An introduction to XML (Extensible Markup Language), including several considerations regarding the use of design patterns in the context of semi-structural data modeling.

1. Dr. Sabin-Corneliu Buraga
Facultatea de Informatică
Universitatea “Alexandru Ioan Cuza” – Iași, România
www.purl.org/net/busaco
@busaco

2. „Lucrurile nu sunt grele de făcut,
ceea ce este greu este să fim în stare să le facem!”
Constantin Brâncuși

4. Cum modelăm (reprezentăm) datele?

5. datele: mai importante decât aplicațiile
Procesare Date proprietare Publicarea Modelare Modelare
(programe) (baze de date, datelor (semi) conceptuală
suite de birou) pe Web structurată (RDF, OWL)
(HTML) (XML)
“Data is less “Data is as “Data is more
important important important
than code” as code” than code”
1945 -1970 1970 - 1994 1994 - 2000 2000 - 2003 2003 -
evoluția conceptului de “dată” (Daconta et al., 2003)

6. datele: mai importante decât aplicațiile
Procesare Date proprietare Publicarea Modelare Modelare
(programe) (baze de date, datelor (semi) conceptuală
suite de birou) pe Web structurată (RDF, OWL)
(HTML) (XML)
“Data is less “Data is as “Data is more
important important important
than code” as code” than code”
1945 -1970 1970 - 1994 1994 - 2000 2000 - 2003 2003 -
evoluția conceptului de “dată” (Daconta et al., 2003)

7. Ce model de reprezentare a datelor
alegem pentru…
stocarea datelor eterogene,
provenind din surse multiple?

8. Ce model de reprezentare a datelor
alegem pentru…
informații care evoluează rapid?

9. Ce model de reprezentare a datelor
alegem pentru…
reprezentarea limbajului natural?

10. Dorim să modelăm și să procesăm
date privitoare la…
antologii de poezii,
cataloage de produse ale unui e-shop,
depozite de rețete gastronomice,
chestionare,
rețele sociale
etc.

11. o soluție
Folosim HTML pentru modelarea datelor
și – eventual – CSS pentru prezentarea lor

12. o soluție
Folosim HTML pentru modelarea datelor
și – eventual – CSS pentru prezentarea lor
<p><strong>Prietenii mei:</strong></p>
<ul>
<li><a href="http://twitter.com/pinguinulvesel">
Dragoș</a></li>
<li><a href="mailto:tux@pinguin.info">
Tux</a></li>
</ul>

14. Nu putem defini propriile noastre marcaje!?

15. Necesitate:
un limbaj de marcare explicită a datelor

16. Necesitate:
un limbaj de marcare explicită a datelor
datele modelate pot fi practic nelimitate (unbound)
și necunoscute

17. Necesitate:
un limbaj de marcare explicită a datelor
ar fi de dorit ca datele
să se poată „explica” pe ele însele (self-explanatory)

18. Necesitate:
un limbaj de marcare explicită a datelor
ar fi de dorit ca datele
să se poată „explica” pe ele însele (self-explanatory)
ce reprezintă triplul ("Sabin", "Buraga", 33)?

19. Necesitate:
modelul adoptat să se preteze arhitecturilor
navigaționale actuale, bazate pe hipertext
suport pentru specificarea adreselor Web – URI-uri

20. Am putea recurge la sau specifica
un nou format de document?

21. Documente:
formate particulare (proprietare)
versus
formate generice (deschise, standardizate)

22. definiție
Marcaj – adnotare, codare, mark-up
orice actiune de a interpreta explicit
o porțiune de text (conținut)

23. definiție
Marcaj – adnotare, codare, mark-up
orice actiune de a interpreta explicit
o porțiune de text (conținut)
exemple:
semnele de punctuație pentru limbile scrise,
deliminatorii folosiți în codul-sursă

25. definiție
Limbaj de specificare
(de adnotare, de marcare)
set de convenții de marcare
utilizate pentru codificarea datelor

26. definiție
Limbaj de specificare
(de adnotare, de marcare)
set de convenții de marcare
utilizate pentru codificarea datelor
specifică mulțimea de marcaje obligatorii,
modul de identificare și de structurare a marcajelor

