Presentazione 1.5
Extensible Markup Language (XML)
Architettura dell'informazione | Prof. Luca A. Ludovico
Introduzione a XML
• XML (acronimo di eXtensible Markup Language) è un
metalinguaggio di markup, ovvero un linguaggio
marcatore che definisce un meccanismo sintattico
che consente di estendere o controllare il significato
di altri linguaggi marcatori
• Il nome indica quindi che si tratta di un linguaggio
marcatore (markup language) estensibile (eXtensible)
in quanto permette di creare tag personalizzati
Architettura dell'informazione
Prof. Luca A. Ludovico
Cos’è XML (e cosa non è)
• XML è contemporaneamente:
– Linguaggio di annotazione o etichettatura o marcatura (markup) che
permette di creare gruppi di marcatori o etichette (tag set)
personalizzati
– Formato standard per lo scambio dei dati
– Metalinguaggio per creare documenti arricchiti da informazioni
addizionali
– Un supporto per la costruzione di formati specifici per gli usi più
disparati (esempi: MathML, XHTML, ChemicalML, ecc..)
• XML non è:
– Un sostituto di HTML: le pagine web continueranno ad essere scritte
in HTML. XML è un metalinguaggio, HTML è un linguaggio
– Un linguaggio di programmazione: ogni documento XML contiene dati
ed informazioni sui dati. Questi vengono poi estratti ed elaborati
dalle varie applicazioni.
Architettura dell'informazione
Prof. Luca A. Ludovico
Il background di XML
• Sottoinsieme di Standard Generalized Markup
Language (SGML), nato negli anni ‘60
XML
SGML
XHTML
MathML
MusicXML
…
HTML
• La sua adozione estensiva deriva dal successo
dell’HMTL come linguaggio per descrivere pagine Web
• Standard approvato dal World Wide Web Consortium
(W3C, http://www.w3.org)
Architettura dell'informazione
Prof. Luca A. Ludovico
Pervasività di XML: alcuni esempi
• Dalla versione 2007 in avanti i software della suite Microsoft
Office adottano principalmente i formati XML
– .docx per Word, .pptx per PowerPoint, .xlsx per Excel
– .odt e .odf di OpenOffice, principale competitor
• Molti siti (tra cui ludovico.net) sono scritti in XHTML, un
linguaggio basato su XML per creare pagine Web
• Gran parte dei software per l’editing digitale della partitura
supportano il formato MusicXML
• Il formato EPUB (electronic publication) per gli e-book è XML
Piè di pagina: spazio libero per eventuale
nome struttura o altro
Benefici di XML
• Interscambiabilità su Internet (è plain text e
supportato dal W3C)
• Struttura gerarchica
• Intelligibilità (è plain text e i marcatori sono
evocativi)
• Estensibilità
• Enorme disponibilità di tool per la lettura, la
creazione e la manipolazione dei documenti
Architettura dell'informazione
Prof. Luca A. Ludovico
I tag in XML
• In un documento XML possiamo “inventare” i tag
<?xml version="1.0" encoding="UTF-8"?>
<note>
<from>Carlo</from>
<to>Luca</to>
<title>Appuntamento</title>
<message>Ricordati la riunione del <date>9/1/2008</date></message>
</note>
• La scelta dei tag (nomi, annidamento,…) può essere
effettuata a seconda delle informazioni che
interessa rappresentare
Architettura dell'informazione
Prof. Luca A. Ludovico
Lettura intuitiva dell’XML
• La prima linea del documento (opzionale) identifica lo stesso
come un XML ed indica anche la versione
• Il primo tag <note> identifica la radice del documento. In
linguaggio naturale: “questo documento è una nota”.
