Úvod do XML Technologie

Transkript

1 4 TVEZEWXYHMNR LSTVSKVEQY-RJSVQEXMOENITSHTSVSZ RETVSNIOXIQRERGSZER Q ^)ZVSTWO LSWSGM PR LSJSRHYEVS^TS XYLPEZR LSQ WXE4VEL] 4VELE)9-RZIWXYNIQIHSZE% FYHSYGRSWXM Úvod do XML Technologie BI-TWA Peter Vojtáš s korekturou Martina Kruliše

2 TWA kde jsme, co dál V dvou třetinách přednášky HTML a PHP svět, s relačními daty (1NF, CWA, ) Problémy a potřeby dat na webu, různé cesty - XML - standard pro data (bez 1NF, OWA, ) - Sémantický web (automatizace web of data) - Web 2.0 (sociální web, wisdom of crowds, Web Science (WSRI), ) - Sémantizace webu (proces, WIE, anotace, ) Dnes datový model XML, příště dotazování, RDF, BI-TWA Úvod do XML 2

3 Práce s velikými daty již 1890 data processing or keypunch cards BI-TWA Úvod do XML 3 Copyrighted pictures used only for teaching purpose

4 Analogie motivace? Web stránky Internet Google Sémantický web (IMS) BI-TWA Úvod do XML 4 Copyrighted pictures used only for teaching purpose

5 Propojit celé lidské know-how v 1945 V roce 1945 dnes? Wikipedia The memex is the name given by Vannevar Bush to the theoretical proto -hypertext computer system in As We May Think. The memex has influenced the hypertext and intellect augmenting computer systems. BI-TWA Úvod do XML 5 Copyrighted pictures used only for teaching purpose

6 Tříúrovňový model Fyzická úroveň Fyzikální princip papír mikrofilm magnetizmus Reprezentační (datová) vrstva vnitřní reprezentace dat, např. stoh XML Logická úroveň Prezentační (externí úroveň) BI-TWA Úvod do XML 6 Copyrighted pictures used only for teaching purpose

7 Značkovací jazyky MarkUp languages IBM Generalized Markup Language už tady byl 1960 Myšlenka dodat sémantiku (metadata) pomocí značek Standard Generalized Markup Language (ISO 8879:1986 SGML) Značky lze vnořit, měly by zachovat strom. strukturu nelze např. <a> <b> </a> </b> Někdy ale se sémantika (kontext) překrývají, lze pak <abegin> <bbegin> <aend> <bend>??? BI-TWA Úvod do XML 7

8 J. Pokorný a kol. XML technologie Principy a aplikace v praxi, Grada 2009 Značkovací jazyky HTML Myšlenka MarkUp značkování, anotace. příklad HTML <i>tato přednáška</i> má název <b>tvorba webovských aplikací</b> V prohlížeči to pak vypadá Tato přednáška má název Tvorba webovských aplikací Cíle HTML Dříve především úprava vzhledu obsahu Dnes definuje typ obsahu Tohle je nadpis, tohle odstavec, Vzhled určuje prohlížeč (a CSS) HTML 5 už dál BI-TWA Úvod do XML 8

9 J. Pokorný a kol. XML technologie Principy a aplikace v praxi, Grada 2009 XML syntax (stručně) XML Pravidla pro značkování Značky si zvolí uživatel sám (program, který je zpracovává musí vědět, co znamenají) <NSWI108>Tato přednáška</ NSWI108 > má název <název> Tvorba webovských aplikací </ název> Formát XML dokumentu Preambule <?xml version= 1.0 encoding= utf-8?> Právě jeden kořenový element <můj_dokument> </můj_dokument> BI-TWA Úvod do XML 9

10 XML syntax stromová struktura Značky lze vnořit, ale zachovat strom, nelze např. <a> <b> </a> </b> <přednáška> <název> Úvod </název> <přednášející> <Titul> Prof. </Titul> <křestní> Peter </ křestní> <příjmení> Vojtáš </příjmení> </přednášející> </přednáška> přednáška element název přednášející podelement Úvod Titul křestní příjmení Prof. Peter Vojtáš BI-TWA Úvod do XML 10 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

