Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Seminar : XML und Datenbanken Die Auszeichnungssprache XML Lutz GarsteckiJena, 27.Mai 2004.

Ähnliche Präsentationen


Präsentation zum Thema: "Seminar : XML und Datenbanken Die Auszeichnungssprache XML Lutz GarsteckiJena, 27.Mai 2004."—  Präsentation transkript:

1 Seminar : XML und Datenbanken Die Auszeichnungssprache XML Lutz GarsteckiJena, 27.Mai 2004

2 Lutz GarsteckiJena, 27.Mai 2004 Geschichtliche Entwicklung 1964 GML als erste moderne Auszeichnungssprache entwickelt 1986 SGML (Standard Generalized Markup Language) von ISO als Standard für Speicherung und Austausch v. Daten festgelegt (ISO 8879) 1996 begann W3C (WWW-Consortium) mit Entwicklung von XML (Extensible Markup Language) –sollte Mächtigkeit von SGML mit Akzeptanz von HTML verbinden Februar 1998 erklärt W3C XML 1.0 zu einer Empfehlung –formale Spezifikation und Grammatik in EBNF unter http://www.w3c.org/TR/REC-xml

3 Was ist Markup und warum XML? Markup –Methode zur Übermittlung von Metadaten –MLs benutzen Literale und Tags um Metadaten zu beschreiben und von eigentlichen Inhalt zu trennen Bei Entwicklung starker Bezug auf Spezifikation von SGML aber einfacher –zB. XML-Parser leichter zu erstellen, benutzt bereits existierende Internet- Protokolle und –Anwendungen, bleibt aufwärtskompatibel Datenaustausch übers Internet mit XML –Offenes System –Weitgehend selbstdokumentierend –auch ohne vorhergehende Koordination basiert auf UCS (Universal Character Set) –definiert im Standard ISO/IEC 10646 (Unicode) Lutz GarsteckiJena, 27.Mai 2004

4 Standard-API (Application Programming Interface) von W3C für XML entwickelt Unterstützung von Internationalisierung alle bekannten und beliebten Features von HTML –trotzdem kein Ersatz Obwohl hauptsächlich Daten selbst im Vordergrund, trotzdem Möglichkeiten der Darstellung –Stylesheets Lutz GarsteckiJena, 27.Mai 2004 „XML ist eine mächtige und elegante Art und Weise, wie man mit Daten umgeht, diese mit anderen austauschen kann und das alles über die Grenzen von unterschiedlichen Betriebssystemen hinweg.“ Was ist Markup und warum XML? (2)

5 Syntax: Entity, Tag, Zeichen Markup = Auszeichnung zur Beschreibung und Strukturierung des Inhalts von XML-Dokumenten (XML-Entity) Auszeichnung mittels Tags –Abgrenzung einzelne Abschnitte des Inhalts, dienen als Referenzen auf Teile von Inhalt, können spezielle Anweisungen enthalten oder dienen als Kommentar für Autoren ! >> Groß- und Kleinschreibung (case sensitivity) da viel Wert auf Internationalisierung Zeichen: 16 bit und Unicode 2.1 Zeichensatz –entspricht ISO/IEC 10646 Lutz GarsteckiJena, 27.Mai 2004

6 Syntax: Namen und Bezeichner Fast alle Strukturen in XML tragen Namen Alle XML-Namen oder Bezeichner müssen mit Buchstaben, Unterstrich (_) oder Doppelpunkt (:) beginnen und Danach nur gültige Zeichen für Namen (name characters), d.h. Ziffern, Bindestrich und Punkt Doppelpunkt (:) sollte nicht benutzt werden, nur als Trennsymbol bei Namensräumen Zeichen nicht mehr auf ASCII-Zeichensatz beschränkt –z.B. Umlaute usw. für Markup verwendbar Zeichenketten, die mit xml, XML,... beginnen nicht erlaubt –solche Namen nur für W3C reserviert Erlaubt: Auto, AUTO Nich gültig: -Auto, 320BMW, xmlData wieder gültig: _320BMW, _xmlData Lutz GarsteckiJena, 27.Mai 2004

7 Anatomie eines Dokuments Prolog (optional) Rumpf –mehrere Elemente, die miteinander baumartig verschachtelt sind, können beliebige character data enthalten Epilog (optional) –Kommentare, Verarbeitungsanweisungen, und/oder Leerstellen Lutz GarsteckiJena, 27.Mai 2004