27. Extensible Markup Language
meta-limbaj de marcare
permite definirea de limbaje

28. Extensible Markup Language
descendent simplificat al SGML destinat
utilizării în Internet (1996–prezent)

29. Extensible Markup Language
standard al Consorțiului Web (W3C)
www.w3.org/TR/REC-xml

30. Extensible Markup Language
o tehnologie + o familie de limbaje
www.w3.org/XML/

31. Asigură inter-operabilitatea la nivel de date
are suport pe orice platformă hardware/software,
inclusiv în cadrul navigatoarelor Web

32. Asigură inter-operabilitatea la nivel de date
procesoarele XML sunt implementate
în toate limbajele de programare

33. Asigură inter-operabilitatea la nivel de date
procesoarele XML sunt implementate
în toate limbajele de programare
metode uzuale de procesare
obiectuală: DOM (Document Object Model)
secvențială bazată pe evenimente: SAX (Simple API for XML)
simplificată: Simple XML

34. Asigură inter-operabilitatea la nivel de date
recurge la Unicode – independent de codificare

35. Soluție pentru reprezentarea conținutului
resurselor Web identificate de URI/IRI

36. exemplu
Reprezentarea unei antologii de poezii
<?xml version="1.0" ?>
<antologie>
<poem>
<titlu>...</titlu>
<strofa>
<vers>...</vers>
<vers>...</vers>
...
</strofa>
</poem>
<!-- mai multe poeme… (acesta e un comentariu) -->
</antologie>

37. exemplu
Specificarea unui catalog de produse
<produse>
<produs tip="promo">
<nume>Ping Uinix</nume>
<ofertant>http://www.pinguin.info</ofertant>
</produs>
<produs>
<!-- un soi de portocale albastre -->
<nume>Blue Ory</nume>
<descriere /> <!-- un element având conținut vid -->
</produs>
<produs>…</produs>
</produse>

38. exemplu
Specificarea unui catalog de produse
<produse>
<produs tip="promo">
<nume>Ping Uinix</nume>
<ofertant>http://www.pinguin.info</ofertant>
</produs>
<produs>
<!-- un soi de portocale albastre -->
<nume>Blue Ory</nume>
<descriere /> <!-- un element având conținut vid -->
</produs>
<produs>…</produs>
</produse>

39. exemplu
Specificarea unui catalog de produse
<produse>
<produs tip="promo">
<nume>Ping Uinix</nume>
<ofertant>http://www.pinguin.info</ofertant>
</produs>
<produs>
<!-- un soi de portocale albastre -->
<nume>Blue Ory</nume>
<descriere /> <!-- un element având conținut vid -->
</produs>
<produs>…</produs>
</produse>
date semi-structurate

40. exemplu
Informații despre o persoană
via vocabularul FOAF (Friend Of A Friend)
<foaf:Person rdf:ID="busaco">
<foaf:name>Sabin Buraga</foaf:name>
<foaf:mbox rdf:resource="mailto:busaco@infoiasi.ro"/>
<foaf:homepage rdf:resource="http://www.purl.org/net/busaco"/>
</foaf:Person>

41. exemplu
Informații despre o persoană
via vocabularul FOAF (Friend Of A Friend)
<foaf:Person rdf:ID="busaco">
<foaf:name>Sabin Buraga</foaf:name>
<foaf:mbox rdf:resource="mailto:busaco@infoiasi.ro"/>
<foaf:homepage rdf:resource="http://www.purl.org/net/busaco"/>
</foaf:Person>
<foaf:Image rdf:about="http://www.flickr.com/.../foto.jpg">
<dc:date rdf:datatype="xsd:date">2010-05-12</dc:date>
<dc:title xml:lang="ro">Prezentare la Summer Web 2010</dc:title>
<foaf:depicts rdf:resource="#busaco"/>
<foaf:maker rdf:resource="#tux"/>
</foaf:Image>

42. exemplu
Informații despre o persoană
via vocabularul FOAF (Friend Of A Friend)
<foaf:Person rdf:ID="busaco">
<foaf:name>Sabin Buraga</foaf:name>
<foaf:mbox rdf:resource="mailto:busaco@infoiasi.ro"/>
<foaf:homepage rdf:resource="http://www.purl.org/net/busaco"/>
</foaf:Person>
<foaf:Image rdf:about="http://www.flickr.com/.../foto.jpg">
<dc:date rdf:datatype="xsd:date">2010-05-12</dc:date>
<dc:title xml:lang="ro">Prezentare la Summer Web 2010</dc:title>
<foaf:depicts rdf:resource="#busaco"/>
<foaf:maker rdf:resource="#tux"/>
</foaf:Image>
spații de nume

