Extensible Markup Language (XML) Presentazione 1.5 Architettura dell'informazione | Prof. Luca...

Extensible Markup Language (XML)

Presentazione 1.5

Architettura dell'informazione | Prof. Luca A. Ludovico

Introduzione a XML

• XML (acronimo di eXtensible Markup Language) è un metalinguaggio di markup, ovvero un linguaggio marcatore che definisce un meccanismo sintattico che consente di estendere o controllare il significato di altri linguaggi marcatori

• Il nome indica quindi che si tratta di un linguaggio marcatore (markup language) estensibile (eXtensible) in quanto permette di creare tag personalizzati

Architettura dell'informazione Prof. Luca A. Ludovico

Cos’è XML (e cosa non è)

• XML è contemporaneamente:– Linguaggio di annotazione o etichettatura o marcatura (markup) che

permette di creare gruppi di marcatori o etichette (tag set) personalizzati

– Formato standard per lo scambio dei dati– Metalinguaggio per creare documenti arricchiti da informazioni

addizionali– Un supporto per la costruzione di formati specifici per gli usi più

disparati (esempi: MathML, XHTML, ChemicalML, ecc..)

• XML non è:– Un sostituto di HTML: le pagine web continueranno ad essere scritte in

HTML. XML è un metalinguaggio, HTML è un linguaggio– Un linguaggio di programmazione: ogni documento XML contiene dati

ed informazioni sui dati. Questi vengono poi estratti ed elaborati dalle varie applicazioni.

Architettura dell'informazione Prof. Luca A. Ludovico

Il background di XML

• Sottoinsieme di Standard Generalized Markup Language (SGML), nato negli anni ‘60

SGML

• La sua adozione estensiva deriva dal successo dell’HMTL come linguaggio per descrivere pagine Web

• Standard approvato dal World Wide Web Consortium (W3C, http://www.w3.org)

Architettura dell'informazione Prof. Luca A. Ludovico

XML

HTMLXHTMLMathML

MusicXML…

Pervasività di XML: alcuni esempi

• Dalla versione 2007 in avanti i software della suite Microsoft Office adottano principalmente i formati XML– .docx per Word, .pptx per PowerPoint, .xlsx per Excel– .odt e .odf di OpenOffice, principale competitor

• Molti siti (tra cui ludovico.net) sono scritti in XHTML, un linguaggio basato su XML per creare pagine Web

• Gran parte dei software per l’editing digitale della partitura supportano il formato MusicXML

• Il formato EPUB (electronic publication) per gli e-book è XML

Piè di pagina: spazio libero per eventuale nome struttura o altro

Benefici di XML

• Interscambiabilità su Internet (è plain text e supportato dal W3C)

• Struttura gerarchica

• Intelligibilità (è plain text e i marcatori sono evocativi)

• Estensibilità

• Enorme disponibilità di tool per la lettura, la creazione e la manipolazione dei documenti

Architettura dell'informazione Prof. Luca A. Ludovico

I tag in XML

• In un documento XML possiamo “inventare” i tag

• La scelta dei tag (nomi, annidamento,…) può essere effettuata a seconda delle informazioni che interessa rappresentare

<?xml version="1.0" encoding="UTF-8"?> <note> <from>Carlo</from> <to>Luca</to> <title>Appuntamento</title> <message>Ricordati la riunione del <date>9/1/2008</date></message></note>

Architettura dell'informazione Prof. Luca A. Ludovico

Lettura intuitiva dell’XML

• La prima linea del documento (opzionale) identifica lo stesso come un XML ed indica anche la versione

• Il primo tag <note> identifica la radice del documento. In linguaggio naturale: “questo documento è una nota”.

