4 Kommentoitu johdanto XML-maailmaan

Transkriptio

1 è è è Kommentoitu johdanto XML-maailmaan 4 Kommentoitu johdanto XML-maailmaan Yksinkertainen XML-merkkauskielioppi on modernin rakenteisen dokumentaation ja mitä monimaisimpien XML-sovellusten pienin yhteinen tekijä. Pelkästä merkkauskielestä ei kuitenkaan ole juuri mitään hyötyä. Seuraavassa luodaan johdatteleva katsaus XMLmaailmaan, jatkossa (tiettyihin) yksittäisiin tekniikoihin pureudutaan tarkemmin. Tavoitteena on nyt oivaltaa XML-metakielen perusidea ja nähdä metsä puilta potentiaalisesti tarpeellista osattavaa löytyy jo XMLperheestä todella paljon. Tällä kurssilla käsittely rajataan keskeisiin perustekniikoihin. 70

2 è è è Kommentoitu johdanto XML-maailmaan 4.1 Välisoitto Koska tavoitteena on yleensä kehittää hyviä sovelluksia kohtuuresurssein, RDkehitystyö(kin) perustuu pitkälti (valmis)komponenttien hyödyntämiseen XML-tekniikat tarjoavat välineitä useille tietotekniikan osa-alueille joissa hyödynnetään yhteensopivaa XMLkielioppia esim. sovellusintegraatiossa myös XML-teknologiaperhe kehittyy jatkuvasti (joskin spesifikaatiot kehittyvät toisinaan nopeammin kuin käytännön sovellukset ja päinvastoin) 71

3 è è è Kommentoitu johdanto XML-maailmaan 4.2 Uusi merkintäkieli? XHTML soveltuu Web-sivujen julkaisuformaatiksi, mutta ei tarjoa kunnon välineitä mallintaa muuntyyppistä tietoa (vrt. musiikki.html) Myös "omien merkkausrakenteiden esittely HTMLkieleen" onnistuu esim. div- ja span-elementtien sekä class-attribuutin avulla ( mikroformaatit) Merkkauksesta tulee kuitenkin erittäin kömpelöä, ja käsittelijä joudutaan kuitenkin ohjelmoimaan itse (jopa julkaisusovelluksissa koska CSS-toteutukset ei mahdollista esim. elementtien uudelleenjärjestelyä eikä esim. selain välttämättä ymmärrä itse keksittyjä class-attribuutteja) "Rajoittuneisuus" ei kuitenkaan johdu merkkauksesta, vaan XHTMLdokumenttityypistä joka ei tietenkään taivu kaikkiin sovelluksiin (lue: ei sisällä merkkausrakennetta esim. cd-levyn tiedoille) 72

4 è è è Kommentoitu johdanto XML-maailmaan 4.3 XHTML-sanasto vaihtoon (merkkauskielioppi saa jäädä) Vaihdetaan siis sanasto...ja merkataan esim. seuraavasti (musiikki.alb): <music> <album artist="dire Straits" year="1978"> <name>dire Straits</name> <tracks> <track len="5m34s">sultans of swing</track> <track len="6m14s">in the gallery</track> </tracks> </album> <album artist="pet Shop Boys" year="1993"> <name>very</name> <tracks> <track len="3m55s">yesterday, When I Was Mad</track> </tracks> </album> </music> 73

5 è è è Kommentoitu johdanto XML-maailmaan 4.4 Huomioita Merkkausrakenne on tuttu XHTML-kielestä, mutta tiedot on nyt ilmeisestikin merkattu musiikkilevyjen käsitteiden näkökulmasta (looginen rakenne) Rakenteen suunnittelu on vain osatehtävä: <!DOCTYPE music SYSTEM "cd-music.dtd"> <!-- Mitä tällä tehdään? --> Mutta kuka osaa yo. tietoa käsitellä? Mikä ohjelma ymmärtää yo. rakenteen tiedot? Kuka tietoa tuottaa? jne. Ellei aio toteuttaa "kaikkea itse", kannattaa siis suosia jo saatavilla olevia & tuettuja dokumenttityyppejä, jos suinkin mahdollista No, ainakin esitystavan määrittely onnistuu esim. CSS:n avulla (vrt. oheinen prosessointiohje), mutta tällä ei vielä pitkälle pötkitä: <?xml-stylesheet href="mystyle.css" type="text/css"?> 74