43. sintaxa
XML (Extensible Markup Language)
modelul de date XML (abstract)
XML Information Set – Infoset
transformări/prezentări de date
XSL (Extensible Stylesheet Language)
interogarea datelor
XQuery – împreună cu XPath

44. Structurarea/formatarea conținutului
(formate de prezentare a datelor)
în navigatorul Web: (X)HTML – Extensible HTML
formulare electronice: XForms
grafică vectorială: SVG (Scalable Vector Graphics)
lumi tridimensionale: X3D (Extensible 3D Graphics)
în medii fără fir: XHTML-MP (Mobile Profile), Tiny SVG

45. Reprezentarea diferitelor tipuri de conținut
expresii matematice: MathML
multimedia sincronizată: SMIL
(Synchronized Multimedia Integration Language)
informații vocale: VoiceXML
componente ale interfeței-utilizator: XUL
(Extensible User-interface Language)
informații cartografice: KML (Keyhole Markup Language)

46. Reprezentarea diferitelor tipuri de conținut
documentații: DocBook (Documentation Book)
informații prelucrate de suite de birou
– e.g., Open Office: ODF (Open Document Format)
mediatizare (syndication) – fluxuri de știri:
RSS (Really Simple Syndication), Atom
reguli de specificare a proceselor de afaceri:
BRML (Business Rules Markup Language)

47. Multe alte limbaje la
http://xml.coverpages.org/

48. Așadar, până la urmă, ce este XML?

49. XML unifică tehnologii privind:
procesarea documentelor
stocarea și prelucrarea tradițională a datelor
accesul la Internet (Web)

50. Internet
XML
Baze Docu-
de date mente

51. XML se pretează pentru stocarea
(reprezentarea) datelor semi-structurate

52. XML se pretează pentru stocarea
(reprezentarea) datelor semi-structurate
sistemele tradiționale (e.g., bazele de date relaționale)
necesită specificarea unei scheme rigide
în vederea stocării/accesării datelor

53. XML se pretează pentru stocarea
(reprezentarea) datelor semi-structurate
sistemele tradiționale (e.g., bazele de date relaționale)
necesită specificarea unei scheme rigide
în vederea stocării/accesării datelor
…un punct de vedere în general centralizat

54. XML se pretează pentru stocarea
(reprezentarea) datelor semi-structurate
datele de pe Web sunt descentralizate, eterogene și pot fi,
deseori, accesate – chiar modificate – de către oricine

55. XML se pretează pentru stocarea
(reprezentarea) datelor semi-structurate
datele de pe Web sunt descentralizate, eterogene și pot fi,
deseori, accesate – chiar modificate – de către oricine
resursele disponibile la un moment dat
nu sunt cunoscute a-priori

57. Direcții de interes:
comunicatii și interacțiune

58. Direcții de interes:
comunicatii și interacțiune
person-to-person
instant messaging – e.g., Jabber via XMPP
micro-blogging – exemplu: Twitter

59. Direcții de interes:
comunicatii și interacțiune
computer-to-person
syndication – via RSS/Atom
recomandare de conținut – e.g., Zemanta
integrare de sisteme sociale

61. Direcții de interes:
comunicatii și interacțiune
computer-to-computer
servicii Webaplicații hibride (mash-up-uri)

62. Twitter + Google EarthTwittEarth

63. Direcții de interes:
publicare deschisă a datelor

64. Direcții de interes:
publicare deschisă a datelor
modelare (semi)structurată
utilizare de formate/vocabulare standardizate
DCMI (Dublin Core Metadata Initiative),
FOAF (Friend Of A Friend),
DOAP (Description Of A Project),
…

66. Direcții de interes:
publicare deschisă a datelor
procesare independentă de platformă/limbaj

67. Direcții de interes:
publicare deschisă a datelor
prezentări multiple ale conținutului,
în diverse formate, pe sisteme eterogene

69. Direcții de interes:
modelarea proceselor (de afaceri, mai ales)

70. Direcții de interes:
modelarea proceselor (de afaceri, mai ales)
dataflow/workflow
BRML (Business Rules Markup Language),
BPEL4WS (Business Process Execution Language
for Web Services)

71. Analizoare (procesoare, parsers)
Apache Xerces, Expat, libxml,…
Vizualizatoare și editoare structurale
Firefox, Open Office, 4Suite, <oXygen />, Serna etc.
Formatatoare – e.g., procesoare XSLT/XSL-FO
Apache FOP, libxslt, Saxon,…

72. Firefinder – folosirea interogărilor XPath în cadrul Firebug

73. Instrumente de convertire
Tidy
Instrumente de arhivare
XMill
Sisteme de gestiune a bazelor de date XML
Berkeley DB XML, eXist, Sedna etc.