11 XML syntax stromová struktura Jednoduché hodnoty lze psát dovnitř elementu jako hodnoty atributů (různě) <přednáška> <název> Úvod </název> <přednášející Titul= Prof. > <křestní jméno> Peter </ křestní jméno> <příjmení> Vojtáš </příjmení> </přednášející> </přednáška> <přednáška název= Úvod > <přednášející Titul= Prof. Lze psát křestní= Peter příjmení= Vojtáš také /> <! komentář uzavření --> </přednáška> Rozdíl: Atributy se na rozdíl od elementů nemůžou opakovat a obsahují pouze literál. BI-TWA Úvod do XML 11 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

12 XML (globální) identifikátory - URI Na webu je první problém s identifikací URI Uniform Resource Identifier, URI schema <SchemeName>:<HierarchicalPart>[?<Query>][#<Fragment>] SchemeName může být protokol (ftp, http, mailto, gopher, ) ale také jiné (např. fax, news, about, javascript ) BI-TWA Úvod do XML 12

13 XML (globální) identifikátory - URI <hierarchical part> obvykle začíná // a může být např. [uzivatel[:heslo]@]server[:port]/cesta Např. URI vs. URL URL je speciálním případem URI URI slouží především k identifikaci zdroje URL slouží především jako cesta k dosažení zdroje BI-TWA Úvod do XML 13

14 DTD, Schema, sémantika v XML XML dokument ~ data, databáze Dobře vytvořený (well formed) XML dokument preambule, jeden kořen a správně vytvořené entity (elementy, atributy, odkazy) XML dokument může být validní vzhledem ke schématu specifikaci struktury (DTD, Schema, ) DTD (už SGML) je bezkontextová gramatika XML Schema, silnější než DTD (např. typy) Další (Schematron, RelaxNG, ) je to vhodná sémantika pro automatizaci webu? BI-TWA Úvod do XML 14 Příklad z W3C materiálu Resource Description Framework (RDF) Primer

15 DTD pro XML <bib> <paper id="o12"> <title>foundations of Databases</title> <author> <firstname>serge</firstname> <lastname>abiteboul</lastname> </author> <year>1997</year> <publisher>addison Wesley</publisher> </paper>... </bib> Jaké elementy jsou povoléné? Jak se do sebe smí vnořovat? Kolikrát se můžou opakovat? Kde tyhle věci definovat? BI-TWA Úvod do XML 15 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

16 DTD pro XML <bib> <paper id="o12"> <title>foundations of Databases</title> <author> <firstname>serge</firstname> <lastname>abiteboul</lastname> </author> <year>1997</year> <publisher>addison Wesley</publisher> </paper>... </bib> <!DOCTYPE bib [ <!ELEMENT bib (paper*)> <!ELEMENT paper (author+, year, publisher?)> <!ATTLIST paper id ID #REQUIRED> <!ELEMENT author (firstname*, lastname)> <!ELEMENT firstname (#PCDATA)> <!ELEMENT lastname (#PCDATA)> <!ELEMENT year (#PCDATA)> <!ELEMENT publisher (#PCDATA)>...]> BI-TWA Úvod do XML 16 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

17 DTD pro XML deklarace elementů <!ELEMENT Name (Definition)> Definition - Atomární typ #PCDATA (Parsed Character DATA) - (a, b, c) seznam podelementů - (a b c) alternativy - * +? EMPTY bib je kořenový prvek <!DOCTYPE bib [ <!ELEMENT bib (paper*)> <!ELEMENT paper (author+, year, publisher?)> <!ATTLIST paper id ID #REQUIRED> <!ELEMENT author (firstname*, lastname)> <!ATTLIST author age CDATA #IMPLIED> <!ELEMENT firstname (#PCDATA)> <!ELEMENT lastname (#PCDATA)> <!ELEMENT year (#PCDATA)> <!ELEMENT publisher (#PCDATA)>... ]> bib může obsahovat libovolně elementů paper paper má alespoň jeden podelement autor, jeden year, může Firstname je typu řetězec znaků BI-TWA Úvod do XML 17 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