6 è è è Kommentoitu johdanto XML-maailmaan 4.5 XML:n rooli sovelluskehityksessä XML-dokumenttien/rajapintojen käyttö yleistää HTML-kielestä tuttua rajapinta-ajattelua: Nyt motiivi on hyödyntää XMLteknologiaperheen välineitä: - editorit, ohjelmointirajapinnat, valmisohjelmat, tunnetut sovellukset, kokemukset, hyvät käytännöt, koulutus ja osaaminen, yhteisö, tilaajan valmius ymmärtää suunnittelua [conforms to] [can write] System component (Requestor) Schema definition Data instance in XML [implemented as] [implements] [can read] System component (Provider) [standard interface for] Techniques and tools from the XML family of technologies 75

7 è è è Kommentoitu johdanto XML-maailmaan 4.6 No niin... XML - mikä se on? Extensible Markup Language (XML) 1.0 (Third Edition) on virallinen W3C suositus (ns. recommendation, 1. versio vuodelta 1998) XML määrittelee (teksti)dokumenttien loogisen ja fyysisen rakenteen, (merkkauskielioppi ja entiteetit) sekä DTD-määrityskielen tietyn (rajoitetun) elementtirakenteen omaavien, tietyntyyppisten dokumenttiluokkien kuvaamiseen XML 1.0 määrittelee keskeisesti XML-dokumenttien luokan, ts. sen, millaisia XML-dokumentit ovat ja miten niitä tulee käsitellä - XML-prosessori vs. XML-sovellus (ts. XML ~ rajapinta!) XML on SGML:n osajoukko (tästä seuraa ) Kaksi versiota: 1.0 (v. 1998) ja 1.1 (v. 2004); erot vähäisiä XML-sovelluksissa tarvitaan useita muitakin XML-perheen teknisiä suosituksia 76

8 è è è Kommentoitu johdanto XML-maailmaan 4.7 XML-spesifikaation suunnittelukriteerit XML:ää kehittäneet XML Working Group (vanha SGML Editorial Review Board) ja XML Special Interest Group (vanha SGML Working Group) asettivat XML:n kehitystyölle seuraavia tavoitteita: - suoraviivainen käyttö Internetin yli - laaja sovellusalue (ei esim. laite- tai ohjelmistoriippuvuutta) - yhteensopivuus SGML:n kanssa - XML:ää käsittelevien ohjelmien kirjoittamisen helppous - vähän valinnaisia ominaisuuksia - dokumenttien luettavuus ja selkeys (myös ihmisten näkökulmasta) - määrityksen tulee valmistua nopeasti (työ alkoi toukokuussa 1996) - määrityksen suunnittelun on oltava tarkkaa ja huolellista - dokumenttien tekemisen helppous - minimalistiseen merkkauksen ei pyritä (esim. pitkät nimet ovat sallittuja) 77

9 è è è Kommentoitu johdanto XML-maailmaan 4.8 XML-merkkaus pähkinänkuoressa (dok. esiintymäosa) <?xml version="1.0" encoding="iso " standalone="no"?> <!DOCTYPE music SYSTEM "cd-music.dtd"> <!-- taustalla tyyppimääritys --> <?xml-stylesheet href="mystyle.css" type="text/css"?> <music xml:lang="en" xml:space="default"> <album artist="dire Straits" year="1978"> <name>dire Straits</name> <tracks> <track len="5m34s">sultans of swing</track> </tracks> <!-- lisäsin editorin kommentin --> <ed_note> Mercury Records. Dire Straits -- wrong time, wrong place? Note: Should comments be added to <![CDATA[<track>]]> elements as well? (&on;) </ed_note> <cover src="dd79.png" title="painting by Chuck Loyola" /> </album> </music> Ts. iso osa merkkauksesta tuli jo XHTML-esimerkeissä, (joskin merkkidatalohko uupui aikaisemmista esimerkeistä) 78

10 è è è Kommentoitu johdanto XML-maailmaan 4.9 Vastaava SVG-esimerkki (1/2) <?xml version="1.0" encoding="iso " standalone="no"?> <!DOCTYPE svg PUBLIC "-//W3C//DTD SVG 1.1//EN" " [ <!ENTITY hello "Napsauta"> ]> <?xml-stylesheet href="napsauta.css" type="text/css"?> <svg viewbox=" " xmlns=" version="1.1" xmlns:xlink=" xml:lang="fi" xml:space="preserve"> <defs> <script type="text/javascript"> <![CDATA[ var c = 0; function setcolor(evt) { if (c<11) { evt.target.setattribute('fill', "rgb("+c*25+","+c*25+","+c*25+")"); 79

