XML

(1)

CINF0033 - Estruturas e Linguagens da Informação 1

Linguagens de Marcação

(2)

Linguagens de Marcação - Roteiro

• Definições

• Características das LM

• Estruturas usadas nas LM

´

s

• Vantagens das LM

´

s

• Sobre HTML

• Sobre XML

• HTML

vs.

• Aplicações da XML

(3)

Linguagens de Marcação (LM´s)

• Definição: Conjunto de convenções utilizadas

para a codificação de textos.

• A “marcação” consiste em utilizar anotações

ou marcas em um texto, com o objetivo definir

a maneira como parte do texto deve ser

representada.

• Cada LM:

– Define o significado de cada marcação;

– Especifica quais marcas são exigidas e quais são

opcionais;

(4)

Onde as LM´s são usadas?

• Em processadores de texto (Word);

• Em compiladores de texto (Latex);

(5)

Quem define as LM´s?

Objetiva manter

abordagens mais

eficientes e

padronizadas para a

manipulação de

(6)

Linguagens de Marcação

• O objetivo principal é fornecer uma descrição

detalhada de como o documento deve ser

estruturado independente de um software

processador de dados.

• Componentes das linguagens de marcação:

–

Estrutura - organiza componentes numa estrutura de árvore

–

Entidade - declara um apelido para um conteúdo

–

Marca ou elemento - declara um elemento ou item de dado

–

Atributo - dão clareza ao elemento

(7)

Exemplo de estrutura

• Sobre esta estrutura

hierárquica conteúdo e

formatação são construídos e

processados.

• O documento pode ser

redesenhado, dados podem

ser extraídos,diferentes

visualizações podem ser

definidas.

–

Exemplo: Hipertexto

(8)

Entidade

• Entidade é utilizada para definir um conteúdo

que será inserido onde for referenciada.

• Exemplo de definição:

<!Entity

eComercial

“&”

>

• Exemplo de uso:

<P> Ciência

&eComercial;

Tecnologia </P>

(9)

Marcas

• Marcas são colocadas no início e fim de cada item do

documento.

• Todas as marcas são envolvidas por < >

• Para cada marca aberta deve existir uma marca de

fechamento composta do nome da marca de abertura

seguido de /

• As marcas de abertura e fechamento são conhecidas

coletivamente como elementos.

• Exemplos:

–

<P> Este é um parágrafo </P>

–

<P/>

(10)

Atributos

• Fornecem detalhes ou instruções de formatação

ou processamento para um elemento.

• Exemplo:

<P>

<FONT FACE=“

Bookman

” SIZE=“12”> Texto

(11)

Comentário

• Permite instruir o usuário do documento. Não

• será processado.

• Exemplo:

–

(12)

Estrutura usadas nas LM´s

• Identificam, de forma descritiva, cada

“entidade informacional” (parágrafos, títulos,

tabelas).

– A partir destas descrições, os programas de

computador podem melhor compreender e, em conseqüência, melhor tratar ou processar a

informação contida em documentos eletrônicos;

• Usam etiquetas (

tags)

para qualificar cada

objeto do texto, para transformá-los em

informação tratável por computador;

• Uma boa prática é separar conteúdo do

documento do estilo usado em sua

(13)

Vantagens de utilização das LM´s

• Minimizam o problema de transferência de um

formato de representação para outro e

libertam a informação das tecnologias de

informação proprietárias e dos formatos

proprietários;

– A utilização de padrões de marcação internacionais

abertos, permite a criação de documentos portáveis, isto é, documentos que não são dependentes de um determinado software, hardware, ou sistema

(14)

Oportunidades das LM´s para

a Ciência da Informação

• Melhor aproveitar a massa de informações

disponível na Internet, transformando-a em

algo mais gerenciável e útil;

• Permite conferir elementos

estruturais/semânticos à Internet;

• A ciência de informação, como campo

(15)

Sobre HTML

• Criada por Tim Berners Lee em 1990

– em 1992, Marc Anderson criou o MOSAIC, o primeiro navegador web com interface gráfica, que evoluiu para o Netscape.

• Padrão aberto (não tem dono);

• Baseada na SGML (ISO 8879);

• Formato texto e Independente de plataforma;

• Permite embutir diversos objetos no documento;

• Conjunto fixo de tags (não permite criar tags);

• Descreve apenas a formatação do documento

(apresentação);

• Fácil aprendizado;

• Usada em milhões de Web sites

(16)

Estrutura dos Documentos

• É constituída por três componentes, distintos

e separados:

1. Conteúdo:

a informação propriamente dita.

2. Estrutura:

define a organização do documento.

3. Estilo (ou formatação):

define o visual de apresentação das informações ao usuário.