8 Anatomie: Elemente Grundbausteine eines Dokuments (andere Elemente, Zeichen, Zeichenreferenzen, Entity-Referenzen, Verarbeitungsanweisungen, Kommentare und/oder CDATA-Abschnitte) = element content Konzept: Element als „Container“ – Ausnahme: Kommentare, PIs, Leerstellen werden durch Tags begrenzt ( aus Name des Elementtyps ) Beginn mit Start-Tag und Ende mit End-Tag (zwingend) Bsp.: hier steht der Inhalt Vorsicht! Namen müssen korrespondieren, Groß-/Kleinschreibung Leeres-Element-Tag: haben keinerlei Inhalt –beispielsweise zum Hervorheben gewisser Stellen im Dokument –z.Bsp. Datei-Ende-Kennung ) – oder abkürzende Mischform: Lutz GarsteckiJena, 27.Mai 2004

9 Anatomie: Elementtypen Jedes XML-Dokument muss baumartige Struktur haben Jedes XML-Dokument darf nur einen Baum haben –Ursprungsknoten = document entity oder document root –darf PIs und/oder Kommentare enthalten document root muss TB enthalten, dessen Wurzel das Dokument-Element ist –Elternelement; darf in keinem anderen Element auftreten –Wurzel des Element-Baums aber nicht document root Kind-Element: alle anderen Elemente im Dokument sind Nachfahren (Kinder) vom Dokument-Element –Eltern/Kind-Beziehung wichtiges Merkmal Jeder Elementtyp kann einen von 4 Inhaltstypen haben Lutz GarsteckiJena, 27.Mai 2004 –element content –mixed content –empty content –character content

10 Anatomie: korrekte und falsche Schachtelung XML fordert strikt, dass Elemente korrekt geschachtelt sein müssen Korrekte Schachtelung –Beispiel: Buchtransport zum Bücherladen ein echter Karton kann ein Buch nicht nur zum Teil enthalten Buch kann nur in einem Karton sein usw. Falsche Schachtelung –Beispiel: überlappende HTML-Elemente  in XML verboten Lutz GarsteckiJena, 27.Mai 2004

11 Text-Literale und Character Data Text-Literale dienen als Werte für Attribute, interne Entities und externe Bezeichner –müssen von Begrenzern ( ‘ oder “ ) umschlossen sein aber innerhalb der Literale darf jeweilige Begrenzer nicht auftauchen sollte man beide brauchen, muss das Zeichen mit entity reference (&apos; bzw. ") geschützt werden Character Data: jeder Text, der nicht zum Markup gehört –dass heißt: Inhalt von Elementen oder die Werte von Attributen aber: & und < dienen als Begrenzungssymbole für Markup  dürfen nicht ungeschützt in Texten auftauchen (Ausnahme: CDATA-Blöcke)  Schutz durch Benutzen der Entities (& bzw. <) Lutz GarsteckiJena, 27.Mai 2004

12 Attribute in XML Oft will man Aussagen über den Inhalt von Elementen machen (diese Infos sind aber nicht Teil des Inhalts selbst) Solche Informationen werden durch Attribute angegeben Name = ‘Wert‘ bzw. Name = “Wert“ Werte von Attributen sind immer Textliterale –Achtung: in HTML auch numerische Werte zB. oder unklar begrenzte Werte zB. erlaubt.  in XML verboten ! Inhalt eines Start-Tags oder eines Leere-Element-Tags jeweils nur eine Instanz eines Attribut-Namens erlaubt! –<img src=“bild01.jpg“ src=“alternativBild.jpg“ nicht erlaubt Deswegen vereinfachte Handhabung von Attributen durch XML-Parser Lutz GarsteckiJena, 27.Mai 2004

13 Spezielle Attribute in XML xml:space (Darstellung)  Zur Beibehaltung von Text-Formatierungen einschließlich aller Sonder- und Trennzeichen  Was Anwendung dann tatsächlich tut, ist abhängig vom Programmierer  Attribut-Wert auf Element selbst und alle seine Kinder angewendet  Bei validierendem Parser nur Werte >>preserve >default<< (DTD) Lutz GarsteckiJena, 27.Mai 2004 Zusätzlich: Attribute mit festgelegter Bedeutung -Weiterleiten von Mitteilungen an Applikation Nutzung der Syntax von XML-Namensräumen (xml : eigentlicher Name)

14 Jena, 27.Mai 2004Lutz Garstecki xml:lang (bei internationalen XML-Dok.)  zur Internationalisierung  bei bidirektionalen semitischen Texten, Hinweise zur Komposition asiatischer Schriftzeichen, lexikale Sortierreihenfolge von Zeichen, Rechtschreibprüfung,...  Bei validierendem Parser muss Attribut in DTD deklariert werden (wie alle anderen auch)  beschränkt auf: ISO 639 (zB. fr, ja),RFC 1766 benutzerdefinierte (ISO 3166)  Anwendung wie bei xml-space; auch hier Anwendung nicht verpflichtet zur Auswertung oder Reaktion Spezielle Attribute in XML (2)