11 è è è Kommentoitu johdanto XML-maailmaan 4.10 Vastaava SVG-esimerkki (2/2) c = c + 1 } else c = 0; } ]]> </script> </defs> <!-- Ympyränkin tyylitieto kannattaisi siirtää css-tiedostoon --> <circle r="50" fill="black" onclick="setcolor(evt)" /> <text x="-30" y="70" class="title">&hello; </text> </svg> 80

12 è è è Kommentoitu johdanto XML-maailmaan 4.11 XML-perheen keskeisiä suosituksia XML 1.0 (1.1) (*) - merkkauskielioppi (looginen rakenne), DTDmäärityskieli ja entiteetit (fyysinen rakenne) Namespaces (1.1) (*) - nimiavaruuden käsite (sanastojen yksikäsitteisyys) SAX, DOM (*) - ohjelmointirajapintoja (tapahtuma-, mallipohjainen) XML Schema - DTD-kieltä ilmaisuvoimaisempi skeemakieli (sis. mm. std-tietotyypit) XSL (*) - erityisesti XSL-muunnoskieli XSLT (dokumenttiluokkien väliset muunnokset, esim. music xhtml, DocBook xsl-fo,...) (SAX = Simple API to XML, DOM = Document Object Model, XSL[T] = Extensible Stylesheet Language [Transformations]) 81

13 è è è Kommentoitu johdanto XML-maailmaan 4.12 Siinäkö kaikki? Ei suinkaan, vrt. Web-standardipino 82

14 è è è Kommentoitu johdanto XML-maailmaan 4.13 Eräs XML-teknologiaperheen yleisjäsennys Standardoituja XMLpohjaisia teknologioita on todella paljon (puhumattakaan eri organisaatioiden omista XMLsovelluksista) Kärjistettynä: XMLmerkkaus tuo siis käyttöön paljon ko. rajapintaa tukevia teknologioita (sekä välineitä ja sisältöä) XHTML SVG SMIL MathML VoiceXML XForms... DOM Encryption EMMA RDFS, OWL XSL-FO XSLT RDF CSS P3P XPath XQuery CC/PP WSDL WAI... SOAP... Canonical Base Fragments Signature Inclusions Events XKMS XLink XPointer... XML 1.0/1.1 Namespaces 1/1.1 XML Schema HTTP Unicode URI... 83

15 è è è Kommentoitu johdanto XML-maailmaan 4.14 Mihin XML:ää voi/kannattaa käyttää? XML tarjoaa siis valmista sisältöä(!), abstraktin metakielen, suunnittelufilosofian ja tekniikoita joiden tuella voi periaatteessa implementoida mitä sovelluksia tahansa RD-maailmassa tyypillisiä käyttökohteita esim. - tiedon esitysmuodon standardointi ja integrointi - automatisoitu käsittely (XML-tekstiformaatit) - hajautus ja mekaaninen kommunikaatio (XML-viestit) - arkistointi ja pitkäaikaissäilytys (virkistäminen helppoa) Laajennettavuutensa ansiosta XML tarjoaa perustan myös erilaisten tietoa kehystävien rakenteiden, kuvailukielten, mikroformaattien yms. pinomaiseen, laajennettavissa/tarkennettavissa olevaan määrittelyyn eri sovelluksissa (vrt. esim. ATOM, CC/PP, SOAP, RDF, RSS, SKOS, OWL) 84

16 è è è Kommentoitu johdanto XML-maailmaan 4.15 Miksi ja mihin XML:ää ei pitäisi käyttää? XML:kään ei kannata ottaa perusteitta käyttöön teknologiavetoisesti, onhan olemassa - CSV-tietorakenteita, taulukkolaskentaohjelmia, relaatiotietokantoja, hyviä propietary- (teksti)formaatteja, binääriformaatteja, jne. XML-perustekniikan pulmina voidaan pitää esim. - tekstimuotoisuutta ja monisanaisuutta (verbose) silloin kun tilaa on vähän ( Binary XML) - rajoittuneita merkkaus- ja tyyppimäärityskieliä (DTD), SGML-perintöä - "hitautta" (monimutkaisuudesta aiheutuvaa optimoinnin vaikeutta) Näissäkin tapauksissa XML voi kuitenkin tarjota luontevan tavan nimetä ja kehystää tietoa esim. tiedonsiirrossa tarvittavan rajapinta/liimakielen tavoin Osa pulmista ratkeaa hyvällä suunnittelulla (esim. pakkaus), osa ei 85

