Linguaggi di schema per
XML e modelli astratti di
documenti
Tesi di Laurea di Daniele Gubellini
Relatore: Chiar.mo Prof. Fabio Vitali
Bologna, 23 marzo 2005
L’ ingegneria dei documenti

Le componenti di un documento


Contenuto: informazione allo stato puro (“la mia data di nascita”).
Struttura: risponde alla domanda “dov’è” un dato e conferisce
metainformazioni.


Presentazione: formattazione visiva.


Esempio: 01/03/1978.
Sintassi


Esempio: 01031978 ?
XML, markup descrittivo.
Vincoli

Linguaggi di schema: DTD, XML Schema.
L’obiettivo

Identificare gli schemi utili e potenzialmente ricchi di
significato


Eliminare i costrutti sintattici non necessari nella costruzione
di strutture significative.
Definire un linguaggio di schema minimale che
permetta l’espressione di tutti e soli gli schemi
catalogati.
Content model DTD inutili: esempi
Descrizione



Content model DTD
Presenza di alcuni frammenti di content model come
“(B|C)*” in più dichiarazioni.
 Aggiungendo un elemento K si avrebbe
incoerenza semantica?
 “(B|C)*” sono logicamente indissolubili o
indipendenti?
<!ELEMENT E1 (X,(B|C)*>
<!ELEMENT E2 (Y,(B|C)*>
Ripetizione di sequenze.
Un’eventuale relazione semantica tra A e B non è
rafforzata dalla sintassi.
<!ELEMENT E (A,B)*>
Sequenza di elementi non ripetibili ed elementi
ripetibili.
T sembra un’informazione unica che dice qualcosa
sulla lista di B. Questo fatto non è rafforzato dalla
sintassi.
<!ELEMENT E (T,B*)>
Normalizzazione

Documenti ben ingegnerizzati



Definizione delle dipendenze funzionali: fondamentali per modellare i
dati in modo elegante, riutilizzabile e con una semantica precisa e non
ambigua.
Normalizzazione: applicata ai contenitori logici che danno profondità e
struttura al documento.
Esempio: TeiLight, elemento “div”

((argument|byline|dateline|docAuthor|docDate|epigraph|head|opener|
salute|signed|anchor|gap|index|interp|interpGrp|lb|milestone|pb)*,(((div
|divGen),(anchor|gap|index|interp|interpGrp|lb|milestone|pb)*)+|(((eg|
bibl|biblFull|ab|l|lg|p|sp|figure|cit|q|label|list|listBibl|note|stage|table
),(anchor|gap|index|interp|interpGrp|lb|milestone|pb)*)+,((div|divGen),(
anchor|gap|index|interp|interpGrp|lb|milestone|pb)*)*)),((byline|closer|
dateline|epigraph|salute|signed|trailer),(anchor|gap|index|interp|
interpGrp|lb|milestone|pb)*)*)
La soluzione

Adozione di Pattern



Adozione di wrapper.
Semplificazione della sintassi: DTD-

Espressione di strutture utili e potenzialmente ricche di
significati.
Rendere leciti (esprimibili) solo i Pattern.
Conversione di strutture DTD in DTD--.
Pattern di design (1/2)

Marker “BR”:

<BR/>

Record “Persona”:
<Persona>
<Nome>Daniele</Nome>
<Cognome>Gubellini</Cognome>
<Indirizzo>C. Italia 19</Indirizzo>
<Comune>S.G.Persiceto</Comune>
</Persona>

Blocco “Testo”:
<Testo>
Questo è un testo con elementi tipografici
come <bold>grassetto</bold> e
<ita>italico</ita> oppure
<bold><ita>grassetto e
italico</ita></bold> <BR/>
</Testo>
Atomo “Giorno”:
<Giorno>23</Giorno>

Tabella “Persone”:
<Persone>
<Persona>
<Nome>Daniele</Nome>
<Cognome>Gubellini</Cognome>
<Indirizzo>C. Italia 19</Indirizzo>
<Comune>S.G.Persiceto</Comune>
</Persona>
<Persona>
<Nome>Mara</Nome>
<Cognome>Serra</Cognome>
<Indirizzo>C. Italia 19</Indirizzo>
<Comune>S.G.Persiceto</Comune>
</Persona>
</Persone>
Pattern di design (2/2)

Contesto Additivo “Contratto”:
<Contratto>
...
<Firma>Daniele Gubellini</Firma>
...
</Contratto>


Firma può apparire ovunque
all’interno di Contratto.
È possibile limitare ad uno
l’occorrenza dell’elemento
Firma.