• I restanti tag specificano il contenuto della nota in termini di
titolo, mittente, destinatario e messaggio
• L’ultimo tag </note> conclude la descrizione della nota
• I tag si dividono in:
– Tag di apertura (start tag): <nometag> es: <note>
– Tag di chiusura (end tag): </nometag> es: </note>
– Tag vuoti (empty tag): <nometag/>
es: <note/>
Architettura dell'informazione
Prof. Luca A. Ludovico
Un esempio in XML
<?xml version="1.0" encoding="UTF-8"?>
<utenti>
<utente>
<nome>Luca</nome>
<cognome>Ruggero</cognome>
<indirizzo>Milano</indirizzo>
</utente>
<utente>
<nome>Max</nome>
<cognome>Rossi</cognome>
<indirizzo>Roma</indirizzo>
</utente>
</utenti>
• Si può notare somiglianza con le informazioni contenute nella
tabella di un database (maggiore leggibilità ma verbosità)
Architettura dell'informazione
Prof. Luca A. Ludovico
Elementi
• Un elemento XML è tutto ciò che è compreso tra un tag di apertura
(incluso) ed il corrispettivo tag di chiusura (incluso)
<nometag>contenuto</nometag>
• Tra i due tag si trova il contenuto dell’elemento, che può essere:
–
–
–
–
simple content: se il contenuto è un semplice testo.
Esempio: l’elemento <title>
element content: se il contenuto è costituito da altri elementi.
Esempio: l’elemento <note>
mixed content: se contiene testo inframezzato da altri elementi.
Esempio: l’elemento <message>
empty content: se il contenuto dell’elemento è vuoto
• Per un elemento vuoto la coppia apertura/chiusura può essere
sostituita da un tag vuoto
Architettura dell'informazione
Prof. Luca A. Ludovico
Esempio di etichettatura
Elemento
Start tag
<address>
<street>33, Terry Dr.</street>
Content
<city>Morristown</city>
</address>
End tag
Architettura dell'informazione
Prof. Luca A. Ludovico
Esempio
• Un elemento può contenere:
– Altri elementi
<address>
<street>33, Terry Dr.</street>
<city>Morristown</city>
</address>
– Testo semplice
<street>33, Terry Dr.</street>
Architettura dell'informazione
Prof. Luca A. Ludovico
Estensibilità degli elementi
• Gli elementi in XML sono estensibili
• In questo modo è possibile mantenere compatibilità delle nuove
versioni del formato con versioni precedenti del software
(retrocompatibilità, o backward compatibility)
• Es:
Versione 1.0
<?xml version="1.0"?>
<note>
<from>Carlo</from>
<to>Luca</to>
<title>Appuntamento</title>
<message>Ricordati la riunione di
oggi</message>
</note>
Architettura dell'informazione
Prof. Luca A. Ludovico
Versione 2.0
<?xml version="1.0"?>
<note>
<from>Carlo</from>
<to>Luca</to>
<title>Appuntamento</title>
<message>Ricordati la riunione di
<bold>oggi</bold></message>
</note>
Modello ad albero
• Gli elementi in XML sono in relazione (di contenimento, di
paternità, …) tra di loro e queste relazioni determinano il modello
del documento
• Il documento è organizzato come un albero, in cui la relazione di
contenimento tra elementi è equivalente alla relazione nodosottonodo
• Es: <to>, <from>, <title> e <message> sono sottoelementi di <note>
<?xml version="1.0"?>
<note>
<to>Luca</to>
<from>Carlo</from>
<title>Appuntamento</title>
<message>Ricordati la riunione di oggi</message>
</note>
• L’entità che non è sottoentità di nessuno (es: <note>) è l’elemento
radice (root element)
Architettura dell'informazione
Prof. Luca A. Ludovico
Modello ad albero
<?xml version="1.0"?>
<note>
<from>
<name>Carlo</name>
<surname>Bianchi</surname>
</from>
<to>
<name>Luca</name>
<surname>Rossi</surname>
</to>
<title>Appuntamento</title>
<message>Ricordati la riunione di oggi</message>
</note>
note
from
name
to
surname
Architettura dell'informazione
Prof. Luca A. Ludovico
name
title
surname
message
Attributi
• Gli attributi sono informazioni aggiuntive che possono essere
inserite negli elementi XML per completarne o arricchirne
l’informazione
<nometag attr1="val1" attr2="val2" ...>...</nometag>
• Vengono inseriti solo nei tag di apertura (o nei tag vuoti)
• Sintassi: coppie nome_attributo="valore"
• Il valore degli attributi è racchiuso o tra apici singoli o tra apici
doppi
• nome_attributo deve essere univoco per ogni elemento
<message language="ITA">Ricordati la riunione di oggi</message>
Architettura dell'informazione
Prof. Luca A. Ludovico
Attributi o elementi?
