ΝΤUA. Τεχνολογία Πολυμέσων

Transcript

1 ΝΤUA Τεχνολογία Πολυμέσων

2 Contents 2. Lesson 5: XML

3 Τα αρχικά XML Extensible Markup Language Μεταγλώσσα προγραμματισμού για την κωδικοποίηση δεδομένων Έστω ότι θέλουμε να παρουσιάσουμε ένα κείμενο, μια ιστοσελίδα, ένα κολλάζ δεδομένων. Πρέπει να βρούμε έναν τρόπο να συμβολοποιήσουμε την απεικόνιση αυτή ώστε να γίνει δυνατή τουλάχιστον η μεταφορά και η επεξεργασία από την τεχνολογία που διαθέτουμε (αναλογία με το να μου δίνει κάποιος πληροφορίες και να τις γράφω στον πίνακα). Στόχος: η επιτυχημένη αποκωδικοποίηση ανάλογα με τις ανάγκες(αναλογία με καρτέλες ευρετηρίου). (Θέμα: Όσο καλύτερη η κωδικοποίηση τόσο μεγαλύτερες ευκαιρίες επανεπεξεργασίας και διαχείρισης-ο τρόπος κωδικοποίησης θέτει και τα όρια σε αυτό- αναλογία με καρτέλες κωδικοποίησης περιεχομένων βιβλίων)

4 Συνυπολογίζοντας Βασική ερώτηση: Πώς κωδικοποιούμε τα δεδομένα; Έχουμε: Υπολογιστές σε δίκτυο(internet) Τον παγκόσμιο ιστό(www) Έχουμε εφαρμογές διαφορετικού κώδικα Και χρειαζόμαστε εν τέλει φιλικότητα προς το χρήστη και λειτουργικότητα Πρόβλημα που επιζητά λύσεις: Πώς μπορούμε να διευρύνουμε τη συμβατότητα μεταξύ των προγραμμάτων; Τα δεδομένα που μεταφέρονται να γίνουν διαχειρίσιμα. Ώστε κάθε πρόγραμμα επεξεργασίας και αναπαράστασης των δεδομένων να μπορεί να τα προσπελάσει ανάλογα με τα δικά του standards. Μια προσπάθεια για κοινή γλώσσα επικοινωνίας των εφαρμογών.

5 Προσπάθειες Πρώτη γενναία προσπάθεια: Η SGML- Standard Generalized Markup Language Η γλώσσα αυτή είχε τα γενικά χαρακτηριστικά που απαιτούνταν αλλά ήταν πολύπλοκη στη χρήση. Γέννησε δύο άλλες γλώσσες, την HTML και την XML. H HTML ήταν μια έκδοση αρκετά απλουστευμένη ώστε να επιτρέψει την άνθηση των ιστοσελίδων στο διαδίκτυο. Ένα απλοποιημένο, δημοφιλές και λειτουργικό σύστημα κατασκευής ιστοσελίδων. Οι περιορισμοί όμως της HTML γέννησαν την ανάγκη για την XML.

6 Τι είναι η XML; Γλώσσα: σύστημα αναπαράστασης που θα γίνεται κατανοητό από τα μέρη που θέλουν να επικοινωνήσουν. Μια κοινή γλώσσα και κοινοί κανόνες, κατάλληλα για τις «συνθήκες συνομιλίας» Κύριος διαχωρισμός στην Xml, που τον κληρονόμησε από την SGML: Η διάκριση του περιεχομένου από τη μορφή που αυτό θα λάβει. Προσπάθεια εννοηματοδοτημένης κωδικοποίησης της δομής. Περιγραφή του περιεχομένου και ενσωμάτωσή του σε λογικές δομές