17 è è è Kommentoitu johdanto XML-maailmaan 4.16 Dokumenttituotannon perusvälineistä Kuten tavallista, XML:n plussat ja miinukset realisoituvat vasta suhteessa sovellusten tarpeisiin ja käytössä oleviin välineisiin Koska XML-tietorakenteen tulee aina olla kunnossa, tekstinkäsittelytyökalun rinnalla käytetään (validoivaa) XML-jäsennintä: - XML-dokumenttien merkkauksen tarkistaminen, so. onko dokumentti ns. hyvin muodostettu (well-formed) - XML-dokumenttien (rakenteen) validointi, so. dokumentin vahvistaminen tiettyyn dokumenttiluokkaan kuuluvaksi - sovellusohjelmointi nojautuu parseriin (joka suorittaa jäsennyksen ja tarjoaa tähän perustuvan ohjelmointirajapinnan) 86

18 è è è Kommentoitu johdanto XML-maailmaan 4.17 Lisää ominaisuuksia Tekstinkäsittely ja jäsennin voidaan yhdistää, tuloksena... - graafinen esitys dokumentin puurakenteesta - XML-merkkauksen syntaksiväritys - elementtien menupohjainen valintatyökalu - tyylieditori ja dokumentin esikatselu, WYSIWYGeditointi... Editoriin integroitavissa esim. - suunnitteluvälineitä, tyyppikirjastoja - tuki muille XML-standardiperheen välineille - yhteys tietokantajärjestelmään ja (yrityksen tai organisaation) muihin operatiivisiin järjestelmiin, objektieditoreita,... Ks. esim. - XML Spy, XMetaL, FrameMaker,, Oxygen,, XRay, - myös komentorivipohjaisia XML-jäsentimiä (yms. työkaluja) löytyy tavallisten tekstieditorien tueksi (esim. Xerces) 87

19 è è è Kommentoitu johdanto XML-maailmaan 4.18 Esimerkki "WYSIWYG-editoinnista": Oxygen 88

20 è è è Kommentoitu johdanto XML-maailmaan 4.19 Välineet ja sovelluskehitys Huom. Graafisten ympäristöjen käyttö on toisinaan "makuasia", toisinaan ei - vrt. ohjelmointi Javakielellä - vrt. XRay ja XSLT - mutta esim. tekniset kirjoittajat ("sisällöntuottajat") eivät ole kiinnostuneita merkkauksen tekniikasta vaan kirjoittamisesta! 89

21 è è è Kommentoitu johdanto XML-maailmaan 4.20 Lopuksi: XML kulissien takaa vs. näyttämöllä Edellä kuvattiin lähinnä XML:ää kehittäjän näkökulmasta (tekniikkaa...) - loppukäyttäjän näkökulmasta XML on kuin mikä tahansa perustekniikka: - "taas uusia tiedostotyyppejä, jolle integroitu ohjelmistotuki" (vrt. Open Office) Rajatuissa sovelluksissa XML-syntaksi on usein tarkoituksenmukaista piilottaa hallitusti paitsi loppukäyttäjiltä, myös kirjoittajilta (vrt. WYSIWYG) Mitä loppukäyttäjät sitten loppujen lopuksi tarvitsevat? New model with ASCII support! Buy NOW! - XML:ää hyödyntävän sovellusohjelman, pluginin tms., käyttöohjeineen Lue: loppukäyttäjän näkökulmasta rakenteisten dokumenttien ja esim. XML-tekniikoiden hyödyt ovat vain välillisiä - yhteensopivien ohjelmistojen runsaus, ominaisuudet, hinta (kehitystyön kustannukset), sovellusten hallittavuus ja virheettömyys,... 90

22 è è è Merkkaus: XML protokollana 5 Merkkaus: XML protokollana XML on siis ns. metakieli, joka käytännössä voidaan tulkita tavaksi merkitä ja tyypittää rakenteisia dokumentteja. XML on kuitenkin ennen kaikkea standardimuotoinen tietorakenne tiedonsiirtoon tietokoneohjelmien välillä. Tästä syystä XMLdokumenttiluokka on määriteltävä tietorakenteena tarkasti. Yksityiskohtainen määrittely pyrkii varmistamaan että XML-perustekniikan varaan rakennettujen sovellusten määrittely on vakaalla pohjalla.... XML Me tutustumme asiaan koska asian XML-tekniikan ymmärtäminen "protokollan tasolla" tuo valmiudet arvioida eri prosessorien toimintaa ja esim. tulkita virhetilanteita ja eri XML-versioita (se toki on opettavaista myös sinänsä) 91

23 è è è Merkkaus: XML protokollana 5.1 Välisoitto XML 1.0 (1.1) on melko matalan tason protokolla... - määritys on yleiskäyttöinen (...pinomainen määritys) - ei suoraan osoita sovelluksia - määrityksen on oltava teknisesti tarkka - näkyy kenties "vain välineiden läpi" 92