(17)

Exemplo de estrutura em

HTML

1. Conteúdo

2. Estrutura

3. Estilo

<HTML>

<HEAD><TITLE> Relação de notas</TITLE> </HEAD> <BODY bgcolor="beige">

<TABLE border=1 cellspacing=0><CAPTION>

Resultado final dos alunos</CAPTION> <TR bgcolor="#dddddd">

<TH>Nome do aluno</TH>

<TH>Nome da disciplina</TH> <TH>Média</TH>

<TH>Resultado</TH></TR> <TR>

<TD>Joana</TD>

<TD>Matemática</TD> <TD>7,0</TD>

(18)

HTML

• <HTML> - elemento principal

• <HEAD> - cabeçalho do documento

• <TITLE> - título do documento

• <META> - metadados do documento

• <BODY> - corpo do documento

• <H1> até <H6> - título das seções do documento

• <P> - parágrafo

• <A> - link

• <TABLE> - tabela

• <IMG> - imagem

• Referência do HTML: http://www.w3schools.com/tags/default.asp

• Tutorial HTML: http://www.w3schools.com/html/default.asp

(19)

Limitações do HTML

• Muitas organizações e empresas começaram

a perceber que estavam bastante limitadas

pela falta de flexibilidade de HTML

no tocante

às suas possibilidades em promover a troca

mais efetiva de informações pela Web

;

• A introdução da formatação de estilo HTML

começou a tornar os documentos de difícil

leitura para o homem.

(20)

Sobre XML

• Criada por Jon Bosac da Sun;

• Padrão aberto (não tem dono);

• Baseada na SGML (ISO 8879)

• Formato texto e Independente de plataforma;

• As etiquetas (tags) não estão pré-definidas. Permite ao

desenvolvedor criar suas próprias tags, ou seja, permite definir outras linguagens;

• XML foi desenhado para descrever dados

• Não fornece instruções de como o conteúdo deve ser

apresentado;

• Pode ser usada para a criação de sites;

• Pode atuar em conjunto com a HTML ou XHTML

(eXtensible Hypertext Markup Language);

(21)

Sobre

XML

• Permite criar informação semi-estruturada;

• Pode ser facilmente interpretada por seres

humanos ou sistemas de software.

• Cria uma estrutura

para representação

da informação

<?xml version="1.0" encoding="ISO-8859-1"?>

<livro isbn="85-352-1304-X" >

(22)

Sobre XML

• Permite descrever a estrutura das

informações por meio de metadados bem

como as próprias informações.

• Devemos definir as nossas tags.

(23)

Como criar um arquivo XML

• Criando

_{um documento de texto Unicode a}

partir de qualquer editor de textos

• Gerando

_{um documento a partir de uma}

_á

_rvore

montada dinamicamente

• Gerando

_{um documento através de programas}

(24)

Como criar um arquivo XML

• Regras do XML

–

Defina um elemento raiz;

–

Os elementos devem seguir as regras de nomeação:

• Nomes podem conter letras, números, e outros caracteres

• Nomes não devem começar com um número ou

caractere de pontuação

• Nomes não devem começar com as letras xml (ou XML

ou Xml ..)

• Nomes não podem conter espaços

• Por convenção evite "-

" e "." nos nomes. Use “_”.

• O “:”, “<“, “>” não podem ser usados.

(25)

Elementos XML

• Elementos são denotados por tags de marcação

• <

foo

attr1

=“

value

”>

o_texto

</

foo

>

–

Tag inicial do elemento:

foo

– Atributo: attr1

–

O dado textual:

o_texto

(26)

Estrutura básica

• Um documento XML é uma

árvore ordenada

e rotulada

• Nós folha de

dado textual

contém os dados

reais (strings de texto)

• Nós

elemento

, são rotulados com

–

Um nome (frequentemente chamados de elemento

type

), e

–

Um conjunto de

atributos

, cada um composto por

um nome e um valor,

(27)

(28)

Exemplo XML

<chapter id="cmds">

<chaptitle>FileCab</chaptitle>

<para>This chapter describes the commands

that manage the <tm>FileCab</tm>

(29)

XML: Objetivos de projeto

• Framework comum para estruturação da informação

• Permite

marcação feita sob medida

para qualquer

domínio de aplicação imaginável

• Suporta

internacionalização

(Unicode) e

independência de plataforma

• Ser a ferramenta mais importante para

(30)

Por que usar XML?

• Representa dados semi-estruturados (dados são

estruturados, mas não encaixam no modelo relacional)

• XML é mais flexível que BDs

• XML é mais estruturado do que texto livre ou HTML

• Permite fazer uso de uma gigantesca infra-estrutura

(31)

XML Schemas

• Schema = definição de sintaxe da linguagem XML

–

Fornece controle sintático à linguagem XML, por meio de

restrições à estrutura, bem como da definição de tipos de

dados para documentos XML.