• I restanti tag specificano il contenuto della nota in termini di titolo, mittente, destinatario e messaggio

• L’ultimo tag </note> conclude la descrizione della nota

• I tag si dividono in:– Tag di apertura (start tag): <nometag> es: <note>– Tag di chiusura (end tag): </nometag> es: </note>– Tag vuoti (empty tag): <nometag/> es: <note/>

Architettura dell'informazione Prof. Luca A. Ludovico

<?xml version="1.0" encoding="UTF-8"?>

<utenti>

<utente>

<nome>Luca</nome>

<cognome>Ruggero</cognome>

<indirizzo>Milano</indirizzo>

</utente>

<utente>

<nome>Max</nome>

<cognome>Rossi</cognome>

<indirizzo>Roma</indirizzo>

</utente>

</utenti>

• Si può notare somiglianza con le informazioni contenute nella tabella di un database (maggiore leggibilità ma verbosità)

Un esempio in XML

Architettura dell'informazione Prof. Luca A. Ludovico

• Un elemento XML è tutto ciò che è compreso tra un tag di apertura (incluso) ed il corrispettivo tag di chiusura (incluso)

• Tra i due tag si trova il contenuto dell’elemento, che può essere:– simple content: se il contenuto è un semplice testo.

Esempio: l’elemento <title>– element content: se il contenuto è costituito da altri elementi.

Esempio: l’elemento <note>– mixed content: se contiene testo inframezzato da altri elementi.

Esempio: l’elemento <message>– empty content: se il contenuto dell’elemento è vuoto

• Per un elemento vuoto la coppia apertura/chiusura può essere sostituita da un tag vuoto

<nometag>contenuto</nometag>

Elementi

Architettura dell'informazione Prof. Luca A. Ludovico

<address>

<street>33, Terry Dr.</street>

<city>Morristown</city>

</address>

Esempio di etichettatura

Elemento

End tag

Content

Start tag

Architettura dell'informazione Prof. Luca A. Ludovico

Esempio

• Un elemento può contenere:

– Altri elementi <address>

<street>33, Terry Dr.</street><city>Morristown</city>

</address>

– Testo semplice

<street>33, Terry Dr.</street>

Architettura dell'informazione Prof. Luca A. Ludovico

• Gli elementi in XML sono estensibili

• In questo modo è possibile mantenere compatibilità delle nuove versioni del formato con versioni precedenti del software (retrocompatibilità, o backward compatibility)

• Es: Versione 1.0 Versione 2.0

<?xml version="1.0"?>

<note>

<from>Carlo</from>

<to>Luca</to>

<title>Appuntamento</title>

<message>Ricordati la riunione di

oggi</message>

</note>

<?xml version="1.0"?>

<note>

<from>Carlo</from>

<to>Luca</to>

<title>Appuntamento</title>

<message>Ricordati la riunione di

<bold>oggi</bold></message>

</note>

Estensibilità degli elementi

Architettura dell'informazione Prof. Luca A. Ludovico

• Gli elementi in XML sono in relazione (di contenimento, di paternità, …) tra di loro e queste relazioni determinano il modello del documento

• Il documento è organizzato come un albero, in cui la relazione di contenimento tra elementi è equivalente alla relazione nodo-sottonodo

• Es: <to>, <from>, <title> e <message> sono sottoelementi di <note>

• L’entità che non è sottoentità di nessuno (es: <note>) è l’elemento radice (root element)

<?xml version="1.0"?><note>

<to>Luca</to><from>Carlo</from><title>Appuntamento</title><message>Ricordati la riunione di oggi</message>

</note>

Architettura dell'informazione Prof. Luca A. Ludovico

Modello ad albero

<?xml version="1.0"?><note> <from> <name>Carlo</name> <surname>Bianchi</surname> </from> <to> <name>Luca</name> <surname>Rossi</surname> </to> <title>Appuntamento</title> <message>Ricordati la riunione di oggi</message></note>

Architettura dell'informazione Prof. Luca A. Ludovico

Modello ad albero

• Gli attributi sono informazioni aggiuntive che possono essere inserite negli elementi XML per completarne o arricchirne l’informazione