Contesto Sottrattivo “Nota”:
<Testo>
<Paragrafo>
Questo è un paragrafo con note.
<Nota>
Una nota contiene paragrafi
<Paragrafo>Una nota può contenere
altre note</Paragrafo>
</Nota>
</Paragrafo>
</Testo>

Proibisco la presenza di Note
all’interno di Note.
I wrapper

(Studente,(Cellulare|Telefono)*) e (Prof,(Cellulare|Telefono)*)
 Strutture logicamente indissolubili:
(Studente,recapitiTelefonici) e (Prof,recapitiTelefonici)
dove recapitiTelefonici=(Cellulare|Telefono)*

Strutture logicamente separate:
(Studente,recapitiTelefoniciStudente) e (Prof,recapitiTelefoniciProf)
dove recapitiTelefoniciStudente=recapitiTelefoniciProf=(Cellulare|Telefono)*
 Possibile aggiungere a recapitiTelefoniciProf un TelefonoUfficio.

(Domanda,Risposta)*
 Rafforzare il legame semantico tra Domanda e Risposta:
(FAQ*) dove FAQ=(Domanda,Risposta).

(Titolo,Capitolo*)
 Titolo è riferito alla lista dei capitoli:
(Titolo,Capitoli) dove Capitoli=(Capitolo*).
Il metalinguaggio DTD-

Espressione di tutte e sole le strutture dei Pattern.
Sintassi

Minimalità sintattica: SCHEMA = ISTANZA.




L’opzionalità del DTD è meno problematica.
Lo schema diventa più espressivo grazie all’astrazione dei Pattern.
Sintassi instance based:scrivere uno schema diventa semplice
come scrivere un’istanza.
Literate programming.
DTD--: sintassi dei Pattern


Marker, Atomo, Record.
Tabella “Persone”:
<Persone>
<Persona>
<Nome>Nome</Nome>
<Cognome>Cognome</Cognome>
<Indirizzo>Via e n.civico</Indirizzo>
<Comune>Comune</Comune>
</Persona>
<dtd:etc/>
</Persone>

Contesto Additivo “Contratto”:
<Contratto dtd:include=“!Firma”>
....
<Firma>Daniele Gubellini</Firma>
....
</Contratto>

Blocco “Testo”:
<Testo dtd:type=“T”>
Questo è un testo con elementi tipografici
come bold <bold dtd:type=“T”/>
e ita<ita dtd:type=“T”/>.
Può contenere anche linee <BR/>.
</Testo>

Contesto Sottrattivo “Nota”:
<Testo dtd:type=“T”>
Questo testo contiene paragrafi
<Paragrafo dtd:type=“T”/>e note
<Nota dtd:type=“T”
dtd:exclude=“Nota” />
</Testo>
Tool di conversione

Da DTD a DTD-



Da istanze/schemi a DTD-


Vengono semplificati e convertiti i DTD in sintassi DTD--.
Test di affinità con il nuovo modello di design.
Spunto critico per una rimodellazione dello schema.
Unificazione di istanze e schemi DTD-- in un unico schema.
Schemi (A|B).
Da DTD-- a SchemaPath

Tappa intermedia del processo di validazione.
Conclusioni

Design basato su Pattern






Abbassa l’incertezza sintattica, permette “visualizzazioni” astratte, forza
un design semplice e chiaro, migliora il rapporto tra contenuto e struttura.
Favorisce il processo di normalizzazione.
Autoreferenzialità: la minimalità sintattica risolve in parte il problema
dell’opzionalità del DTD.
Semplifica eventuali processi di conversione.
Sviluppi futuri: nuovi pattern?
DTD-

Linguaggio di schema semplice, basato su XML, di facile apprendimento.
Sviluppi futuri: co-constraints, tipi di dato per Atomo ecc.