• Linguagem Schema = linguagem formal para

expressar schemas XML

–

Exemplos

• Document Type Definition - DTD

• XMLSchema (padrão W3C)

• Relevância para RI: permite a realização de busca

(32)

XML Schemas

• Utiliza-se DTD ou um XMLSchema para garantir a

integridade sintática e semântica de um documento

XML, isto é definir um documento válido.

–

A estrutura do documento é especificada em termos de

elementos, atributos e tipos de dados que tal documento

pode conter.

–

Um documento XML é

valido

se ele obedece às restrições

sintáticas especificadas na estrutura da linguagem XML,

conforme as especificações do W3C.

–

Um documento XML é

bem formado

se a ele estão

(33)

Exemplo de DTD para Livros

<DOCTYPE livros [

<!ELEMENT livro (titulo, autor+, keywords, editora, ano, preco*, disponivel)> <!ATTLIST livro isbn CDATA #REQUIRED>

<!ELEMENT titulo (#PCDATA )> <!ELEMENT autor (#PCDATA)> <!ELEMENT keywords (key*)> <!ELEMENT key (#PCDATA )>

<!ELEMENT editora (#PCDATA )> <!ELEMENT ano (#PCDATA )> <!ELEMENT preco (#PCDATA )>

<!ELEMENT disponivel (#PCDATA )> ]>

Apesar do DTD apresentar regras rígidas, é possível construir estruturas

flexíveis.

Por exemplo, Nem todos os livros precisam ter preço.

<?xml version="1.0" encoding="ISO-8859-1"?>

<livro isbn="85-352-1304-X" > <titulo>Guia Completo de Cabeamento</titulo>

<autor>José Pinheiro</autor> <keywords>

<key>redes </key>

<key>cabeamento </key> <key>cabos </key>

<key>protocolos</key> </keywords>

<editora>Campus</editora> <ano>2003</ano>

(34)

(35)

(36)

Exemplo de XML Schema para Leis

<?xml version=“1.0”?> <xsd:schema xmlns:xsd=“http://www.w3.org/2001/XMLSchema” xmlns=“http://www.cl.df.gov.br”> <xsd:element name=“lei”> <xsd:complex Type> <xsd:sequence>

<xsd:element name=“numero” type=“xsd:string”/>

<xsd:element name=“data” type=“xsd:string”/>

<xsd:element name=“autor” type=“xsd:string”/>

<xsd:element name=“ementa” type=“xsd:string”/>

</xsd:sequence> </xsd:complex Type> </xsd:element>

</xsd:schema>

XML Schema

fornece controle fino sobre o formato e

tipos de dados dos elementos e seus atributos.

<?xml version=“1.0” encoding=“ISO-8859-1”?>

<lei xmlns=“http://www.cl.df.gov.br”

xmlns:xsi=“http://www.w3.org/2001/XMLSchema-instance”

xsi:schemaLocation=“http://www.cl.df.gov.br lei.xsd”>

<numero> 426 <numero/> <data> 06/04/1993 <data/>

<autor> Governo do Distrito Federal <autor/>

<ementa> Cria a subsecretaria de Defesa do Consumidor PROCON na estrutura da Secretaria do Governo do Distrito Federal e dá outras providências

(37)

(38)

Exemplo de validação XML

• Download EditiX: http://www.editix.com/download.html

• Instale-o

• Faça download dos exemplos didáticos no site da disciplina e extraia-os em uma pasta.

• Execute o programa

– Abra o arquivo XML a ser validado (livro-dtd.xml)

– Acesse o menu XML > check this document

– Aparece uma mensagem informando que o documento está correto (válido).

– Repare que o arquivo dtd (livro.dtd )deve estar na mesma pasta do arquivo xml a ser validado (livro-dtd.xml)

• Veja também:

https://www.w3schools.com/xml/xml_validator.asp

(39)

Correspondente em XML documento em HTML

<html> <body>

<p> ISBN: 85-352-1304-X <br>

Livro "Guia Completo de Cabeamento", autor José Pinheiro, editora Campus, publicado em 2003. Preço atual R$59,00. No momento temos estoque disponível. </p>

</body> </html>

<livro isbn="85-352-1304-X">

<titulo>Guia Completo de Cabeamento</titulo>

<autor>José Pinheiro</autor>

<editora>Campus</editora>

<ano>2003</ano> <preco>59,00</preco>

<disponivel>sim</disponivel>

</livro>

(40)

HTML vs XML

• HTML é uma linguagem de marcação para um

propósito específico de exibição em browsers

• XML é um framework para definir linguagens

de marcação

• HTML pode ser formalizado como uma

linguagem XML (XHTML)