7 Συγκεκριμένα, Δεν περιέχονται στοιχεία παρουσίασης. Ακόμη, είναι επεκτάσιμη extensible. Μπορεί δηλαδή ο προγραμματιστής να καθορίσει τα δικά του στοιχεία, να καθορίσει τη δομή του περιεχομένου της κωδικοποίησης. Για παράδειγμα, άλλα στοιχεία θα έχει ένας κώδικας xml που θα περιγράφει τη δομή ενός κειμένου χημείας και άλλα ένας κώδικας που περιγράφει τα χαρακτηριστικά των αποθηκευμένων βιβλίων. Είναι παραμετροποιήσιμη. Markup- ή καλύτερα metamarkup language. Στον ίδιο τον κώδικα περιγράφεται η δομή και το περιεχόμενο των δεδομένων. Παρουσιάζονται οι λογικές δομές που έχουν χρησιμοποιηθεί και αποδίδεται νόημα στην κωδικοποίηση που έχει επιλεχθεί. Περιγραφή των δεδομένων που έχει και των σχέσεων που έχουν χρησιμοποιηθεί. Κατά αυτόν τον τρόπο γίνονται κατανοητές όχι μόνο από τον άνθρωπο αλλά και από άλλα προγράμματα που μπορεί να θέλουμε να προσπελάσουν το κείμενο. Είναι περισσότερο δομημένη και μπορεί η δομή της αυτή να αξιολογηθεί από ένα άλλο πρόγραμμα.

8 Κύριο χαρακτηριστικό Τι δεν είναι η xml Δεν κάνει τα πάντα. Δεν είναι μια γλώσσα προγραμματισμού. Αναπαριστά με κωδικοποιημένο τρόπο τα δεδομένα. Δεν είναι ούτε πρωτόκολλο μεταφοράς δεδομένων, αλλά ούτε βάση δεδομένων, η οποία είναι ουσιαστικά ένα πρόγραμμα. Αλλά, τι προσφέρει; Διαχειρίσιμα δεδομένα portable data

9 Διαχείριση δεδομένων ; Ένας web browser Ένας επεξεργαστής-διορθωτής κειμένου, Μία βάση δεδομένων που αποθηκεύει αρχεία δεδομένων (Microsoft SQL Server stores xml data in a new record) Ένα σχεδιαστικό πρόγραμμα, ένα πρόγραμμα που «βλέπει» τον κώδικα σαν μια μορφή οικονομικού κειμένου, Ένα πρόγραμμα διαμοίρασης πληροφοριών που παίρνει τις νέες πληροφορίες (a syndication program that reads the xml document and extracts the headlines for today s news), Ένα πρόγραμμα που έχουμε γράψει μόνοι μας (σε Java, C, Python) και κάνει ότι του πούμε εμείς στα δεδομένα, Οτιδήποτε άλλο.

10 Ελαστικότητα Συμπέρασμα: Η XML είναι μια εξαιρετικά ελαστική δομή κωδικοποίησης δεδομένων. XML is an extremely flexible format for data.(harold and Means, 2002, σελ.8) Στην πραγματικότητα, η XML είναι κατάλληλη για την αποθήκευση και ανταλλαγή κάθε είδους δεδομένων που μπορεί να κωδικοποιηθεί σε μορφή κειμένου. Πραγματικά, είναι ακατάλληλη μόνο για την κωδικοποίηση δεδομένων πολυμέσων, όπως οι φωτογραφίες, ο ήχος, το βίντεο και άλλες μορφές πολύπλοκης παράστασης δεδομένων. Επιτρέπει την επαναχρησιμοποίηση ή επανα-οργάνωση των δεδομένων. Εμπορικές κυρίως εφαρμογές. Και information management systems

11 HTML Χρησιμοποιεί tags ανάμεσα στο κείμενο......για να περιγράψει το layout της σελίδας <p> <b>alan</b>, 42 years, Δεν διευκολύνει άλλα προγράμματα να κατανοήσουν την δομή και το περιεχόμενο μιας σελίδας Ο wrapper «σπάει» αν το italic <i> αλλάξει σε teletype <t> Το πρόβλημα είναι οτι σχεδιάστηκε ειδικά για να περιγράψει την παρουσίαση και όχι το περιεχόμενο Καθένας θα ήθελε να υπάρχει «ένα ακόμη tag» στην HTML προκειμένου να βοηθηθεί η δική του εφαρμογή