24 è è è Merkkaus: XML protokollana 5.2 XML-dokumentin lukeminen XML 1.0 (1.1) -spesifikaatio jakaa dokumenttien käsittelyn kaksitasoiseksi prosessiksi, jossa XML-prosessori (processor) lukee XML-dokumentin ja välittää tämän jäsennettynä sovellukselle (application) - XML-prosessori osaa lukea ja jäsentää merkkauskieliopin mukaisia dokumentteja (sis. DTD-tyyppimääritys) - sovellus hyödyntää jäsennettyä tietoa prosessorin toimittaman informaation perusteella (yleensä jäsennyspuun perusteella) XML-prosessori (Puhekielessä "parseri") XMLdokumentti Ohjelmointirajapinta XML-sovellus Kohdesovellus (Koostuu useista komponenteista joista jotkin XML-sovelluksia) 93

25 è è è Merkkaus: XML protokollana 5.3 Kyse on hyvin matalan tason määrittelystä XML 1.0 (1.1) on "protokollamainen" Erityisesti, XML 1.0 ei määrittele: - mihin sovellus käyttää XML-dokumentin tietoja - millainen ohjelmointirajapinta prosessorin ja sovelluksen välillä on (käytännössä yleensä kuitenkin "yleensä" SAX tai DOM) XML 1.0 (1.1) -spesifikaatio ei siis määrittele sovelluksen toimintaa käytännössä lainkaan (eikä siten XML-sovellusalueita) vaan keskittyy XML-prosessorin efektiivisen käyttäytymisen (erityisesti peruuttamattomien virheiden) kuvailuun Siispä... - XML:n varaan voidaan rakentaa mitä tahansa sovelluksia jotka hyödyntävät elementti- ja attribuuttirakenteista tietoa - Hyöty: tiedon matalan tason yhteensopivuus (merkkauskielioppi) 94

26 è è è Merkkaus: XML protokollana 5.4 XML-dokumenttien merkkauksesta XML-dokumenttien merkkaus (markup) voi siis olla jotakin seuraavista: - prosessointiohje - dokumentin tyyppimäärittely - elementin alkutagi - elementin lopputagi - tyhjän elementin tagi - entiteettiviittaus - merkkiviittaus - kommentti - merkkidatalohko Kaikki muu tekstisisältö on merkkidataa Merkkaus tuli siis esiteltyä XHTML-dokumenttien esittelyn yhteydessä! - sama merkkauskielioppi on käytössä kaikissa XML-sovelluksissa: XHTML, SVG, DocBook, SOAP, RDF/XML,... ) e01 e00 e10 e11 ID IDREF 95

27 è è è Merkkaus: XML protokollana 5.5 XML-dokumenttien jäsentäminen (1/2) Merkkauskieliopin täsmällisyydellä tavoitellaan tietenkin XML-dokumenttien ohjelmallisen käsittelyn yksikäsitteisyyttä (jäsennys onnistuu mekaanisesti) Dokumentin d.xml jäsennysyritys voi tuottaa seuraavat lopputulokset ok 1. d.xml sisältää merkkausvirheen d.xml ei ole XML-dokumentti 2. d.xml sisältää tyyppiesittelyn D muttei noudata sitä d.xml ei ole (tyyppi)validi XML-dokumentti #! (kuitenkin hyvin muodostettu XMLdokumentti jos kohta 1 läpäistiin) 3. d.xml sisältää tyyppiesittelyn D ja noudattaa sitä d.xml on validi XMLdokumenttia tyyppiä D 96

28 è è è Merkkaus: XML protokollana jäsentäminen (2/2) Huomautuksia - lopputulos 2 voi olla myös toivottu toisinaan dokumentin tyyppimäärittelyä käytetään esim. vain entiteettien määrittelyyn - jäsennin joka ei tunne sanastoa ei ymmärrä dokumentin kirjoittajan tai sovelluksen tavoitteitta jäsentimen raportoimat virheet eivät välttämättä ole kovin kuvaavia (vrt. rxp-esim: 1nimi, tiku&taku, jne.) - XML ei kerro miten "huonosti muodostettuja XML-dokumentteja" tulisi käsitellä, mikä on käytännössä pulma esim. editoreille Erilaisten XML-laajennusten myötä tulosten kirjo voi laajentua, erityisesti - noudattaako d.xml nimiavaruuksien kielioppia (joka lisää yhden kerroksen semantiikkaa XML-merkkauskieliopin tulkintaan) - noudattaako d.xml skeemaa D' (tms. globaaleja sanastoja) 97