75. Există bune practici
privind utilizarea și/sau modelarea
documentelor XML?

76. Cum trebuie structurat un document XML
pentru a modela (stoca)
anumite date sau meta-date?

77. Recurgerea la șabloane de proiectare
(design patterns)

78. definiție
Pattern (șablon)
regulă ce exprimă o relație
dintre un context, o problemă și o soluție
Christopher Alexander, 1979

79. Uzual, pattern-urile sunt utilizate
în proiectarea de aplicații
(object-oriented software design)
pattern  “mind sized” chunk of information
lucrarea de referință:
E. Gamma et al., Design Patterns, Addison-Wesley, 1995

80. Șabloanele de proiectare au fost folosite, ulterior,
în cadrul interacțiunii om-calculator
context: IA – Information Architecture
resurse esențiale:
J. Tidwell, Designing Interfaces, O’Reilly, 2005
www.hcipatterns.org
www.welie.com/patterns

81. folosirea șabloanelor de interacțiune

82. Un șablon poate descrie cunoștințele unui expert
(pe baza experienței sale personale)
în domeniul problemei în ceea ce privește
recunoașterea problemei, a contextului și a soluției
la acea problemă

83. Un șablon nu reprezintă o regulă fermă
uneori nu trebuie aplicatanti-patterns

84. Este necesară adoptarea unui vocabular comun
corespunzător domeniului problemei
pattern language

85. Șabloane privitoare la:
proiectare
arhitectură
analiză
dezvoltare
structură
comportament

86. Ne interesează modelarea datelor
pe baza familiei XML

87. Recurgerea la șabloane structurale pentru
proiectarea structurii unui document XML:
lungimea documentului
ușurința folosirii marcajelor
ușurința procesării
flexibilitatea
consistența
gradul de abstractizare

88. exemplu
Use XML
determină situația în care XML este soluția viabilă
de reprezentare a informațiilor (semi-)structurate

89. exemplu
Use XML
reprezentări multiple:
binar, CSV (Comma-Separated Values), HTML,
baze de date relaționale, obiecte serializate, XML,…

90. exemplu
Use XML
XML poate fi o soluție adecvată atunci când:
datele (conținutul) trebuie separat(e) de formatare

91. exemplu
Use XML
XML poate fi o soluție adecvată atunci când:
datele trebuie partajate între aplicații, organizații,...

92. exemplu

93. exemplu
Use XML
XML poate fi o soluție adecvată atunci când:
reprezentarea resurselor
trebuie să poată fi înțeleasă și de oameni

94. exemplu
Use XML
XML poate fi o soluție adecvată atunci când:
reprezentarea trebuie procesată facil de calculator,
independent de platformă și de limbaj

95. exemplu
Short Understandable Names
numele marcajelor (elemente și atribute)
trebuie să fie scurte și ușor de înțeles atât de autori,
cât și de dezvoltatorii software-ului
care va procesa documentul XML

96. exemplu
Short Understandable Names
numele prea scurte sunt dificil de înțeles,
dar reduc lungimea documentelor
<DescriereaEchipamentului CodulEchipamentului="…" />
versus <desec c="…" />
<b> <ul> versus <video /> <table> <title>

97. exemplu
Short Understandable Names
convenții de numire:
<nume_tag>
<NumeTag>
<numeTag>

98. exemplu
Content Element
problemă: numeroase elemente care apar
pe același nivel în document și care pot fi divizate
în grupuri distincte
un container grupează elemente (copil) înrudite

99. exemplu
Content Element
adaugă un nivel de abstractizare,
gruparea elementelor oferind informații semantice
suplimentare – e.g., asocierea de meta-date
unui grup de elemente

100. exemplu
Content Element
șabloane înrudite:
Head-Body
Collection Element

101. exemplu
Content Element
<config>
<config> <hardware>
<ram>4096</ram> <ram>4096</ram>
<hdd tip="...">500</hdd> <hdd tip="...">500</hdd>
</hardware>
<parser limbaj="Java">
<software>
Xerces</parser> <parser limbaj="Java">
<editor>vim</editor> Xerces</parser>
<parser limbaj="Perl"> <parser limbaj="Perl">
Expat</parser> Expat</parser>
</config> <editor>vim</editor>
</software>
</config>