12 XML Σχεδιάστηκε ειδικά για να περιγράψει το περιεχόμενο (content) και όχι την παρουσίαση μιας σελίδας Βασικές διαφορές από την HTML Μπορεί κανείς να ορίσει νέα tags κατά βούληση Τα tags μπορούν να εφωλιασθούν δομικά σε οποιοδήποτε βάθος Ενα έγγραφο XML μπορεί προαιρετικά να περιέχει μια περιγραφή της γραμματικής του Τα tags δομούν το περιεχόμενο <person><name>kostas</name> </person> Το πως θα εμφανιστούν ορίζεται ξεχωριστά από κάποιο stylesheet (XSL)

13 XML (2) Ο ρόλος της XML Προτάθηκε σαν μια markup γλώσσα περιγραφής εγγράφων Καταγωγή απο την SGML (ψηφιακές βιβλιοθήκες) Εξελίσσεται όμως σε ένα παγκόσμιο πρότυπο για ανταλλαγή πληροφορίας Αυτό τράβηξε το ενδιαφέρον της κοινότητας των βάσεων δεδομένων Βασικό συστατικό της XML είναι το element Κείμενο που περικλείεται από ένα ζεύγος tags Start-tag και end-tag (markups) Εκτός από την λογική δομή (elements), τα tags περιγράφουν και την φυσική δομή (entities) που δεν ενδιαφέρει στα πλαίσια των βάσεων <person> <name>alan</name> <age>42</age> </person>

14 Εlements και tags Τι μπορεί να υπάρχει ανάμεσα στα start-tag και end-tag; Απλό κείμενο Αλλα elements Οποιοδήποτε μίγμα των δύο παραπάνω! Τα tags στην XML: Ορίζονται από τους χρήστες, δεν υπάρχουν προκαθορισμένα tags όπως στην HTML Ανοίγουν και κλείνουν πάντα με την «σωστή» σειρά (σαν παρενθέσεις) Εξαίρεση: empty tag, πχ. <married/> (το / στο τέλος) <married/> = <married></married> Element, element content, και subelement

15 XML attributes Ενα element μπορεί να περιέχει μηδέν ή περισσότερα attributes Δεν σχετίζονται με τα attributes στις σχεσιακές βάσεις Περιγράφουν ιδιότητες (properties) του element <product> <name language= French >trompette no 6</name> <price currency= Euro > </price> <address format= XL1245 language= French > <street>31 rue Croix-Bosset</street> <zip>92874</zip> </address> </product> Οπως και τα elements, τα attributes ορίζονται από τον χρήστη

16 Attributes και elements Διαφορές με elements: Η τιμή του attribute είναι πάντα ένα string σε εισαγωγικά, ενώ το element μπορεί να περιέχει άλλα elements Ενα element μπορεί να έχει το πολύ ένα attribute με ένα όνομα, ενώ μπορεί να έχει πολλά subelements με το ίδιο όνομα Τα attributes: Φανερώνουν την καταγωγή της XML σαν document markup γλώσσας Εισάγουν κάποια δυσκολία στην ανταλλαγή πληροφορίας: αναπαράσταση σαν attribute ή σαν subelement; <person name= Alan age= 42 = /> <person age= 42 > <name>alan</name> </person>

17 ΧML και ημιδομημένα δεδομένα Η XML είναι κατάλληλη για την αναπαράσταση ημιδομημένων δεδομένων ssd-expression: {person: {name: Alan, age: 42, }} Αντίστοιχο XML: <person> <name>alan</name> <age>42</age> </person> Διαφορές με ημιδομημένα δεδομένα: Μοντέλο XML Graph, XML references, διάταξη (order), μίξη elements με κείμενο, επιπλέον στοιχεία της XML

18 XML Graph Ενα μοντέλο για XML data: XML Graph Οι κόμβοι αντιστοιχούν στα elements Διαφορά με SSD Graph: οι ετικέτες είναι στους κόμβους person person name age name age Alan 42 Alan 42 Εύκολη η μετατροπή, ιδίως αν έχουμε δένδρο Μπορούμε να έχουμε γράφο; - ΝΑΙ