29 è è è Merkkaus: XML protokollana 5.7 XML -dokumenttiluokan määritelty XML-dokumentin rakenne on siis määriteltävä täsmällisesti, muuten sen mekaaninen lukeminen ja jäsentäminen ("parsiminen") ei onnistu Väärinymmärrysten välttämiseksi (ja teknisen toteutustyön pohjaksi), XML 1.0 (1.1) on määritelty formaalin kielen tavoin (tuotto)sääntöinä (XML 1.1; 83 kpl) joista kaikki ko. kielen sanat (nyt siis hyvin muodostetut XML-dokumentit) voidaan johtaa; vrt. esim. (XML 1.0) [1] document ::= prolog element Misc* /*...*/ [39] element ::= EmptyElemTag STag content ETag [ WFC: Element Type Match ] [ VC: Element Valid ] XML 1.1:n ero 1.0:aan on lähinnä määrittelytekninen (1.1 lähinnä huomioi alla olevan Unicode-standardin kehityksen ja lisää uuden rivinvaihtomerkin.) 98

30 è è è Merkkaus: XML protokollana 5.8 Kontekstivapaa kielioppi ja EBNF Kielioppi on määritelty ohjelmointikielistä tuttua BNF-notaatiota mukaillen Extended Backus Naur Form (EBNF) esittää ns. kontekstivapaan kielen kieliopin G = (N, T, N 0, P): - tuottosäännöt (P), välisymbolit (N), loppusymbolit (T), operaattorit, merkkiluokat ja kertojat - ensimmäisenä esiteltävä tuottosääntö N 0 sovitaan kieliopin aksioomaksi josta kaikki ko. formaalin kielen sanat johdetaan - kieli määritellään siten että sanoille löytyy yksikäsitteinen jäsennyspuu - EBNF-muotoiset kieliopit ovat helppolukuisia mutta eivät kovin ilmaisuvoimaisia (täsmennettävä esim. sanallisin lisäyksin) T ::= '(' T O T ')' N N ::= [ ]+ O ::= '+' '-' '*' '/' Nyt EBNF on siis vain väline ns. hyvin muodostettujen XML-dokumenttien määrittelyyn se ei tietenkään "näy" dokumenteissa kuin välillisesti 99

31 è è è Merkkaus: XML protokollana 5.9 EBNF-sääntöjen rakenne (1/3) Kieliopin määrittely perustuu nyt literaaliviittauksiin, sulkujen käyttöön, operaattoreihin ja kertojiin Merkki ja merkkijonoviittaukset: - #xn (N on halutun merkin indeksi) - [a-za-z],[#xn-#xm] (lueteltu merkkiluokan merkki) - [^abc], [^#xn#xm] (jokin muu merkki kuin lueteltu) - "string", 'string' (vakiomerkkijono) Sulkujen käyttö: - (lauseke) (lausekkeiden ryhmittely esim. kertojien vaikutusalueen asettamiseksi) 100

32 è è è Merkkaus: XML protokollana 5.10 EBNF-sääntöjen rakenne (2/3) Operaattorit: - A B (B seuraa A:ta) - A B (A tai B muttei molemmat) - A - B (A muttei B:tä) Kertojat: - A? (A esiintyy kerran tai ei ollenkaan) - A+ (A esiintyy yhden tai useamman kerran) - A* (A esiintyy yhden tai useamman kerran tai ei ollenkaan) Loput säännöllisistä lausekkeista tutut operaattorit ja kertojat voidaan tarvittaessa konstruoida näistä metakielen tasolla, esim. "A{3,4}" on sama kuin "A A A A A A A" 101

33 è è è Merkkaus: XML protokollana 5.11 EBNF-sääntöjen rakenne (3/3) Huom. XML-spesifikaatio esittelee lisäksi muutakin kielen määrittelyyn liittyvää notaatiota, erityisesti ns. rajoitteita (constraint): - /* */ (kommentti) - [ wfc: ] (well-formedness constraint) - [ vc: ] (validity constraint) Näitä tarvitaan teknisistä syistä, koska kontekstivapaa kielioppi (joka nyt siis kirjoitettu EBNF-notaatiota käyttäen) ei ole tarpeeksi vahva tiettyjen relaatioiden (järkevään esittämiseen), esim. - elementin alku- ja lopputagissa esiintyy sama nimi - elementin nimi on esitelty tyyppimäärittelyssä ja se esiintyy vanhemmassaan tämän tyyppiesittelyn mukaisesti 102