15 Leerstellen und Trennzeichen (white spaces) Wichtiges linguistisches Konzept für natürliche und normale Sprachen In XML werden nur 4 Zeichen als Leerstellen bzw. Trennzeichen verwendet Regeln zur Handhabung sind sehr simpel: –alle Leerräume innerhalb des Dokumentes vom Parser beachtet und an Anwendung unverändert weitergegeben –Leeräume innerhalb von Tags und Werten von Attributen entfernt Bearbeitung der Anwendung überlassen –dass heißt, alle Behandlungen, die durch LF u./o. CR impliziert wurden Zeichencode(hex)/Beschreibung 09- HT (horr.Tabulator) 10- LF (Zeilenvorschub) 0D- CR (Wagenrücklauf) 20- Leerzeichen (ASCII)  Tabulatoren nicht zu mehreren Leerzeichen expandiert (also als ein Zeichen behandelt) Lutz GarsteckiJena, 27.Mai 2004

16 Handhabung von Zeilenenden XML-Dokumente oft in Form einzelner Dateien abgespeichert –sie bestehen aus einzelnen „Zeilen“ Text Leerräume CR u. LF auch zur Markierung für Zeilenende (wie im ASCII-Zeichensatz) 3 gängige Kombinationen dieser 2 Zeichen zur Markierierung innerhalb von Dateien –CR und LF (DOS, Windows) –LF allein (UNIX) –CR allein (MacOS) Zur Erleichterung der Erstellung von XML-Applikationen wandelt Parser jede Kombination in einfaches LF (line-feed) um, dass heißt, XML erzwingt ein Zeilenende, wie es bei UNIX üblich ist! Lutz GarsteckiJena, 27.Mai 2004

17 Zeichen- und Entity-Referenzen Wie auch SGML und HTML bietet XML eine einfache Methode zur Codierung von Zeichen, die nicht im ASCII-Zeichensatz enthalten sind. Zeichenreferenzen: als Ersatz für literale Form, wenn diese die Spezifikation verletzen würde –repräsentieren druckbare Zeichen u. bestehen aus dezimalen oder hexadezimalen Zahlen, die &# oder &#x davor haben –in XML hexadezimale Form bevorzugt, da Codierung in Unicode auch hexadezimale Notation Beispiel:© oder © im HTML-Browser © ® oder ­ im HTML-Browser ® Lutz GarsteckiJena, 27.Mai 2004

18 Entity-Referenzen erlauben es, beliebige Textliterale in Elemente oder Attribut-Werte einzufügen oder bieten die Möglichkeit, symbolische Namen (mnemonics) für Zeichenreferenzen zu definieren –&Name; wobei Name ein gültiger XML-Name sei muss –5 Entities als integraler Bestandteil von XML definiert (zum Schutz der Symbole aus dem XML-Markup): & < > &apos; " Beispiele: - AT&T = AT&T - "Jack&apos;s Auto" = “Jack‘s Auto“ –Außer diesen müssen alle Entity-Referenzen in der DTD eines Dokuments definiert werden, bevor man sie nutzen kann. Dabei kann DTD in separater Datei gespeichert =externe Teilmenge oder im Dokument selbst stehen = als Teil der -deklaration = interne Teilmenge. –Trifft Parser auf nichtdefinierte Referenz, wird Verarbeitung mit „fatal error“ abgebrochen! Lutz GarsteckiJena, 27.Mai 2004 Zeichen- und Entity-Referenzen (2)

19 Verarbeitungsanweisungen Verarbeitungsanweisungen (PIs) bieten Mechanismus, um mit dem Dokument Hinweise an die Anwendung weiterzugeben Ziel der PI ist zwingend anzugeben, Name muss gültiger XML-Name sein (zur Bezeichnung einer Anwendung an die sich die Anweisungen richten) Anweisungen ist einfaches Text-Literal (außer: ?> alle Zeichen) Viele Diskussionen über: –Nachteile Fehlende Unterstützung durch Browser Möglichkeit der Bildung inkompatibler Anweisungen durch Regelmangel für Definition von Pis –und Vorteile Schemataerweiterung Dukumenterweiterung ohne Änderung von Überprüfungsmechanismus durch DTD Einbettung von Anweisungen über Darstellung im Dokument selbst ohne Strukturänderung Lutz GarsteckiJena, 27.Mai 2004

