PDF de programación - Lenguaje XML

Lenguaje XML

Departamento de Informática

Universidad de Oviedo

World Wide Web
Características

WWW = Mayor almacen de información jamás recopilado por la

humanidad
Características

Grandes cantidades de información sobre cualquier asunto
Acceso casi instantáneo desde cualquier lugar con conexión a

Internet

Sistema no centralizado ⇒ Cualquier persona puede añadir más

información

Plataforma Multimedia (Texto, Imágenes, Vídeo, etc.)
Identificación de recursos unificada (URIs)

1

World Wide Web
Grandes Retos

Integración de aplicaciones

Búsqueda de lenguajes comunes: Estandarización
Interoperabilidad y computación ubicua
Modelos Orientados a Servicios

Automatización de tareas

Representaciones comprensibles por las máquinas
Creación de agentes autónomos

Accesibilidad

Acceso universal
Atención a todos los usuarios: discapacidades, entornos diferentes, etc.

Datos

Datos

Docum.
auto-

descrito

Lógica

Ontologías

RDF + RDF Schema

XML + Namespaces + XML Schema

Unicode

URI

World Wide Web
Arquitectura propuesta

Reglas

Confianza

Demostración

s
e
l
a
t
i
g
d

s
a
m

i

r
i
F

2

Representación de Información
Bits, bytes, números, caracteres, ...

Los ordenadores manejan código binario: 0s y 1s

Bytes: Grupos de 8 bits

Números: Sistemas de codificación binaria, octal, hexadecimal...
Caracteres: Código que asocia a cada carácter un nº

ASCII: 7 bits ⇒ (0 – 127)

(A)merican (S)tandard (C)ode for (I)nformation (I)nterchange

Extensiones de ASCII

ISO-8859-1 (iso-latin-1)

(8 bits) ASCII (0-127) + otros caracteres típicos de Europa occidental

Familia ISO-8859-X = Otros alfabetos europeos
ISO-8859-15 (iso-latin-9) Igual que iso-8859-1 + símbolo de €

¡CUIDADO! ...hay muchos idiomas y muchos caracteres...

ℜ € き ㄝ ㌟ ㉃ ⋐ ∀ ℵ ₤ ウ ぼ

Unicode

ISO-10646 (31 bits) Define un repertorio universal de caracteres (UCS)

En continua revisión: ISO-10646-2:2001 contiene más de 70.000 caracteres

UNICODE = Consorcio de empresas que define restricciones sobre la

implementación de ISO-10646

Varias codificaciones (UTF = Unicode Transformation Format)
- UTF-8: Los primeros 127 códigos se presentan igual (compatible con ASCII)

El resto se codifican en longitud variable
Relativamente Eficiente

- UTF-16: Usa 16bits para los caracteres más comunes, el resto con pares de 16

bits

- UTF-32: Codificación directa en 32 bits (desperdicio de espacio)

Se distingue entre:
Carácter: Entidad abstracta (Letra A)
Glifo (Glyph): Representación del carácter A A A A A A
Fuente (Font): Conjunto de glyphs, ejemplo: Times Roman, Arial, etc.

3

Información multimedia

Imágenes: En pantalla = matriz de puntos de colores (pixels)
Formatos Raster (Raw): Se enumeran todos los puntos con sus

colores
Ejemplo: Bitmap, TIFF

Compresión: diversos algoritmos de compresión

GIF: Utiliza 8 bits (hasta 256 colores)

Byte de color = Indice en la paleta de colores

JPEG: utiliza 24 bits (hasta 16 millones de colores)
Vectorial: Se enumeran las instrucciones de dibujo

Ejemplos: DXF, SVG (estándar de Internet)

Sonido: Formatos raster (WAV) y comprimidos (MP3)
Vídeo: Formatos comprimidos (MPEG)
Realidad Virtual: Lenguaje de Modelado (VRML, X3D)

Identificación Recursos

URI: (Uniform resource Indentifier) Identifica un recurso de forma global
Puede sub-clasificarse en:

URL (Uniform resource locator)

Además de identificar el recurso, indica cómo llegar hasta él

esquema: //servidor:puerto /ruta?datosGET
http://www.uniovi.es:8080/prueba/carrito?action=print

URN (Uniform resource name): Nombre de recurso

Ejemplo: urn:xmlorg:objects:schema:xmlschema:xcatalog

IRIs (Internationalized Resource Identifiers)
permiten utilizar caracteres Unicode en los identificadores

URLs

URNs

URIs

4

Lenguaje XML

Orígenes de XML
Marcado de documentos

Orígenes: Industria de la Publicación
Uso de marcas = indica cómo componer documento para impresión

Ejemplo de corrección tipográfica
Fuente: http://recursos.cnice.mec.es/bancoimagenes

5

Marcado de documentos

Sólo texto
ALBA Abril de 1915 Granada Mi corazón oprimido
siente junto a la alborada el dolor de sus
amores y el sueño de las distancias.

Texto marcado
]ALBA[ ← Título, negrita, centrado, 14pt
]Abril de 1915[← SubTítulo, negrita, centrado
]Granada[← SubTítulo cursiva, centrado
]Mi corazón oprimido [← Verso, 10pt
]siente junto a la alborada [← Verso
]el dolor de sus amores [← Verso
]y el sueño de las distancias. [← Verso

Resultado
ALBA

Abril de 1915

Granada

Mi corazón oprimido
siente junto a la alborada
el dolor de sus amores
y el sueño de las distancias.

Marcado Descriptivo

El marcado no es la información que contiene el documento
Marcado = información acerca del documento = meta-información
Lenguajes de Marcado descriptivo: Incluyen marcas que describen cómo

procesar el documento
Ejemplo: HTML

<html>
<head><title>Poema</title></head>
<body lang=“es”>
<h1>Alba</h1>
<h2>Abril de 1915 </h2>
<h2><i>Granada</i></h2>
<p>Mi corazón oprimido</p>
<p>siente junto a la alborada</p>
<p>el dolor de sus amores</p>
<p>y el sueño de las distancias. </p>
</body>
</html>

6

Marcado Generalizado

Marcado generalizado = Sintaxis común que facilita la creación de

lenguajes descriptivos

HTML

<html>
<head><title>Poema</title></head>
<body lang=“es”>
<h1>Alba</h1>
<h2>Abril de 1915 </h2>
<h2><i>Granada</i></h2>
<p>Mi corazón oprimido</p>
<p>siente junto a la alborada</p>
<p>el dolor de sus amores</p>
<p>y el sueño de las distancias.</p>
</body>
</html>

Otras marcas...(misma sintaxis)
<poema fecha="Abril de 1915"

lugar="Granada">

<titulo>Alba</titulo>

<verso>Mi corazón oprimido</verso>
<verso>siente junto a la alborada</verso>
<verso>el dolor de sus amores</verso>
<verso>y el sueño de las distancias. </verso>
</poema>

Sintaxis común
<etiqueta atrib=“valor”>contenido
</etiqueta>

Marcado Generalizado
SGML

(70- ) GML desarrollado en IBM – Generalized Markup

Language (Goldfarb, Mosher, Lorie)

(86) SGML Standard Generalized Markup Language

(Estándar ISO)
Utilizado para el intercambio de documentos
Principio: Separar contenido de la forma de

representarlo

Muy flexible (permite definir vocabularios específicos

para cada aplicación)

HTML era un vocabulario de SGML

7

Marcado Generalizado
XML

Desarrollado por T. Bray, J. Paoli, C. M. Sperberg-McQueen (1995)

T. Bray: Consultor de Textuality para Netscape (ahora en Sun)
C. M. Sperberg-McQueen (TEI, SGML)
J. Paoli (Microsoft)

Objetivos:

Crear una versión simplificada de SGML para la Web

20% de características de SGML ⇔ 80% de funcionalidad de SGML
Detalle (Especificación de XML = 26 páginas, de SGML > 500