34 è è è Merkkaus: XML protokollana 5.12 Merkitseviä asioita: nimet XML erottelee täsmällisesti merkistöihin, elementtien nimeämiseen ja attribuuttien arvoihin liittyviä termejä, näistä keskeisiä ovat: - nimi (name) - tunnistemerkkijono (name token) [4] NameChar ::= Letter Digit '.' '-' '_' ':' CombiningChar Extender [5] Name ::= (Letter '_' ':') (NameChar)* [7] Nmtoken ::= (NameChar)+ Muut em. tuottosäännöissä esiteltävät käsitteet määrittelevät (luettelevat) ne Unicode-indeksit (merkkiluokat), jotka vastaavat termejä "Letter", "Digit", "CombiningChar" ja "Extender", jne. (XML 1.0 vs. 1.1) Nimiä käytetään tyypillisesti elementtien nimeämiseen, tunnistemerkkijonoja taas esim. attribuuttien arvoalueen rajaamiseen Huom. XML varaa nimien prefixarvot [xx][mm][ll] omaan käyttöönsä - esim. "xml-element" ei siis ole laillinen itse keksityn elementin nimi 103

35 è è è Merkkaus: XML protokollana 5.13 XML-dokumentin yleisrakenne XML-dokumentti jakautuu siis kahteen osaan: esittelyyn ja esiintymään [1] document ::= prolog element Misc* Esittely (prolog) - XML-versionumero, koodaustapa, riippumattomuusesittely - dokumentin tyyppiesittely Esiintymä (instance, käytännössä juurielementti) - dokumentin sisältö (dokumentin juurientiteetti) mahdollisen tyyppikuvauksen rajoittaman loogisen rakenteen puitteissa Elementtien muodostama rakenne on hierarkkinen ja siten aidosti sisäkkäinen XML-dokumentti ei määritä omaa semantiikkaansa (merkitystä), vaan ainoastaan paljaan rakenteen, johon informaatio on "ripustettu" 104

36 è è è Merkkaus: XML protokollana 5.14 XML-merkkauskieliopin määrittelystä (1/4) [22] prolog ::= XMLDecl? Misc* (doctypedecl Misc*)? [27] Misc ::= Comment PI S [23] XMLDecl ::= '<?xml' VersionInfo EncodingDecl? SDDecl? S? '?>' [24] VersionInfo ::= S 'version' Eq ("'" VersionNum "'" '"' VersionNum '"') [80] EncodingDecl ::= S 'encoding' Eq ('"' EncName '"' "'" EncName "'" ) [81] EncName ::= [A-Za-z] ([A-Za-z0-9._] '-')* /* Encoding name contains only Latin characters */ [32] SDDecl ::= S 'standalone' Eq (("'" ('yes' 'no') "'") ('"' ('yes' 'no') '"')) [ VC: Standalone Document Declaration ] Huomautuksia: - XML-esittely (tai julistus), dokumentin tyyppiesittely (tai julistus) - mikäli merkkikoodausta (encoding) ei ilmoiteta, oletetaan UTF-8 (prosessorit tukevan ainakin UTF-8 ja UTF-16, Suomessa ISO toisinaan tarpeen) 105

37 è è è Merkkaus: XML protokollana 5.15 XML-merkkauskieliopin määrittelystä (2/4) Elementeillä on siis aina nimi (itse asiassa elementin tyypin nimi (generic identifier, GI)) ja saman nimen on tietenkin esiinnyttävä sekä elementin alkuettä lopputageissa: [39] element ::= EmptyElemTag STag content ETag [ WFC: Element Type Match ] [ VC: Element Valid ] [40] STag ::= '<' Name (S Attribute)* S? '>' [ WFC: Unique Att Spec ] [42] ETag ::= '</' Name S? '>' Tyhjän elementin tagi on hyvin samanlainen kuin elementin alkutagikin: [44] EmptyElemTag ::= '<' Name (S Attribute)* S? '/>' [ WFC: Unique Att Spec ] Tyhjän elementin saa siis kirjoittaa myös alku- ja lopputagien avulla (tällöin tagien väliin ei saa jäädä edes tyhjämerkkiä): 106

38 è è è Merkkaus: XML protokollana 5.16 XML-merkkauskieliopin määrittelystä (3/4) Attribuuttien nimet määräytyvät kuten elementeillä, rakennekin on tuttu: [41] Attribute ::= Name Eq AttValue [ VC: Attribute Value Type ] [ WFC: No External Entity References ] [ WFC: No < in Attribute Values ] Attribuutin arvon sijoitusoperaattorina toimii tuttuun tapaan yhtäsuuruusmerkki [25] Eq ::= S? '=' S? XML-dokumenteissa elementeille voidaan pakottaa attribuutteja, antaa näille oletusarvoja sekä kiinnittää attribuuttien arvoalueita 107