• XML define estrutura lógica apenas

(41)

Vantagens da XML em relação a

HTML

• XML fornece liberdade na criação de marcas,

possibilitando a representação dos mais diversos tipos de informação;

• Em vez de descrever como os dados devem ser

mostrados, as marcas indicam o que cada dado

significa;

• Em XML as marcas podem ser embutidas umas dentro

de outras, fato que permite determinar uma informação

com significado mais específico dentro do texto;

• HTML é limitada, apenas indica como as informações

(42)

Aplicações do XML

Versão do Distribuidor

Versão da Matriz

1. Intercâmbio de informação entre

organizações;

(43)

Aplicações do XML

2. Intercâmbio de metadados entre sistemas

documentais;

Exemplos:

– Registros Dublin Core/XML via protocolo

OAI-PMH

– www.repositorio.ufpe.br/oai/request?verb=GetRecord&metadataPrefix= oai_dc&identifier=oai:repositorio.ufpe.br:123456789/387

– Registros no formato MARCXML

– https://lccn.loc.gov/2012027181/marcxml – https://lccn.loc.gov/n79026451/marcxml

(44)

Governo

Empresa

Consumidor

Governo

G2G

coordenação

G2B

informação

G2C

informação

Empresa

B2G

Aquisição informação

B2B

e-Business

B2C

e-Commerce

Consumidor

C2G

imposto

C2B

Comparação de preços

C2C

Leilão Ebay.com

Aplicações do XML

(45)

Aplicações do XML

4. Na manutenção e gerenciamento de conteúdo de sites (integração HTML com XML);

5. Na integração de plataformas ou dispositivos de

hardware, tais como Windows, Linux, MAC, palmtops, handhelds etc;

6. RSS – Divulgação de informações;

7. Criação de Ontologias (RDF e OWL);

8. Configuração de WebServices;

9. Banco de dados.

10. Construção de outras linguagens como: CML

(46)

Restrições da XML

• Capacidade semântica limitada, já que tags com

nomes iguais podem possuir significados diferentes e tags com nomes diferentes podem possuir significados iguais em diferentes contextos;

• Difícil de descrever relações entre as informações (por

não permitir dar significado interpetrável por máquina às marcas nem deixar explícitas relações entre

marcas);

• Para representação do conhecimento na Web é

(47)

Vantagens do XML para a CI

• XML é um conjunto de regras e convenções de sintaxe

que podem ser utilizadas para a criação de conjuntos personalizados de elementos de marcação, com vistas à descrição do conteúdo de um documento eletrônico.

• A definição de tags próprias confere à linguagem XML

“habilidades estruturais/semânticas”, que possibilitam

melhorias significativas em processos de recuperação e disseminação da informação;

• Para criar uma estrutura compreendida por todos é

necessário se definir um DTD ou XML Schema (um tipo de gramática para a estrutura);

• Se todos os envolvidos com o documento XML

reconhecerem sua estrutura de forma padronizada eles poderão fazer intercâmbio de dados

(48)

Conclusões

• As linguagens de Marcas formam um importante

suporte para a Ciência da Informação;

• São relevantes os estudos que possam verificar os

benefícios reais para processos de recuperação da informação, a partir das possibilidades

estruturais/semânticas com o uso da XML;

• Pode-se dizer que a passagem de uma marcação de

apresentação com HTML para uma marcação

estrutural com XML é uma fase importante no esforço para se transformar a Web de um espaço global de

(49)

Referências

• Artigos de (Almeida,2002) e (Bax, 2001)

• (FEITOSA, 2006)

–

Seções 4.4, 4.4.1 e 4.4.2

• Tutorial XML

–

http://www.brics.dk/~amoeller/XML/index.html

–

Anders Møller and Michael Schwartzbach, 2003.

–

Parte dos slides são baseados neste tutorial.

• http://www.w3.org/standards/semanticweb/

(50)

Referências sobre XML

• World Wide Web Consortium (W3C).

eXtensible Markup

Language

. http://www.w3.org/XML/.

Aborda XML e suas

tecnologias. Contém as últimas especificações de XML, XPath, XMLSchema, XSLT, XSL-FO, XQuery, XLink, XPointer, SVG, XHTML ...

• Tutoriais do W3Schools

– http://www.w3schools.com/xml/default.asp

(51)

Referências sobre XML

• Existem vários livros sobre XML

• PITTS-MOULTIS, N.; KIRK, C. XML Black Book. São Paulo:

MAKRON Books, 2000. ISBN 85-346-1262-5. Aborda o básico de XML com profundidade.

• Elliotte Rusty Harold. XML 1.1 Bible, Third Edition, 2004.

Capítulos em: http://cafeconleche.org/books/bible3/chapters/