19 XML References H XML έχει έναν μηχανισμό ώστε ένα element να μπορεί να «δείχνεται» από περισσότερους από έναν «πατέρες» Ορίζοντας έτσι γράφο αντί για δένδρο Ο μηχανισμός είναι attributes τύπου ID, IDREF, και IDREFS Τα ID αναθέτουν ταυτότητες στα elements Τα IDREF «δείχνουν» στα ID από άλλα elements, οπουδήποτε <state id= s2 idrefs= c2 c7 c12 c32 >Nevada</state>... <city id= c7 > <cname>carson City</cname> <state-of idref= s2 /> </city> Ποιά attributes είναι τύπου ID / IDREF; Πάντως όχι κατ ανάγκη αυτά που λέγονται id / idref Αλλά αυτά που ορίζονται από το DTD (στην συνέχεια)

20 Διάταξη Τα δύο SSD είναι ισοδύναμα: {person: {firstname: John, lastname: Smith }} {person: {lastname: Smith, firstname: John }} Ενώ τα δύο XML δεν είναι ισοδύναμα: <person><firstname>john</firstname> <lastname>smith</lastname></person> <person><lastname>smith</lastname> <firstname>john</firstname></person> Τα XML attributes δεν είναι διατεταγμένα Τα παρακάτω είναι ισοδύναμα: <person firstname= John lastname= Smith /> <person lastname= Smith firstname= John /> Η απαίτηση για διάταξη δυσκολεύει την αποδοτική διαχείριση των δεδομένων XML Συχνά η διάταξη αγνοείται σε εφαρμογές ανταλλαγής πληροφορίας

21 Μίξη elements και κειμένου Το παρακάτω επιτρέπεται στην XML Λέμε ότι το person έχει mixed content <person> This is my best friend <name>alan</name> <age>42</age> I am not too sure about the following < >agb@abc.com</ > </person> Δείχνει την εγγραφο-κεντρική καταγωγή της XML Κάπως «αφύσικο» από την πλευρά των βάσεων δεδομένων Προτιμούμε το element content

22 Επιπλέον στοιχεία της XML Εγγραφο-κεντρικά στοιχεία που δεν χρειάζονται στην ανταλλαγή δεδομένων Σχόλια <! this is comment --> Processing Instructions <?xml-stylesheet href= book.css type= text/css?> Αρχική γραμμή <?xml version= 1.0?> Προαιρετικό Document Type Definition (DTD) Ορίζει την γραμματική του κειμένου <?xml version= 1.0?> <!DOCTYPE name [markupdeclarations]> <name> </name> root element

23 DTD Document Type Definition (DTD): αναπόσπαστο μέρος της XML Προτάθηκε σαν μια γραμματική για τα XML έγγραφα Σε κάποιο βαθμό μπορεί να ιδωθεί σαν σχήμα για δεδομένα μορφοποιημένα σε XML Ενα DTD που περιγράφει δυαδικά δένδρα: <!ELEMENT node (leaf (node, node))> <!ELEMENT leaf (#PCDATA)> Τα DTDs μοιάζουν να ορίζουν τύπους δεδομένων <!DOCTYPE db [ <!ELEMENT db (person*)> <!ELEMENT person (name,age, )> <!ELEMENT name (#PCDATA)>...]>

24 Δήλωση attributes στο DTD Σύνδεση των attributes με τα elements στα οποία εμφανίζονται <product> <name language= French department= Music >trompette</name> <price currency= Euro > </price> </product> <!ATTLIST name language CDATA #REQUIRED department CDATA #IMPLIED> <!ATTLIST price currency CDATA #IMPLIED> Ορισμός των attributes #REQUIRED υποχρεωτικό, #IMPLIED προαιρετικό Τύπος CDATA = string Τύποι ID, IDREF, IDREFS

25 Well-formed και valid Well-formed XML έγγραφα Τα tags πρέπει να είναι σωστά εμφωλιασμένα Τα attributes ενός element πρέπει να είναι μοναδικά Valid XML έγγραφο Είναι well-formed Εχει κάποιο DTD Συμμορφώνεται με αυτό το DTD Περιορισμοί του DTD σαν σχήμα για δεδομένα XML Δεν υπάρχουν ατομικοί τύποι (πχ. integer) Δεν υπάρχουν περιορισμοί διαστήματος (πχ ) Ο τύπος ενος element είναι global (πχ. ίδιο name και σε person και σε course;) Δεν προσδιορίζει τον τυπο των IDREFs