zároveň XML dokumentem, DTD používá vlastní formát

• Existují i další varianty pravidel pro XML, např. RELAX NG (Wikipedia)

26

DTD a XML schémata – II.

• DTD je starší, jednodušší (a díky tomu i více rozšířené) • XML schémata sice vznikla později, ale jsou zase mnohem komplexnější

(řeší některé nedostatky DTD, např. datové typy) • Vazba XML dokumentu na XML schéma je složitější, než je tomu v případě DTD • DTD soubory používají příponu *.dtd, XML schémata *.xsd

• Příklad použití XML souboru s DTD:09-04-priklad.xml

• Příklad použití XML souboru s XML schématem:http://www.kosek.cz/xml/schema/index.html

27

Příklady nejběžnějších DTD

• Hypertext Markup Language (HTML)• Channel Definition Format (CDF)• Mathematical Markup Language (MathML)• Resource Description Framework (RDF)• Chemical Markup Language (CML)• Precision Graphics Markup Language (PGML)• UML eXchange Format (UXF)• DocBook (publikování)• Scalable Vector Graphics (SVG)

28

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML Základy syntaxe Prohlížení a kontrola XML dokumentů Vzhled XML dokumentů DTD a XML schémata• Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

29

Jmenné prostory

• V XML dokumentech od různých autorů může nastat situace, kdy budou v jednotlivých dokumentech použity stejně pojmenované elementy, ale s různým významem!

• Pomocí jmenných prostorů tomu lze předejít a odlišit elementy jednoho autora od elementů jiného autora

• Označení jmenného prostoru je vizuálně podobné URL adrese

http://doména/volitelná_informace_o_prostoru/popis_prostoru/verze

Příklad:http://www.mojedomena.cz/alfa/dopisy/1.0

• Někdy se místo označení URL (Uniform Resource Locator) používá zkratka URN (Uniform Resource Name). 1URN = 1-n URL

30

Deklarace jmenných prostorů, prefixy

• Jmenný prostor je možné deklarovat v libovolném elementu

<dopis xmlns=“identifikace jmenného prostoru“> ...</dopis>

<mujelement xmlns=“identifikace prostoru“ xmlns:bib=“http://www.book.org/bibliography“>

<test1>obsah</test1> <bib:test2>obsah2</test2> <test3>obsah2<test3></mujelement>

• Jmenný prostor se vztahuje na element, ve kterém je deklarován a na všechny jeho potomky

• V případě, že chceme v elementu (a v jeho potomcích) použít více jmenných prostorů, lze používat prefixy

31

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML Základy syntaxe Prohlížení a kontrola XML dokumentů Vzhled XML dokumentů DTD a XML schémata Jmenné prostory, prefixy• Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

32

Co je XSL a XSLT?

• XML dokumenty samy o sobě nejsou dost dobře zobrazitelné, představují datovou základnu, se kterou je možné dále pracovat

• Jednou z možností je tzv. XSL (eXtensible Stylesheet Language) transformace dat uložených v XML dokumentu do požadovaného formátu, např. HTML, RTF, PDF nebo jinak

• XSL transformace se provádí prostřednictvím jazyka XSLT (eXtensible Stylesheet Language Transformations)

• XSL má dvě části:▫ XSLT,▫ XSL-FO (formátovací objekty typu XSL).

33

Použití XSL a XSLT

• XSL používá jazyk XML a je tedy sám XML dokumentem• XSL dokumenty mají příponu *.xsl• Každý XSL dokument▫ Vždy obsahuje řídící příkazy XSLT procesoru▫ Může obsahovat data (elementy, text), která se použijí při sestavování

výsledného výstupu (dokumentu)• Řídící příkazy XSLT procesoru náleží jmennému prostoru

http://www.w3.org/1999/XSL/Transform, podle kterého XSLT procesor pozná, že má element zpracovat

• Pro vyhledávání jednotlivých prvků XML dokumentu, které vyhovují zadaným podmínkám, se používá dotazovací jazyk XPath (XPath je pro XML totéž, co SQL pro relační databáze )

09-05-priklad.xml

34

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML Základy syntaxe Prohlížení a kontrola XML dokumentů Vzhled XML dokumentů DTD a XML schémata Jmenné prostory, prefixy Co je to XSL a XSLT?• Internet, doporučená literatura

Agenda

9

35

Odkazy na Internetu

• http://www.zvon.org • http://www.w3.org/ • http://www.kosek.cz/xml/index.html• http://www.docbook.cz• http://en.wikipedia.org/wiki/Document_Type_Definition• http://en.wikipedia.org/wiki/XML_Schema_(W3C)• http://en.wikipedia.org/wiki/RELAX_NG

36

Doporučená literatura

• Bráza, Jiří – XML Praktické příklady, Grada 2003 • Žák, Miroslav – XML Začínáme programovat, Grada 2003 • Esposito, Dino – XML Efektivní programování pro .NET, Grada 2004• Herout, Pavel – Java a XML pro Javu 5 i 6, Kopp 2007

37

Co je to XML? Přednosti a nedostatky XML Nejčastější použití XML Základy syntaxe Prohlížení a kontrola XML dokumentů Vzhled XML dokumentů DTD a XML schémata Jmenné prostory, prefixy Co je to XSL a XSLT? Internet, doporučená literatura

Souhrn

9