• Spesso le stesse informazioni possono essere rappresentate
sia tramite attributi che tramite (sotto)elementi. Queste
sono alcune tra le molte varianti ammissibili:
Sottoelementi
<note>
<title>Appuntamento</title>
<from>Carlo</from>
<to>Luca</to>
<message>ABC123</message>
</note>
Attributi
<note title="Appuntamento">
<from>Carlo</from>
<to>Luca</to>
<message>ABC123</message>
</note>
<note title="Appuntamento"
from="Carlo" to="Luca">
ABC123
</note>
<note title="Appuntamento"
from="Carlo" to="Luca"
message="ABC123" />
Architettura dell'informazione
Prof. Luca A. Ludovico
Attributi o elementi?
• La scelta tra attributi o elementi (quando si progetta il linguaggio)
è soggettiva, tuttavia le due soluzioni non sono in genere
equivalenti
–
Quando invece di progettare il formato si aderisce a un sottolinguaggio XML
specifico, le regole sulla codifica dell’informazione sono prefissate
• Problemi con gli attributi:
– Non possono contenere valori multipli
<parent name=“Luca”><child>Marco</child> <child>Mario</child></parent>
– Sono difficilmente espansibili (aggiunta di sottoelementi)
– Non possono descrivere strutture
<book><author><name>..</name><surname>..</surname></author></book>
• E’ opportuno usare gli attributi per informazioni essenziali per
l’elemento, come ad esempio gli identificativi (ID)
Architettura dell'informazione
Prof. Luca A. Ludovico
Esempi
<padre nome="luca">
<figlio nome="carlo"/>
<figlio nome="giulia"/>
<figlio nome="giovanni"/>
</padre>
OK
<padre nome="luca" figlio="carlo" figlio="giulia" figlio="giovanni"/>
NO, perché non posso avere 3 attributi con identico nome nello stesso elemento.
<padre
nome="luca"
figli="carlo, giulia, giovanni"/>
Sintatticamente OK, però è difficile effettuare il parsing dei singoli valori.
Architettura dell'informazione
Prof. Luca A. Ludovico
Regole sintattiche
• Tutti i tag aperti devono essere chiusi
Corretto
<p>paragrafo1</p>
<p>paragrafo2</p>
Non corretto
<p>paragrafo1
<p>paragrafo2
• I tag devono essere correttamente annidati, o innestati (nested)
quindi l’ordine di chiusura deve essere inverso rispetto a quello di
apertura
Corretto
<i><b>corsivo e
grassetto</b></i>
Architettura dell'informazione
Prof. Luca A. Ludovico
Non corretto
<i><b>corsivo e
grassetto</i></b>
Regole sintattiche
• Ogni documento XML deve avere uno ed un solo elemento radice.
Corretto
<note>
<to>Luca</to>
<from>Carlo</from>
<title>Appuntamento</title>
<message>…</message>
</note>
Non corretto
<to>Luca</to>
<from>Carlo</from>
<title>Appuntamento</title>
<message>…</message>
<note>…</note>
<note>…</note>
• Quando una data rappresentazione dei dati implicherebbe l’uso di
più nodi radice, è necessario sostituire il nodo radice scelto con uno
di significato più generale.
–
Ad esempio, se è necessario rappresentare tanti elementi
<libro>…</libro>, l’elemento radice sarà più propriamente
<biblioteca>…</biblioteca> contenitore di sottoelementi
<libro>…</libro>
Architettura dell'informazione
Prof. Luca A. Ludovico
Regole sintattiche
• I valori degli attributi devono sempre essere inclusi tra apici
Corretto
<note date="12/11/2002">
Non corretto
<note date=12/11/2002>
• XML è “case sensitive”, cioè distingue maiuscole da minuscole
Corretto
<to>Luca</to>
Non corretto
<to>Luca</To>
<to>Luca</TO>
• In XML gli spazi vengono preservati
• I commenti possono essere inseriti tra i segni <!-- e -->
<!-- Questo è un commento XML -->
Architettura dell'informazione
Prof. Luca A. Ludovico
Well-formedness vs Validity
• Un documento è detto well-formed (ben formato) se segue le
regole grammaticali fornite dal W3C, di cui sono esempio le
regole sintattiche elencate.
