XML e la biblioteca digitale
© Fabio Ciotti – CRILet, Università di Roma “La Sapienza”, Università di Pavia
La biblioteca digitale
Definiamo biblioteca digitale un sistema
informativo accessibile on-line
caratterizzato da



una collezione di documenti digitali dotata
di una organizzazione interna
un apparato di metadati descrittivi e
amministrativi associati a tali documenti
un insieme di strumenti e servizi di
gestione, ricerca e disseminazione dei
documenti (e dei metadati)
XML
XML - Extensible Markup Language:



è un linguaggio che consente la rappresentazione
di documenti e dati strutturati su supporto digitale
è uno dei più potenti e versatili sistemi per la
creazione, archiviazione, preservazione e
disseminazione di documenti digitali…
… ma la sua sintassi rigorosa e al contempo
flessibile ne rende possibile l’applicazione anche
nella rappresentazione di dati strutturati, fornendo
una soluzione alternativa ai tradizionali sistemi
DBMS relazionali
XML: le origini
XML è stato sviluppato dal World Wide Web
Consortium (http://www.w3.org)
Le specifiche sono state rilasciate come W3C
Recommendation nel 1998 e aggiornate nel 2000
XML deriva da SGML, un linguaggio di mark-up
dichiarativo sviluppato dalla International
Standardization Organization (ISO), e pubblicato
ufficialmente nel 1986 con la sigla ISO 8879
XML nasce come un sottoinsieme semplificato di
SGML orientato alla utilizzazione su World Wide
Web…
… ma ha assunto ormai un ruolo autonomo e una
diffusione ben maggiore del suo progenitore
XML e biblioteche digitali
XML fornisce soluzioni ottimali per
risolvere i nodi fondamentali nella
progettazione di un sistema di biblioteca
digitale:



Codifica digitale e preservazione dei
documenti testuali (e non solo…)
creazione e gestione dei metadati
progettazione di servizi avanzati per gli utenti
La codifica digitale del testo
La codifica del testo è la
rappresentazione del testo su supporto
digitale in un formato “leggibile” da un
elaboratore
Tale rappresentazione


si basa su un determinato linguaggio
informatico, detto linguaggio di codifica
implica una definizione strutturale del
concetto di testo
I linguaggi di codifica
Un linguaggio di codifica del testo è un
formalismo o linguaggio informatico
mediante il quale è possibile
rappresentare un documento testuale
su supporto digitale in modo che sia
trattabile dall’elaboratore in quanto
testo
Un linguaggio di codifica testuale
permette di creare dati di tipo testuale
La codifica dei caratteri
I formalismi più elementari per la codifica
informatica dell’informazione testuale sono i
sistemi di codifica dei caratteri
In generale, ogni documento elettronico è
costituito da un flusso (o stringa) di caratteri
Il carattere dunque è l’unità atomica per la
rappresentazione l’organizzazione ed il controllo
di dati testuali sull’elaboratore
La codifica dei caratteri
Come qualsiasi altro tipo di dati, anche i
caratteri vengono rappresentati all’interno
di un elaboratore mediante una codifica
numerica binaria
A
B
C
I principali Coded Character
ASCII / ISO 646 IRV / US ASCII
ISO 8859 (il più utilizzato è ISO 8859-1 o
ISO Latin 1)
ISO/IEC 10646-2:2001: Universal
Character Set - Unicode 3.2
(http://www.unicode.org)
I linguaggi di codifica
La codifica dei caratteri non esaurisce i
problemi di rappresentazione delle
caratteristiche di un testo
Un testo è un oggetto complesso
caratterizzato da molteplici livelli
strutturali che non si limitano alla
sequenza di simboli del sistema di
scrittura (simboli alfabetici, numerici,
ortografici, diacritici)
I linguaggi di mark-up
Si parla propriamente di linguaggio di
codifica testuale solo in riferimento ai
linguaggi che consentono la
rappresentazione o il controllo di uno o più
livelli strutturali di un documento testuale
Tali linguaggi vengono correntemente
denominati mark-up language
XML: caratteristiche
XML è un metalinguaggio, che permette
di definire sintatticamente linguaggi di
mark-up
Un linguaggio XML permette di
esplicitare la (le) struttura(e) di un
documento in modo formale mediante
marcatori (mark-up) che vanno inclusi
all’interno del testo (character data)
XML: caratteristiche
XML adotta un formato di file di tipo
testuale: sia il mark-up sia il testo sono
stringhe di caratteri
XML si basa sul sistema di codifica dei
caratteri ISO 10646/UNICODE
Un documento XML è “leggibile” da un
utente umano senza la mediazione di
software specifico
XML: caratteristiche
XML è indipendente dal tipo di piattaforma
hardware e software su cui viene utilizzato
XML permette la rappresentazione di qualsiasi
tipo di documento (e di struttura testuale)
indipendentemente dalle finalità applicative
XML è indipendente dai dispositivi di
archiviazione e visualizzazione
un documento XML può essere archiviato su
qualsiasi tipo di supporto digitale (attuale e…
futuro!)
un documento XML può essere visualizzato su
qualsiasi dispositivo di output
XML: caratteristiche
On-line
WWW
File
XML
<Title> Titolo </title>
<p>Paragarafo ..
Carta
CD-ROM
<p>Paragrafo
DBMS NATIVI O RELAZIONALI
DOCUMENT MANAGEMENT SYSTEMS
XML: caratteristiche
XML può essere usato per la
rappresentazione di dati strutturati
(archivi, tabelle, matrici) in alternativa ai
formati di database tradizionali
XML può essere usato come formato di
scambio dati in applicazioni middleware
XML: caratteristiche
XML è uno standard di pubblico dominio
ogni software “conforme XML” è in grado di
gestire dati in formato XML
sono disponibili numerose applicazioni e
librerie open source per la manipolazione di
dati in formato XML basate su diversi
linguaggi di programmazione (Java, C,
Python, Perl…)
una applicazione in grado di elaborare dati in
formato XML viene definita elaboratore XML
XML: principi fondamentali
XML adotta un paradigma di codifica
dichiarativo e descrittivo
XML è un metalinguaggio
XML descrive un documento come una
struttura ad albero
XML introduce il concetto di “tipo di
documento” e di “sintassi del documento”
Il concetto di metalinguaggio
XML è un metalinguaggio