102. exemplu
Envelope
oferă un tip de document care va desemna un „plic”
în care se vor putea stoca date XML arbitrare

103. exemplu
Envelope
oferă un tip de document care va desemna un „plic”
în care se vor putea stoca date XML arbitrare
problemă: diferite seturi de date trebuie livrate
unui sistem, într-o manieră consistentă
context: structura datelor din „plic” poate varia și
nu este cunoscută la momentul creării sistemului

104. exemplu
Envelope
permite separarea diferitelor tipuri de conținuturi,
oferindu-se un mecanism de livrare a datelor XML
„plicul” nu interferează cu conținutul propriu-zis
al mesajului transmis

105. exemplu
Envelope
exemplu tipic de utilizare:
protocolul SOAP folosit la vehicularea datelor
dintre servicii Web și clienți

106. exemplu
Envelope

107. exemplu
Role Attribute
problemă:
unui element îi trebuie precizat rolul
(i.e. caracteristica definitorie)

108. exemplu
Role Attribute
problemă:
unui element îi trebuie precizat rolul
(i.e. caracteristica definitorie)
soluție:
se poate folosi un atribut specificând rolul

109. exemplu
Role Attribute
valorile atributului trebuie să fie mutual exclusive
pentru un element XML, nu pot apărea
de mai multe ori atribute având același nume
<departament rol="cercetare">…</departament>

110. exemplu
Role Attribute
exemple de utilizare în cadrul microformatelor
www.microformats.org
vezi direcția POSH (Plain Old Semantic HTML)

111. Alte șabloane
reutilizarea tipurilor de documente existente:
Reuse Document Type

112. Alte șabloane
alegerea elementului/elementelor rădăcină:
Multiple Document Types
Multi Root Document Types

113. Alte șabloane
referențierea unor construcții:
Declare Before First Use
referențierea aceleiași informații în locuri multiple:
Flyweight
arbore (ierarhie) versus graf:
Marketplace
facilitează organizarea structurii documentului XML

114. Alte șabloane
facilitarea extinderii:
Catch-All Element
Role Attribute
Extensible Content Model

115. Alte șabloane
asigurarea consistenței:
Common Attributes
Consistent Element Set

116. Alte șabloane
asocierea de meta-date:
Separate Metadata & Data
Metadata in Separate Document
Head-Body
Metadata First

117. studiu de caz
Modelarea datelor (de la implicit la explicit)
specificarea preferințelor utilizatorului
în contextul navigării pe Web

118. studiu de caz
Modelarea datelor (de la implicit la explicit)
specificarea preferințelor utilizatorului
în contextul navigării pe Web
<preferinte
tema="aqua"
rezolutie="1024x768"
browser="Firefox 3.6"
/>

119. studiu de caz
Modelarea datelor (de la implicit la explicit)
specificarea preferințelor utilizatorului
în contextul navigării pe Web
<preferinte
tema="aqua" convenții de reprezentare
ce nu pot fi deduse explicit
rezolutie="1024x768"
browser="Firefox 3.6"
/>

120. studiu de caz
Modelarea datelor (de la implicit la explicit)
specificarea preferințelor utilizatorului
în contextul navigării pe Web
<preferinte
tema="aqua"
rezolutie="1024x768"
browser="Firefox 3.6" dacă trebuie stocată
o listă de navigatoare?
/>

121. studiu de caz
Modelarea datelor (de la implicit la explicit)
recurgând la șabloaneo soluție mai bună
<preferinte>
<tema>aqua</tema>
<rezolutie>
<latime unit="px">1024</latime>
<lungime unit="px">768</lungime>
</rezolutie>
<browser versiune="3.6">Firefox</browser>
</preferinte>

123. Resurse bibliografice
S. Buraga, Tehnologii XML, Polirom, 2006
S. Buraga (coord.), Programarea în Web 2.0, Polirom, 2007
B. Daum, U. Merten, System Architecture with XML,
Elsevier Science, 2003

124. Situri Web de interes
Consorțiul Web: www.w3.org
Șabloane de proiectare XML: www.XMLPatterns.com
XML.org: www.XML.org
Instrumente XML open source oferite de fundația Apache:
xml.apache.org

125. Ă