• Vengono inseriti solo nei tag di apertura (o nei tag vuoti)• Sintassi: coppie nome_attributo="valore"• Il valore degli attributi è racchiuso o tra apici singoli o tra

apici doppi• nome_attributo deve essere univoco per ogni elemento

Attributi

<nometag attr1="val1" attr2="val2" ...>...</nometag>

Architettura dell'informazione Prof. Luca A. Ludovico

<message language="ITA">Ricordati la riunione di oggi</message>

• Spesso le stesse informazioni possono essere rappresentate sia tramite attributi che tramite (sotto)elementi. Queste sono alcune tra le molte varianti ammissibili:

Sottoelementi Attributi<note>

<title>Appuntamento</title>

<from>Carlo</from>

<to>Luca</to>

<message>ABC123</message>

</note>

<note title="Appuntamento">

<from>Carlo</from>

<to>Luca</to>

<message>ABC123</message>

</note>

<note title="Appuntamento"

from="Carlo" to="Luca">

ABC123

</note>

<note title="Appuntamento"

from="Carlo" to="Luca"

message="ABC123" />

Architettura dell'informazione Prof. Luca A. Ludovico

Attributi o elementi?

• La scelta tra attributi o elementi (quando si progetta il linguaggio) è soggettiva, tuttavia le due soluzioni non sono in genere equivalenti– Quando invece di progettare il formato si aderisce a un sottolinguaggio XML

specifico, le regole sulla codifica dell’informazione sono prefissate

• Problemi con gli attributi:– Non possono contenere valori multipli

<parent name=“Luca”><child>Marco</child> <child>Mario</child></parent>

– Sono difficilmente espansibili (aggiunta di sottoelementi)– Non possono descrivere strutture

<book><author><name>..</name><surname>..</surname></author></book>

• E’ opportuno usare gli attributi per informazioni essenziali per l’elemento, come ad esempio gli identificativi (ID)

Architettura dell'informazione Prof. Luca A. Ludovico

Attributi o elementi?

Esempi

<padre nome="luca"> <figlio nome="carlo"/> <figlio nome="giulia"/> <figlio nome="giovanni"/></padre>

OK

<padre nome="luca" figlio="carlo" figlio="giulia" figlio="giovanni"/>

NO, perché non posso avere 3 attributi con identico nome nello stesso elemento.

<padre nome="luca" figli="carlo, giulia, giovanni"/>

Sintatticamente OK, però è difficile effettuare il parsing dei singoli valori.

Architettura dell'informazione Prof. Luca A. Ludovico

• Tutti i tag aperti devono essere chiusi

• I tag devono essere correttamente annidati, o innestati (nested) quindi l’ordine di chiusura deve essere inverso rispetto a quello di apertura

Corretto Non corretto

<p>paragrafo1</p>

<p>paragrafo2</p>

<p>paragrafo1

<p>paragrafo2

Corretto Non corretto

<i><b>corsivo e grassetto</b></i>

<i><b>corsivo e grassetto</i></b>

Architettura dell'informazione Prof. Luca A. Ludovico

Regole sintattiche

• Ogni documento XML deve avere uno ed un solo elemento radice.

• Quando una data rappresentazione dei dati implicherebbe l’uso di più nodi radice, è necessario sostituire il nodo radice scelto con uno di significato più generale.– Ad esempio, se è necessario rappresentare tanti elementi <libro>…</libro>,

l’elemento radice sarà più propriamente <biblioteca>…</biblioteca> contenitore di sottoelementi <libro>…</libro>

Corretto Non corretto<note>

<to>Luca</to>

<from>Carlo</from>

<title>Appuntamento</title>

<message>…</message>

</note>

<to>Luca</to>

<from>Carlo</from>

<title>Appuntamento</title>

<message>…</message>

<note>…</note>

<note>…</note>

Architettura dell'informazione Prof. Luca A. Ludovico

Regole sintattiche

• I valori degli attributi devono sempre essere inclusi tra apici

• XML è “case sensitive”, cioè distingue maiuscole da minuscole

• In XML gli spazi vengono preservati• I commenti possono essere inseriti tra i segni <!-- e -->

Corretto Non corretto

<note date="12/11/2002"> <note date=12/11/2002>

Corretto Non corretto

<to>Luca</to> <to>Luca</To>

<to>Luca</TO>

Architettura dell'informazione Prof. Luca A. Ludovico

Regole sintattiche

<!-- Questo è un commento XML -->

• Un documento è detto well-formed (ben formato) se segue le regole grammaticali fornite dal W3C, di cui sono esempio le regole sintattiche elencate.Quindi, un documento è ben formato rispetto all’XML in generale, non rispetto a un particolare formato basato su XML.