18 DTD pro XML deklarace atributů <!ATTLIST názevelementu defatributu1 defatributu2 > defatributu = název typ volitelnost [výchozíhodnota] Typ může být CDATA (řetězec znaků), ID (OID), IDREF (odkaz na ID) nebo IDREFS (množina odkazů) Volitelnost REQUIRED, IMPLIED <!DOCTYPE bib [ <!ELEMENT bib (paper*)> <!ELEMENT paper (author+, year, publisher?)> <!ATTLIST paper id ID #REQUIRED> <!ELEMENT author (firstname*, lastname)> <!ATTLIST author age CDATA #IMPLIED> <!ELEMENT firstname (#PCDATA)> <!ELEMENT lastname (#PCDATA)> <!ELEMENT year (#PCDATA)> <!ELEMENT publisher (#PCDATA)>... ]> paper má jeden atribut který musí mít jednoznačnou hodnotu author může mít atribut age BI-TWA Úvod do XML 18 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

19 DTD pro XML - OID a odkazy <family> <person id= jane mother= mary father= john > <name> Jane Doe </name> </person> <person id= john children= jane jack > <name> John Doe </name> </person> <person id= mary children= jane jack > <name> Mary Smith </name> </person> <person id= jack mother= mary father= john > <name> Jack Smith </name> </person> </family> <!DOCTYPE family [ <!ELEMENT family (person*)> <!ELEMENT person (name)> <!ELEMENT name (#PCDATA)> <!ATTLIST person id ID #REQUIRED mother IDREF #IMPLIED father IDREF #IMPLIED children IDREFS #IMPLIED> ]> BI-TWA Úvod do XML 19 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

20 XML Schema Alternativní jazyk pro zápis XML schémat Silnější než DTD Přidává typy a integritní omezení na literály Schéma (v XML Schema) je také XML dokument XML Schema vs. DTD Příklad: chceme definovat element A, který může obsahovat podelementy X, Y, Z v libovolném pořadí (každý právě jednou) DTD musíme vypsat všechny permutace <!ELEMENT A ((X,Y,Z) (Y,X,Z) (Z,X,Y),...)> XML Schema máme k dispozici kontajner all, který povoluje, aby podelementy byly v lib. pořadí. BI-TWA Úvod do XML 20

21 XML Schema je XML dokument s jazykem <xsd:schema xmlns:xsd=" <xsd:element name= bib > <xsd:complextype> <xsd:element name= paper minoccurs= 0 maxoccurs= unbounded > <xsd:complextype> <xsd:attribute name= id type= ID use= required /> <xsd:sequence> <xsd:element name= author type= authortype maxoccurs= unbounded /> <xsd:element name= year type="xsd:string"/> <xsd:element name= publisher type="xsd:string" minoccurs= 0 /> </xsd:sequence> </xsd:complextype> </xsd:element> </xsd:complextype> </xsd:element> </xsd:schema> <!DOCTYPE bib [ <!ELEMENT bib (paper*)> <!ELEMENT paper (author+, year, publisher?)> <!ATTLIST paper id ID #REQUIRED> <!ELEMENT author (firstname*, lastname)> <!ATTLIST author age CDATA #IMPLIED> <!ELEMENT firstname (#PCDATA)> <!ELEMENT lastname (#PCDATA)> <!ELEMENT year (#PCDATA)> <!ELEMENT publisher (#PCDATA)>...]> BI-TWA Úvod do XML 21 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

22 XML Schema prvky, atributy, typy, <xsd:element name= bib /> <xsd:element name= paper minoccurs= 0 maxoccurs= unbounded /> <xsd:element name= publisher type="xsd:string" minoccurs= 0 /> nenese sémantiku <xsd:attribute name= id type= ID use= required /> <xsd:attribute name= age type="xsd:string" use= optional /> <xsd:attribute name= language type="xsd:string" use= default value= de /> atomární: xsd:year, xsd:positiveinteger, xsd:unsignedshort jednoduché: <xsd:simpletype name= humanage base= xsd:unsignedshort > <xsd:maxinclusive value= 200 /> </xsd:simpletype> <xsd:attribute name= age type= humanage /> nese sémantiku komplexní: vytvořené pomocí konstrukcí v angličtině <xsd:sequence> </xsd:sequence> pevné pořadí <xsd:all> </xsd:all> volné pořadí <xsd:choice> </xsd:choice> jedno z BI-TWA Úvod do XML 22 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

