INFORMATICA
UMANISTICA B
DA DATI NON STRUTTURATI A DATI
STRUTTURATI: LINGUAGGI DI
MARCATURA
XML
TEI
AGGIUNGERE STRUTTURA A DATI
NON STRUTTURATI USANDO
LINGUAGGI DI MARCATURA
In questa lezione e la prossima discuteremo
di come sia possibile usare LINGUAGGI DI
MARCATURA come XML per rendere
‘parzialmente strutturati’ dati testuali
Oggi: aggiungere struttura a testi
Prossima lezione: aggiungere informazione
semantica
LINGUAGGI DI MARCATURA
Permettono di aggiungere informazione
(‘annotare’) un testo
Due tipi di informazione:
Aspetto (formattazione, disposizione degli
elementi sulla pagina)
HTML
Struttura logica
XML
TIPI DI LINGUAGGI DI
MARCATURA
‘Procedurali’ (TeX, LaTeX, nroff, troff)
Indicano alla macchina la procedura di
formattazione da seguire per un certo testo
‘Generici’ o ‘dichiarativi’ (SGML e
discendenti)
Dichiarano la funzione LOGICA del testo
TeX e LaTeX
The quadratic formula is $-b \pm \sqrt{b^2 - 4ac}
\over 2a$ \end
HTML
a
SGML
XML
XHTML
……
WML
MathML
SGML
Sviluppato nel 1986 da Charles Goldfarb
Obiettivo: sviluppare uno standard per
l’INTERSCAMBIO di testi
Consente di definire marcatori (‘TAGS’) che
permettono di strutturare un testo ed i loro
ATTRIBUTI
Utilizzato per:
BNC
OED
STRUTTURA SGML NEL BNC
ATTRIBUTO
<div1 complete=y org=seq>
TAG
TAG
<head>
<s n=00040> <w NN2>TROUSERS <w VVB>SUIT
</head>
<caption>
<s n=00041> <w EX0>There <w VBZ>is <w PNI>nothing
<w AJ0>masculine <w PRP>about <w DT0>these <w
AJ0>new <w NN1>trouser <w NN2-VVZ>suits <w
PRP>in <w NN1>summer<w POS>'s <w AJ0>soft <w
NN2>pastels<c PUN>.
<s n=00042> <w NP0>Smart <w CJC>and <w
AJ0>acceptable <w PRP>for <w NN1>city <w NN1VVB>wear <w CJC>but <w AJ0>soft <w AV0>enough <w
PRP>for <w AJ0>relaxed <w NN2>days
</caption>
DTD
La specifica degli elementi e dei loro attributi
in un documento SGML costituisce la
DEFINIZIONE DEL TIPO DI DOCUMENTO o
DTD
HTML
Un linguaggio di marcatura basato su SGML
(una DTD SGML)
Tipo di elementi e’ fissato
LINGUAGGI DI
MARCATURA: HTML
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2 Draft//EN">
<html>
<head>
<title>My first HTML</title>
</head>
<body>
<p> Hello, World! </p>
</body>
</html>
XML
Una versione semplificata di SGML
sviluppata dal W3C
Come in SGML, ed a differenza di HTML, le
TAG non sono predefinite ma definite usando
un DTD o SCHEMA
ALBERI
I documenti SGML, HTML ed XML hanno una
struttura ad ALBERO
DOCUMENTI XML HANNO UNA
STRUTTURA AD ALBERO
Must have a UNIQUE root
element
LA STRUTTURA AD ALBERO DEI
DOCUMENTI HTML (ED XML)
<html>
<head>
<title> My first HTML</title>
</head>
<body>
<p> Hello, World! </p>
</body>
</html>
LA STRUTTURA AD ALBERO
DEI DOCUMENTI HTML
html
head
title
body
p
ACCESSO AD UN ALBERO
html
figlie
madre
head
title
body
p
XML PER LA STRUTTURA
LOGICA DI TESTI
<recipe>
<title> Peanut butter on a spoon </title>
<ingredientlist>
<ingredient>Peanut butter </ingredient>
</ingredientlist>
<preparation>Stick a spoon in a jar of peanut butter,
scoop and pull out a big glob of peanut
butter.</preparation>
</recipe>
ALBERI + ATTRIBUTI IN XML
poem
title = Paradise Lost
author = jm
year= 1667
verse
Seest thou yon dreary
Plain, forlorn and wild,
verse
verse
ATTRIBUTI IN XML
<poem title=“paradise lost” author="jm" year="1667">
<verse> Seest thou yon dreary Plain, forlorn and
wild,</verse>
<verse>The seat of desolation, void of light,</verse>
<verse>Save what the glimmering of these livid
flames</verse>
<verse>Casts pale and dreadful?</verse>
</poem>