XML

<?xml version=“1.0” ?>
<!DOCTYPE raíz[
]>

…

<raíz>
…
</raíz>

<elemento>
</elemento>

Declaración de

XML

Declaración de

Tipo DTD
Opcional

Documento

8

Declaración de XML

<?xml version=“1.0”

encoding=“iso-8859-1”
standalone=“yes”?>

version: Actual = 1.0

También existe la versión 1.1
Mayor compatibilidad con Unicode
Identificadores: Permite cualquier carácter Unicode

encoding: UTF-8, UTF-16, iso-8859-1, etc.
standalone: Indica si se puede gestionar el documento sin
hacer uso de recursos externos

Documentos y elementos XML

Los documentos consisten en una serie de datos marcados

mediante etiquetas

Las etiquetas describen la estructura del documento
Un elemento = etiqueta inicial, etiqueta final y contenido entre

ambas.

La etiqueta inicial puede incluir atributos.

<etiqueta attributo=“valor”>……</etiqueta>

Distinción

minúsculas/mayúsculas

9

Documentos XML
Elementos vacíos

Elementos vacío: elementos que no incluyen información

Habitualmente, incluyen atributos

Ejemplo:
<img src=“foto.jpg” alt=“Foto de Paisaje” ></img>

Sintaxis abreviada:

<etiqueta attributo=“valor”></etiqueta>

<etiqueta atributo=“valor”/>

⇓

Anidamiento

Se pueden anidar elementos

<externo>
</externo>

<interno>texto</interno>

...pero no se pueden entrelazar:

<externo>
</interno>

<interno>texto</externo>

☺



10

Árbol del documento XML

Sólo puede haber un único elemento raíz
Cualquier documento puede representarse como un árbol
título
título

“Alba”

<poema fecha="Abril de 1915"

lugar="Granada">

<titulo>Alba</titulo>

<verso>Mi corazón oprimido</verso>
<verso>siente junto a la alborada</verso>
<verso>el dolor de sus amores</verso>
<verso>y el sueño de las distancias. </verso>
</poema>

poema
poema

verso
verso

verso
verso

verso
verso

verso
verso
fecha
fecha
lugar
lugar

“Mi corazón oprimido”

“siente junto a la …”

“el dolor de sus …”

“y el sueño de las…”

“Abril de 1915”

“Granada”

Árbol del documento

Cualquier documento XML puede representarse como un árbol
Los documentos HTML también

Ejercicio: Dibujar el árbol del siguiente documento HTML

<html>
<head>
<title>Pagina</title></head>
<body>
<h1>Ejemplo</h1>
<p>Este párrafo tiene un

<a href="http://www.uniovi.es">enlace</a>
y un texto <em>enfatizado</em></p>

</body>
</html>

11

El árbol DOM puede manipularse dinámicamente

DOM

<html>
<head><title>Prueba</title>
<script type="text/javascript"><!--

function clona() {

var raiz=document.documentElement;
var cuerpo=raiz.getElementsByTagName("body")[0];
var texto=cuerpo.firstChild;
var textoNuevo=texto.cloneNode(true);
cuerpo.appendChild(textoNuevo);

}
--></script>

</head>
<body>
Hola

<input type="button" name="Clona" value="Saluda!" onclick="clona();" />
</body>

</html>

http://www.di.uniovi.es/~labra/cursos/XML/ejemplos/cambiaDOM.html

Atributos

Cada elemento puede contener atributos en la etiqueta inicial

<poema fecha=“Abril de 1915” lugar=“Granada”>
. . .
</poema>

El orden de los atributos no es significativo
No puede haber 2 atributos con el mismo nombre
Las comillas dobles y simples pueden mezclarse

<autor frase=“Juan dijo ‘Hola’ ”>
. . .
</autor>

<autor frase=‘Juan dijo “Hola” ’>
. . .
</autor>

12

Atributos predefinidos

xml:lang: Especifica el idioma.

Por ejemplo: en (inglés), sp (español)

xml:space: Especifica cómo tratar el espacio en blanco.

preserve = Mantene