23 XML jmenné prostory Jména elementů a atributů by měla platit obecně XML aplikace je musí jednoznačně interpretovat XML dokument může obsahovat integrovaná data z různých slovníků Každý má vlastní schéma Názvy elementů můžou kolidovat Jmenné prostory zamezí konfliktům Prefix:JménoZnačky (elementu, atributu, ) Prefix definuje jmenný prostor BI-TWA Úvod do XML 23

24 XML jmenné prostory - příklad <Buch xmlns ='' xmlns:aifb ='' <Titel>Semantic Web Grundlagen</Titel> <aifb:autor> <aifb:name>pascal Hitzler</aifb:Name> <aifb:titel>dr.</aifb:titel> </aifb:autor> <aifb: Autor> <aifb:name>york Sure</aifb:Name> <aifb:titel>dr.</aifb:titel> </aifb:autor> </Buch> BI-TWA Úvod do XML 24 Příklad z P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

25 XML jmenné prostory - příklad <Kniha xmlns:náš ='' '' xmlns:aifb ='' <náš:název>semantic Web Grundlagen</náš:Název> <aifb:autor> <aifb:name>pascal Hitzler</aifb:Name> <aifb:titel>dr.</aifb:titel> </aifb:autor> <aifb: Autor> <aifb:name>york Sure</aifb:Name> <aifb:titel>dr.</aifb:titel> </aifb:autor> </Kniha> BI-TWA Úvod do XML 25 Příklad z P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

26 XML Schema rozšíření typů, omezení XML Schema pro XML Schema Hierarchie typů Rozšíření, restrikce (databázové pokušení) Jakou nesou sémantiku, jakou lidi rozumí Jmenné prostory mohou pomoci Hlavní omezení stromová struktura Jak kódovat Informační zdroj IZ1 si myslí že přednáška P1 odzněla na AWIC09 a přednesl ji L1 a IZ2 si myslí že na DATAKON08 odzněla přednáška jejíž název obsahuje sémantizace BI-TWA Úvod do XML 26

27 XML Schema, omezení RDF <vydal> <vydavatelstvi>springer-verlag</vydavatelstvi> <kniha>semantic Web - Grundlagen</kniha> <autor> P. Hitzler a kol.</autor> </vydal> Jaká je sémantika element-podelement <vydavatelstvi Name="Springer-Verlag"> <vydal kniha="semantic Web Grundlagen /> </vydavatelstvi> <autor> P. Hitzler <kniha Name="Semantic Web - Grundlagen"> <vydavatel vydavatelstvi="springer-verlag"> </kniha> <kniha > </kniha> </autor> BI-TWA Úvod do XML 27 Motivováno P. Hitzler, M. Krötzsch, S. Rudolph, Y. Sure. Semantic Web Grundlagen

28 Pokračování od stromů ke grafům XML v podstatě stromy (i když reference - rekurze) RDF model je orientovaný graf, později Další info J. Pokorný a kol. XML technologie Principy a aplikace v praxi, Grada 2009 W3C, Foundations of Semantic Web Technologies, Chapman & Hall, P. Hitzler, M. Krötzsch, S. Rudolph XML and Semantic Web Technologies, Lars Schmidt-Thieme, přednášky na webu, BI-TWA Úvod do XML 28

29 Příklad z W3C materiálu Resource Description Framework (RDF) Primer Více Více detailů, XML and Semantic Web Technologies, Lars Schmidt-Thieme, přednášky na webu, XML pro programátory XML databáze XML dotazovací jazyky BI-TWA Úvod do XML 29

30 Více XML pro programátory XML databáze XML dotazovací jazyky BI-TWA Úvod do XML 30 Google images Hype curve a Gartner Hype Curve

31 Více BI-TWA Úvod do XML 31 Google images Hype curve a Gartner Hype Curve 2009

32 Více BI-TWA Úvod do XML 32 Google images Hype curve a Gartner Social Hype Curve

33 Více BI-TWA Úvod do XML 33 Google images Hype curve a Gartner 2006

34 Závěr, příklady, materiály, Dotazy? BI-TWA Úvod do XML 34