TITLE: Paradise Lost
AUTHOR: John Milton
YEAR: 1667
ATTRIBUTI
Elements can contain one or more attributes
<phone area_code='0461'>881607</phone>
Names are case sensitive
The values of the attributes must be enclosed within
single or double quotes (either both single or both
double)
Attributes cannot be empty (name only)
No attribute can be repeated twice within an
element
BASI DATI IN XML: RUBRICA
<RUBRICA>
<PERSONA>
<DATI_ANAGRAFICI>
<NOME>Giulio</NOME>
<COGNOME>Cesare</COGNOME>
<INDIRIZZO>
<PIAZZA>Bruto</PIAZZA>
<N_CIVICO>10</N_CIVICO>
<CITTA>Roma</CITTA>
<CAP>10100</CAP>
</INDIRIZZO>
</DATI_ANAGRAFICI>
<TELEFONO>
<FISSO>
<NUMERO prefisso="06">321654</NUMERO>
</FISSO>
<MOBILE>
<NUMERO compagnia="blu">32557684785</NUMERO>
</MOBILE>
</TELEFONO>
</PERSONA>
<PERSONA>
<DATI_ANAGRAFICI>
<NOME>Giovanni</NOME>
<COGNOME>Pompeo</COGNOME>
<INDIRIZZO>
<PIAZZA>Catilina</PIAZZA>
<N_CIVICO>12</N_CIVICO>
<CITTA>Milano</CITTA>
<CAP>12100</CAP>
</INDIRIZZO>
</DATI_ANAGRAFICI>
<TELEFONO>
<FISSO>
<NUMERO prefisso="02">96877564</NUMERO>
</FISSO>
<MOBILE>
<NUMERO compagnia="tim">3356545342</NUMERO>
</MOBILE>
</TELEFONO>
</PERSONA>
</RUBRICA>
RUBRICA COME ALBERO
TEXT ENCODING INITIATIVE
Un’iniziativa internazionale per sviluppare
standards per l’archiviazione di testi
Inizi: 1987
Standard basato su SGML agli inizi, ora XML
Definizione:
http://www.tei-c.org/release/doc/tei-p5-doc/en/Guidelines.pdf
TESTI IN FORMATO TEI
<TEI.2>
<teiHeader>[informazioni della testata TEI]
</teiHeader>
<text>
<front> [materiali dell'avantesto] </front>
<body> [testo unitario] </body>
<back> [materiali annessi] </back>
</text>
<TEI.2>
TEXT ENCODING INITIATIVE
una testata TEI, codificata come <teiHeader> (frontespizio
elettronico), che raccoglie la serie delle informazioni paratestuali
e metatestuali di riferimento (descrizione dell'esemplare
elettronico, di quello cartaceo di riferimento, delle norme di
codifica seguite e delle revisioni effettuate)
il testo vero e proprio, marcato con l'elemento <text>, suddiviso
in tre elementi:
<front> (avantesto: frontespizio dell'esemplare cartaceo di
riferimento e materiali introduttivi come prefazioni, dediche,
sommari, introduzioni, indici etc.)
<body> (corpo del documento, a sua volta strutturato in partizioni
significative del componimento, variabili a seconda della
tipologia: testo in prosa, in versi, testo teatrale, ecc.)
<back> (materiali annessi come glossari, indici, note, bibliografie,
colophon etc.)
TEI Header
<teiHeader>
<fileDesc>
<titleStmt> ... </titleStmt>
<publicationStmt> ... <publicationStmt>
<sourceDesc> ... <sourceDesc>
</fileDesc>
</teiHeader>
<fileDesc>
L’elemento <fileDesc> contiene tutte le
informazioni bibliografiche
TEI HEADER: titleStmt
<titleStmt>
<title>Two stories by Edgar Allen Poe: a machine
readable transcription</title>
<author>Poe, Edgar Allen (1809-1849)
<respStmt><resp>compiled by</resp> <name>James
D. Benson</name></respStmt>
</titleStmt>
TEI HEADER: publicationStmt
<publicationStmt>
<publisher>Oxford University Press</publisher>
<pubPlace>Oxford</pubPlace>
<date>1989</date>
<idno type="ISBN"> 0-19-254705-5</idno>
<availability>Copyright 1989,
Oxford University Press</availability>
</publicationStmt>
TEI HEADER: IL PRINCIPE
<teiheader type="ISBD(M)">
<filedesc>
<titlestmt>
<title type="princ">Il Principe</title>
<author>
<persname key="Machiavelli">
<surname>Machiavelli</surname> <forename>Niccolò</forename>
</persname>
</author>
….