• Un documento è detto valid (valido) se è conforme ad un DTD che ne specifica la struttura.Per essere valido, il documento deve essere innanzi tutto ben formato > well-formedness è condizione necessaria, ma non sufficiente per la validity.La validità si verifica rispetto a un particolare linguaggio basato su XML, ad esempio rispetto a MathML o XHTML.

Architettura dell'informazione Prof. Luca A. Ludovico

Well-formedness vs Validity

Well-formedness vs Validity

• In altri termini:

– Un documento è detto well-formed (ben-formato) se segue le regole grammaticali fornite dal W3C.

– Un documento è detto valid (valido) se è conforme ad un DTD che ne specifica la struttura.

Architettura dell'informazione Prof. Luca A. Ludovico

Esempio di documento XML

Architettura dell'informazione Prof. Luca A. Ludovico

<?xml version="1.0" encoding="UTF-8"?><testo tipo= "articolo" >

L'album <title>The Beatles 1</title>, più noto semplicemente come <title>1(One)</title>, è una raccolta dei più grandi successi dei <artista>Beatles</artista>, pubblicata nel 2000. La compilation, prodotta da <artista>George Martin</artista> come la quasi totalità degli album della band di Liverpool, raccoglie su un unico disco 27 singoli che tra il 1962 e il 1970 raggiunsero la prima posizione nelle classifiche di vendita del <paese>Regno Unito</paese> o degli <paese>Stati Uniti</paese>. Tutte le canzoni della raccolta sono famosissime e vengono considerate dei capisaldi della storia del rock mondiale. <title>1</title> è risultato l'album più venduto nel 2000, con oltre 31 milioni di copie, di cui 10 solo negli <paese>Stati Uniti</paese>.

</testo>

Esempio di documento XML

Architettura dell'informazione Prof. Luca A. Ludovico

<?xml version="1.0" encoding="UTF-8"?><!-- Questa è una riga di commento: nota la sintassi!!! --><cdl nome_corso="Scienze e tecnologie per i Beni Culturali"> <insegnamento> <docente>Luca A. Ludovico</docente> <orario> <!-- Commento: sintassi poco elegante per un elemento vuoto --> <giorno nome_giorno="mercoledì"

orario_giorno="10.30-15.30"></giorno> <!-- Commento: sintassi più elegante --> <giorno nome_giorno="giovedì" orario_giorno="13.30-17.30" /> </orario> </insegnamento> <insegnamento nome_insegnamento="Chimica"> <docente>Francesca Porta</docente> <orario>…</orario> </insegnamento> <insegnamento nome_insegnamento="Fisica"> <docente>Pasquale Tucci</docente> <orario>…</orario> </insegnamento></cdl>

Esempio di documento XML

Architettura dell'informazione Prof. Luca A. Ludovico

<?xml version="1.0" encoding="UTF-8"?><raccolta> <ultimo_aggiornamento> <data>18/11/2009</data> <orario> <ore>15</ore> <minuti>12</minuti> <secondi>05</secondi> </orario> </ultimo_aggiornamento> <!-- Commento: sarebbe stato accettabile anche: <ultimo_aggiornamento data_ora="18/11/2009, 15.12.05" /> --> <cd titolo_album="One" artisti="The Beatles"> <traccia num="1">Love Me Do</traccia> <traccia num="2">From Me To You</traccia> ... </cd> <cd titolo_album="So far so good" artisti="Bryan Adams"> <traccia num="1">Summer of '69</traccia> <traccia num="2">Straight from the heart</traccia> ... </cd></raccolta>