Quindi, un documento è ben formato rispetto all’XML in
generale, non rispetto a un particolare formato basato su
XML.
• Un documento è detto valid (valido) se è conforme ad un
DTD che ne specifica la struttura.
Per essere valido, il documento deve essere innanzi tutto
ben formato > well-formedness è condizione necessaria, ma
non sufficiente per la validity.
La validità si verifica rispetto a un particolare linguaggio
basato su XML, ad esempio rispetto a MathML o XHTML.
Architettura dell'informazione
Prof. Luca A. Ludovico
Well-formedness vs Validity
• In altri termini:
– Un documento è detto well-formed (ben-formato) se segue le
regole grammaticali fornite dal W3C.
– Un documento è detto valid (valido) se è conforme ad un DTD
che ne specifica la struttura.
Architettura dell'informazione
Prof. Luca A. Ludovico
Esempio di documento XML
<?xml version="1.0" encoding="UTF-8"?>
<testo tipo= "articolo" >
L'album <title>The Beatles 1</title>, più noto
semplicemente come <title>1(One)</title>, è una
raccolta dei più grandi successi dei
<artista>Beatles</artista>, pubblicata nel 2000.
La compilation, prodotta da <artista>George
Martin</artista> come la quasi totalità degli album
della band di Liverpool, raccoglie su un unico disco 27
singoli che tra il 1962 e il 1970 raggiunsero la prima
posizione nelle classifiche di vendita del <paese>Regno
Unito</paese> o degli <paese>Stati Uniti</paese>. Tutte
le canzoni della raccolta sono famosissime e vengono
considerate dei capisaldi della storia del rock
mondiale. <title>1</title> è risultato l'album più
venduto nel 2000, con oltre 31 milioni di copie, di cui
10 solo negli <paese>Stati Uniti</paese>.
</testo>
Architettura dell'informazione
Prof. Luca A. Ludovico
Esempio di documento XML
<?xml version="1.0" encoding="UTF-8"?>
<!-- Questa è una riga di commento: nota la sintassi!!! -->
<cdl nome_corso="Scienze e tecnologie per i Beni Culturali">
<insegnamento>
<docente>Luca A. Ludovico</docente>
<orario>
<!-- Commento: sintassi poco elegante per un elemento vuoto -->
<giorno nome_giorno="mercoledì"
orario_giorno="10.30-15.30"></giorno>
<!-- Commento: sintassi più elegante -->
<giorno nome_giorno="giovedì" orario_giorno="13.30-17.30" />
</orario>
</insegnamento>
<insegnamento nome_insegnamento="Chimica">
<docente>Francesca Porta</docente>
<orario>…</orario>
</insegnamento>
<insegnamento nome_insegnamento="Fisica">
<docente>Pasquale Tucci</docente>
<orario>…</orario>
</insegnamento>
</cdl>
Architettura dell'informazione
Prof. Luca A. Ludovico
Esempio di documento XML
<?xml version="1.0" encoding="UTF-8"?>
<raccolta>
<ultimo_aggiornamento>
<data>18/11/2009</data>
<orario>
<ore>15</ore>
<minuti>12</minuti>
<secondi>05</secondi>
</orario>
</ultimo_aggiornamento>
<!-- Commento: sarebbe stato accettabile anche:
<ultimo_aggiornamento data_ora="18/11/2009, 15.12.05" />
-->
<cd titolo_album="One" artisti="The Beatles">
<traccia num="1">Love Me Do</traccia>
<traccia num="2">From Me To You</traccia>
...
</cd>
<cd titolo_album="So far so good" artisti="Bryan Adams">
<traccia num="1">Summer of '69</traccia>
<traccia num="2">Straight from the heart</traccia>
...
</cd>
</raccolta>
Architettura dell'informazione
Prof. Luca A. Ludovico