XML definisce un insieme regole
(meta)sintattiche, attraverso le quali è descrivere
formalmente un linguaggio di markup, detto
“applicazione XML”
ogni applicazione XML eredita un insieme di
caratteristiche sintattiche comuni
ogni applicazione XML a sua volta definisce una
sintassi formale particolare
ogni applicazione XML è dotata di una semantica
specificata in modo non formale
Il concetto di tipo di documento
La definizione di una applicazione XML
si basa su un determinato tipo di
documento
Un tipo di documento descrive le
caratteristiche di una classe di
documenti strutturalmente omogenei
Il tipo di documento è il fondamento della
sintassi e della semantica di una
applicazione XML
Il concetto di tipo di documento
Un tipo di documento descrive la struttura
della classe di documenti cui si riferisce
come un albero ordinato di componenti
testuali o elementi
Un tipo di documento è caratterizzato da



un insieme di elementi strutturali
le relazioni di dipendenza tra gli elementi
le relazioni di ricorrenza degli elementi
La struttura gerarchica ordinata
testo
corpo
?
?
frontespizio
introduzione
?
+
appendice
capitolo
+
titolo
titolo
autore
PCDATA
+
?
paragrafo
titolo
*
enfasi
+
titolo
paragrafo
paragrafo
*
citazione PCDATA
enfasi
+
citazione
Come si crea un documento
XML
Un documento XML contiene il mark-up che
rappresenta linearmente la struttura
gerarchica degli elementi, i loro eventuali
attributi, e i caratteri del testo
L’inserimento di mark-up e caratteri deve
rispettare i vincoli di buona formazione
indicati nelle specifiche XML
Un documento valido deve rispettare anche i
vincoli sintattici definiti nella DTD
La forma di un documento XML
Nel documento ogni elemento non vuoto
(contenente cioè altri elementi o caratteri)
deve essere marcato da un tag iniziale e
da un tag finale
Ogni tag è costituito da caratteri
delimitatori e dal nome dell'elemento
La forma di un documento XML
<text>
<div1>
<p>Subito, con le prime parole che le rivolse, volle
avvisarla che non intendeva compromettersi in una
relazione <u>troppo seria…</u></p>
<p><u>La sua</u> famiglia? Una sola sorella non
ingombrante né fisicamente né moralmente, piccola
e pallida, di qualche anno più giovane di lui…</p>
…
</div1>
</text>
Applicazioni XML rilevanti
DocBook : DTD per la creazione di
manualistica tecnica curata dal consorzio
OASIS
XHTML 1.0: DTD per la creazione di documenti
Web realizzato dal W3 Consortium
Text Encoding Initiative: DTD per la creazione
di testi su supporto digitale in ambito
umanistico sviluppata dal TEI consortium
Encoded Archival Description: DTD per la
descrizione di materiali archivistici realizzato
dalla Library of Congress
Standard correlati a XML
XML adotta due linguaggi appositamente
sviluppati per la specificazione di strutture
ipertestuali complesse:


XML Linking Specification (XLink) specifica come
costruire elementi e attributi di collegamento
XML Extended Pointer Specification (XPointer)
specifica i sistemi di indirizzamento delle
destinazioni di un link
Standard correlati a XML
La presentazione di un documento XML viene
controllata da uno o più fogli di stile
I linguaggi di stile utilizzabili con XML sono

Extensible Stylesheet Language (XSL)
XPath: selezione e individuazione di nodi
XSLT: trasformazione tra alberi
XSL-FO: formattazione di pagina

Cascading Style Sheet (CSS)
I metadati
Con il termine metadati si indica
l'insieme di dati e informazioni che
descrivono una risorsa o un documento
digitale
I metadati si dividono in tre classi:



metadati descrittivi
metadati gestionali o amministrativi
metadati strutturali
I metadati descrittivi
Descrizione bibliografica della risorsa
elettronica
Descrizione di risorse correlate: ad
esempio della fonte cartacea di un
documento elettronico prodotto mediante
digitalizzazione di materiale preesistente
I metadati amministrativi
Metadati tecnici: documentazione degli aspetti
tecnici relativi ai formati di digitalizzazione
Metadati di preservazione: documentazione
storica delle procedure e delle tecnologie
adottate nella digitalizzazione e nella
manutenzione del documento digitale
Metadati di gestione dei diritti: documentazione
relativa alla proprietà intellettuale, ai diritti di
accesso e alle loro eventuali variazioni
I metadati strutturali
Descrizione della struttura logica del
contenuto di una risorsa digitale
Descrizione della struttura fisica di una
risorsa digitale (elenco dei file che la
compongono, diverse versioni e
manifestazioni etc.)
Descrizioni dei rapporti tra struttura logica
e struttura fisica
Le mille sigle dell’universo metadati
DC (Dublin Core)
METS
MODS
TextMD
MIX
MARCXML
…
METS
Metadata Encoding and Transmission Standard
Uno schema XML per la creazione di documenti
di raccordo tra i vari componenti di una risorsa
digitale e i metadati che li descrivono e per
descrivere le relazioni strutturali che intercorrono
tra tali componenti e la struttura logica del loro
contenuto
Una implementazione XML del framework
concettuale OAIS (Open Archival Information
System ) per sistemi di archiviazione progettati
preservare e mantenere accessibili risorse
digitali a lungo termine
Funzioni di METS
Sintassi di interscambio


Standard per la trasmissione/scambio di risorse
digitali
Submission Information Package (Open Archival
Information Systems Reference Model)
Sintassi di accesso


Sistema per fornire agli utenti la capacità di accedere
e consultare il contenuto digitale e metadati a esso
associati
Dissemination Information Package
Sintassi di archiviazione


Stabndard per archiviare a lungo termine risorse
digitali
Archival Information Package
METS
1. Identifica i file o le parti di file che compongono
il contenuto di una risorse digitale ed esprime
la struttura o le strutture di questo contenuto
2. Collega I metadati descrittivi con il contenuto
digitale
3. Collega I metadati amministrativi con il
contenuto digitale
4. Collega definizioni di comportamento con il
contenuto digitale e con i metadati a esso
associati
5. Impacchetta il contenuto digitale e i metadati a
esso associati come dati in formato binario
Metadati descrittivi in METS
METS non fornisce un vocabolario e una
sintassi autonome per codificare metadati
amministrativi
METS fornisce un modo per puntare a
metadati amministrativi esterni e/o per
includere metadati descrittivi in formato
XML all’interno del documento METS
METS fornisce un sistema per collegare
questi metadati al contenuto di una risorsa
digitale
Metadati aministrativi in METS
METS non fornisce un vocabolario e una
sintassi autonome per codificare metadati
descrittivi
METS fornisce un modo per puntare a
metadati descrittivi esterni e/o per
includere metadati descrittivi in formato
XML all’interno del documento METS
METS fornisce un sistema per collegare
questi metadati al contenuto di una risorsa
digitale
Struttura di un documento METS
Una istanza METS consiste di 6
sezioni
1.
2.
3.
4.
5.
6.
Header
Descriptive Metadata Section
Administrative Metadata Section
File Section
Structural Map Section
Behavior section
METS extenders
Metadati descrittivi




MODS (Metadata Object Description Schema)
Dublin Core (DCMIES in XML)
MARCXML MARC 21 Schema
…
Metadati amministrativi



textMD (Schema for Technical Metadata for Text)
MIX (NISO Technical Metadata for Digital Still
Images)
…
Fonti e risorse di rete
OAIS: http://www.rlg.org/longterm/oais.html
METS: http://www.loc.gov/standards/mets
MIX: http://www.loc.gov/standards/mix/
Dublin Core: http://dublincore.org/
MODS: http://www.loc.gov/standards/mods/