</titlestmt>
<editionstmt> <edition>Prima edizione</edition></editionstmt>
<extent>ca. 200 kb</extent>
<publicationstmt>
<publisher> ….. </publisher>
<pubplace>Bologna</pubplace>
<idno type="1">1</idno>
….
</publicationstmt>
KING LEAR IN FORMATO
PROJECT GUTENBERG
Kent.
Now by Apollo, king,
Thou swear'st thy gods in vain.
Lear.
O vassal! miscreant!
[Laying his hand on his sword.]
Alb. and Corn.
Dear sir, forbear!
Kent.
Do;
Kill thy physician, and the fee bestow
Upon the foul disease. Revoke thy gift,
Or, whilst I can vent clamour from my throat,
I'll tell thee thou dost evil.
KING LEAR IN FORMATO TEI
<sp><speaker>Kent</speaker>
<p>Now by Apollo, king,<lb/>
Thou swear'st thy gods in vain.<lb/></p></sp>
<sp><speaker>Lear</speaker>
<p>O vassal! miscreant!<lb/></p></sp>
<p><stage>Laying his hand on his sword.</stage><p>
<sp><speaker>Alb. and Corn.</speaker>
<p>Dear sir, forbear!<lb/></p></sp>
<sp><speaker>Kent.</speaker>
<p>Do;<lb/>
Kill thy physician, and the fee bestow<lb/>
Upon the foul disease. Revoke thy gift,<lb/>
Or, whilst I can vent clamour from my throat,<lb/>
I'll tell thee thou dost evil.<lb/></p></sp>
TEI: JANE EYRE
CHAPTER 38
READER, I married him. A quiet wedding we had: he and I, the parson and clerk, were alone present. When we got back from church,
I went into the kitchen of the manor-house, where Mary was
cooking the dinner, and John cleaning the knives, and I said –
'Mary, I have been married to Mr Rochester this morning.' The
housekeeper and her husband were of that decent, phlegmatic
order of people, to whom one may at any time safely communicate
a remarkable piece of news without incurring the danger of having
one's ears pierced by some shrill ejaculation and subsequently
stunned by a torrent of wordy wonderment. Mary did look up, and
she did stare at me; the ladle with which she was basting a pair of
chickens roasting at the fire, did for some three minutes hang
suspended in air, and for the same space of time John's knives
also had rest from the polishing process; but Mary, bending again
over the roast, said only --
Text markup
<pb n='474'/>
<div1 type="chapter" n='38'>
<p>Reader, I married him. A quiet wedding we had: he and I, the
parson and clerk, were alone present. When we got back from
church, I went into the kitchen of the manor-house, where Mary was
cooking the dinner, and John cleaning the knives, and I said
—</p>
<p><q>Mary, I have been married to Mr Rochester this
morning.</q> The housekeeper and her husband were of that
decent, phlegmatic order of people, to whom one may at any time
safely communicate a remarkable piece of news without incurring
the danger of having one's ears pierced by some shrill ejaculation
and subsequently stunned by a torrent of wordy wonderment. Mary
did look up, … </p>
ARCHIVI BASATI SULLA TEI
Biblioteca Italiana:
Electronic Text Center:
etext.lib.virginia.edu
Humanities Text Initiative:
www.bibliotecaitaliana.it
www.hti.umich.edu
Oxford Text Archive
ota.ahds.ac.uk
LA BIBLIOTECA ITALIANA
XML – DTD – XSL
Un file XML specifica il contenuto
Un DTD o SCHEMA specifica la
SINTASSI
Un file XSL specifica come
VISUALIZZARE
IDEE PRINCIPALI LEZIONE DI
OGGI
Linguaggi di marcatura
XML
Struttura ad albero
Attributi
Text Encoding Initiative
Archivi basati sulla TEI
LETTURE
Tomasi, cap. 4
Linguaggi di Marcatura
XML
TEI:
Tutorials:
Gentle introduction to XML
http://www.tei-c.org/release/doc/tei-p5doc/en/html/SG.html
TEI-LITE
http://www.tei-c.org/Guidelines/Customization/Lite/teiu5_split_en.html