39 è è è Merkkaus: XML protokollana 5.17 XML-merkkauskieliopin määrittelystä (4/4) Entiteetti- ja merkkiviittaukset määritelty odotetusti (lt, gt, amp, apos, quot): [67] Reference ::= EntityRef CharRef [68] EntityRef ::= '&' Name ';' [ WFC: Entity Declared ] [ VC: Entity Declared ] [ WFC: Parsed Entity ] [ WFC: No Recursion ] [66] CharRef ::= '&#' [0-9]+ ';' '&#x' [0-9a-fA-F]+ ';' [ WFC: Legal Character ] Merkkidatalohkot, prosessointiohjeet ja kommentit samoin... [18] CDSect ::= CDStart CData CDEnd [19] CDStart ::= '<![CDATA[' [20] CData ::= (Char* - (Char* ']]>' Char*)) [21] CDEnd ::= ']]>' [16] PI ::= '<?' PITarget (S (Char* - (Char* '?>' Char*)))? '?>' [17] PITarget ::= Name - (('X' 'x') ('M' 'm') ('L' 'l')) [15] Comment ::= '<!--' ((Char - '-') ('-' (Char - '-')))* '-->' 108

40 è è è Merkkaus: XML protokollana 5.18 Tuttu esimerkki uudessa valossa ESITTELY ESIINTYMÄ <?xml version="1.0" encoding="iso "?> <!DOCTYPE example SYSTEM "hellow.dtd"> <example> <title>hei maailma!</title> <content> <text>ensimmäinen XML-dokumentti</text> <author>nn</author> </content><date/> </example> example Elementtirakenne vs. "formaalin kielen sana" Huomioita: - esittelyosan tyyppi määrää title content "muotin" dokumentille - tyyppi saattaa pakottaa Hei text author attribuutteja joita ei ole merkattu Ensimmä NN esiintymäosaan - tyhjäsolmujen tulkinta tyypin mukaan (nyt ei merkitty kuvaan) date 109

41 è è è Merkkaus: XML protokollana 5.19 XML-dokumentti on hyvin muodostettu XML-dokumentti on siis määritelmänsä ansiosta aina hyvin muodostettu (well-formed, WF); spesifikaation mukaan tekstidokumentti on (hyvin muodostettu) XML-dokumentti, jos 1) se voidaan kokonaisuutena johtaa XML-kieliopin documentaksioomasta, 2) se toteuttaa kaikki XML-kieliopin yhteydessä asetetut WFC-rajoitteet JA 3) jokainen tekstientiteetti, johon dokumentissa viitataan, on hyvin muodostettu XML-dokumentti (voi olla, ei ole pakko) lisäksi validi (valid), jos se esittelee tyyppinsä ja toteuttaa tyypin (VC-rajoitteet) - tyyppimäärittelystä voi siis olla hyötyä, vaikka validiuteen ei pyrittäisikään (entiteetit ja attribuuttien pakottaminen) Huomaa termit: esim. "väärin muodostettua XML-dokumenttia" ei siis ole olemassa (se on vain esim. "tekstidokumentti") 110

42 è è è Merkkaus: XML protokollana 5.20 Huomautuksia jäsentimistä ja prosessoreista Käytännössä XML-dokumentin kirjoitusprosessissa tai tiedonsiirrossa saattaa tapahtua virhe, eikä lopputuloksena olekaan (WF) XML-dokumentti Tyypillinen XML-jäsennin toimii kuten ohjelmointikielen kääntäjä ja ilmoittaa havaitut syntaksivirheet - virheilmoitukset saadaan esim. tekstimuotoisena muodossa "virheen kuvaus, rivi, sarake, korjausehdotus" - paitsi ihmislukijalle, jäsentimen tulostus voidaan ohjata myös XMLsovellukselle (jäsennintä voidaan käyttää myös jonkin ohjelmointirajapinnan läpi) Erilaisia jäsentimiä on todella paljon (komentorivi, sulautettu, API, Web,...); kurssin kontekstissa hyviä ovat esim. Xerces ja RXP Yksiä ja samoja jäsentimiä kierrätetään eri ohjelmointiympäristöissä (esim. C-kielisen expatin käyttö PHP:ssä, Perlissä, Pythonissa jne.) XML-versioiden "1.0" ja "1.1" erot eivät yleensä merkittäviä, mutta todellisia 111