20 Kommentare und CDATA-Blöcke Kommentare: zum Protokollieren der Entwicklung des Dokuments oder jede andere Art von Metadaten, die für Autor oder Leser wichtig sind, aber nicht zum Inhalt gehören. –können überall stehen, außer innerhalb vom Markup –im Kommentar, Entities nicht expandiert und Tags nicht interpretiert (belieb. Zeichen außer -- möglich) CDATA-Blöcke: Möglichkeit der Einbettung von Texten, welche Zeichen enthalten, die sonst als Markup interpretiert würden – „... “ können beliebige Zeichenketten sein, außer Textliteral „ ]]>“ aber: keine gute Möglichkeit zur Speicherung binärer Daten im Dokument (Bytefolge „5D5D3E“ dürfte nicht enthalten sein) Lutz GarsteckiJena, 27.Mai 2004

21 Logische Struktur von Dokumenten Prolog: Jedes XML-Dokument beginnt mit Prolog - OPTIONAL –Zeigt Beginn von XML-Daten an und beschreibt, welche Zeichenkodierung verwendet wird oder beinhaltet andere Infos, die für Parser oder Anwendung wichtig sind! XML-Deklaration –Jedes Dokument darf und sollte mit einer einzelnen XML-Deklaration beginnen! –Wenn, dann als erstes im Dokument (keine Leerzeichen oder Kommentare vorangestellt)! –erlaubt Anwendung einiger Optimierungen bei der Verarbeitung: XML-Version Codierung yes or no obligatorisch optional optional Lutz GarsteckiJena, 27.Mai 2004

22 Logische Struktur von Dokumenten Prolog: Deklaration des Dokumenttyps (Nicht verwechseln mit DTD!) –enthällt interne Teilmenge oder referenziert externe Teilmenge einer DTD –jedes gültige XML-Dokument muss Deklaration des Dokumenttyps enthalten Einfache, nur wohlgeformte Dokumente brauchen keine, solange im Dokument keine Entity-Referenzen außer 5 Standard-Entities auftauchen! –Referenzen auf externe Teilmenge: Referenz mit Name als Einstiegspunkt –Referenzen auf interne Teilmenge: Entity-Referenzen müssen in interner Teilmenge der DTD deklariert werden –Deklaration erfolgt dann in Deklaration des Dokumenttyps (mit [...] drum) !!! Definition interne Teilmenge hat Vorrang !!! (Bei Überschneidung von interner und externer Teilmenge!) Lutz GarsteckiJena, 27.Mai 2004

23 Logische Struktur von Dokumenten Epilog: kann Kommentare, PIs und/oder Leerzeichen enthalten Tim Bray: „Der Epilog in XML ist ein echter Designfehler“  nicht ohne driftigen Grund einen Epilog schreiben denn: XML-Dokument besitzt keine speziellen Kennzeichen für Dokumentende viele XML-Anwendungen nehmen den End-Tag des Dokument-Elements als Ende –Epilog könnte ignoriert werden (anwendungsspezifisch) –Verarbeitungsanweisungen zwischen 2 Dokumenten können allenfalls mehrdeutig sein Lutz GarsteckiJena, 27.Mai 2004

24 Ein wohlgeformtes XML-Dokument... ist ein XML-Dokument, das der Spezifikation und der darin festgelegten Syntax entspricht auch ohne DTD oder Schema, welches die Struktur beschreibt  „standalone document“ –können sich dann aber nicht auf externe Deklaration stützen –Attributwerte werden nicht besonders behandelt und bekommen keine Default-Werte zugewiesen Eigenschaften: - korrekte Schachtelung der Elemente - alle Elemente zusammen bilden einfachen Elementbaum - einzige direkte Relation zwischen 2 Elementen ist Kind-/Eltern-Beziehung Wenn Parser Konstrukt entdeckt, dass Bedingung der „Wohlgeformtheit“ widerspricht  „fatal error“ an die Anwendung Lutz GarsteckiJena, 27.Mai 2004

25 XML-Parser 2 Typen von XML-Prozessoren (Parser) - nicht validierend (Prüfung nur auf Wohlgeformtheit) - validierend (verwendet auch DTDs, um zu prüfen, ob Dokument in Form und Inhalt „gültig“ ist) Um Handhabung der XML-Daten aus Anwendung heraus zu erleichtern (z.Bsp. Symbole, die Zeilenende oder Dateiende markeieren, sind abhängig vom Betriebssystem  Parser reduziert alle Markierungen für Zeilenende auf LF; Weitergabe aller Leerzeichen an Anwendung; Auflösung aller Zeichenreferenzen, sowie sie in interner oder externer Deklaration definiert sind; Normalisierung aller Attributwerte vor Weitergabe an Anwendung) 2 Ansätze, Parser zu definieren –ereignisgesteuert, baumorientiert - wobei beide ihre Vorteile haben Lutz GarsteckiJena, 27.Mai 2004 Ende


Herunterladen ppt "Seminar : XML und Datenbanken Die Auszeichnungssprache XML Lutz GarsteckiJena, 27.Mai 2004."

Ähnliche Präsentationen


Google-Anzeigen