eXtensible Markup Language

Mikä on XML? •Rakenteisten dokumenttien merkintäkieli •Perustuu SGML:ään (Standard Generalized Markup Language, 1986) •Kehitetty tietoverkkoja varten •W3C:n standardi vuodesta 1998

SGML-XML-HTML-XHTML XML SGML XHTML HTML

Rakenteinen dokumentti •XML-dokumentti on rakenteinen dokumentti •Rakenteisessa dokumentissa rakenneosat on merkattu siten että tieto on tunnistettavissa. •Esim •Tunnistemerkinnät ovat tietoa tiedosta eli metatietoa. •Tunnistemerkintöjen välissä olevaa sisältöä kutsutaan elementiksi. •Elementit tunnisteineen ovat sisäkkäin ja muodostavat hierarkisen rakenteen.

XML vs. HTML Gonga Togo 40 sateinen Gonga, Togo lämpötila 40C säätyyppi sateinen Rakenteinen XML Ei-rakenteinen HTML

Rakenteistamisen periaatteita (1) •Mieti mitä tietoa tekstimassasta kannattaa nostaa esiin •Huomioi dokumentin käyttäjän tarpeet •Keksi elementeille kuvaavat ja yksikäsitteiset tunnistemerkinnät •Muista ettei ole olemassa yhtä oikeaa tapaa rakenteistaa vaan se vaihtelee jokaisen tarpeen mukaan.

Rakenteistamisen periaatteita (2) Rakenteistamisessa edetään ulkoa sisäänpäin. 1. Nimeä koko dokumentti. 2. Etsi ja nimeä tietokokonaisuudet 3. Jaa tietokokonaisuudet pienempiin osiin.

XML-dokumentin syntaksi: esimerkkidokumentti ihmiset.xml • XML-dokumentti alkaa aina esittelyosalla: • Sitten dokumenttityypin määritys (ei pakollinen) • Sen jälkeen ulkoasun määritys (ei pakollinen) • Ja sitä seuraa varsinainen merkattu sisältö

Merkattu sisältö Oskari Olematon Nollakatu NOLLALA (000)

Koko XML-dokumentti: Rakenne, ulkoasu ja sisältö Oskari Olematon Nollakatu NOLLALA (000)

Hierarkinen puurakenne ihmiset henkilo nimi osoite puhnumero etunimi sukunimi katuosoite kaupunki postinumero

Dokumentin looginen ja fyysinen rakenne Looginen rakenne Fyysinen rakenne Dokumentti Entiteetti Juurielementti Alielementti

Elementit •XML-dokumentin looginen rakenne muodostuu toistensa sisällä hierarkisessa rakenteessa olevista elementeistä. •Esimerkissä elementti IHMISET on juurielementti •Muut elementit ovat alielementtejä •XML erottaa pienet ja isot kirjaimet •Elementit nimetään tunnisteilla, joihin kuuluu aina alkutagi ja lopputagi •Tyhjä elementti merkitään. Sillä ei ole sisältöä. Esim. XHTML:ssä rivinvaihto on merkittävä.

Entiteetit •Dokumentin fyysinen rakenne muodostuu entiteeteistä. •Koko dokumenttia kutsutaan juurientiteetiksi eli dokumenttientiteetiksi. •Entiteetit voivat olla ulkopuolisia, esim. verkosta ladattavia toisia XML-dokumentteja. •Entiteettien avulla voidaan lyhyellä nimellä viitata pitempään tekstiin. •Voidaan käyttää samoja osia useissa eri dokumenteissa samanaikaisesti. •Voidaan helpommin vaihtaa dokumentteja järjestelmien kesken, koska järjestelmäriippuvaisiin kohteisiin (esim. erikoismerkit) voidaan viitata entiteeteillä.

Entiteetit: esimerkki 1 Määritellään DTD:ssä entiteetti nimeltään XML. XML dokumenttiin kirjoitetaan: Kirja käsittelee &XML; -kieltä. Kun jäsennin käsittelee entiteetin, niin tulostuu: Kirja käsittelee extensible markup language - kieltä.

Entiteetit: esimerkki 2 Määritellään DTD:ssä entiteetti nimeltään JUTTU: XML dokumenttiin kirjoitetaan esim.: Tässä on juttu &JUTTU; Näin ulkoinen XML-dokumentti juttu.xml tulee toisen dokumentin osaksi.

Attribuutit •Attribuutit antavat lisätietoa elementistä. •Attribuutit eivät näy dokumentin ulkoasussa, mutta niitä käytetään dokumentin käsittelyssä. •Erotuksena HTML:stä XML:n attribuutit ovat vapaasti nimettäviä ja niiden on oltava muotoa attribuutti="arvo". •Attribuutin arvo annetaan alkutunnisteen sisällä ja attribuutteja voi olla useita. •

DTD •Document Type Definition •Määrittelee dokumentin loogisen rakenteen •Kuinka elementit suhtautuvat toisiinsa eli niiden keskinäinen järjestys •Elementtien esiintymiskerrat XML-dokumentissa •Dokumentin loogista rakennetta voidaan kuvata rakennepuulla •DTD:tä noudattava dokumentti edustaa tiettyä dokumenttityyppiä: esim. Tutkielman tai ohjeen DTD. •DTD:n käyttö ei ole XML:ssä pakollista

DTD-tiedosto: ihmiset.dtd <!ATTLIST henkilo id)

Elementtien esiintymistiheyttä kuvaavat merkinnät: ? -esiintyy 0 tai 1 kertaa + -esiintyy 1 tai monta kertaa * - esiintyy 0 tai monta kertaa ei merkintää -esiintyy tasan yhden kerran. Attribuuttien määritys DTD:ssä: Attribuutilla on oltava arvo ja sen on oltava joku kolmesta nimetystä arvosta. DTD(2)

Hyvin muodostettu ja validi XML- dokumentti •Kun XML-dokumentti on syntaksin eli kieliopin mukainen sen sanotaan olevan hyvin muodostettu (well-formed). •Hyvin muodostetun XML-dokumentin ei tarvitse välttämättä olla rakennemäärityksen mukainen. •Kun XML-dokumentti on hyvin muodostettu ja lisäksi rakennemäärityksen mukainen sen sanotaan olevan validi (valid).

XML:ssä rakenteen määritys, ulkoasu ja sisältö ovat erillään Rakenne Sisältö Ulkoasu Sisällölle voidaan määrittää ulkoasu sen mukaan missä se esitetään. Sisällöllä voi olla määrämuotoinen rakenne

Miksi XML? (1) •Laajennettava metakieli: keksi omia tageja, kehitä oma merkintäkieli (vrt. WML, CML, MathML, SVG, ebML). Tieto on merkitsemisen ansiosta tunnistettavaa. •Riippumaton käyttöjärjestelmistä ja laitteistoista. Soveltuu hyvin tiedonsiirtoon tietojärjestelmien välillä. •Samasta XML-sisällöstä voidaan tehdä monia eri tiedostoformaatteja: esim. HTML, WML, Word, RTF ja PDF. Tee sisältö kerran ja käytä moneen eri tarkoitukseen. •Voidaan tehdä tiettyyn DTD:hen perustuvia standardi- dokumentteja, kuten gradut, käyttöohjeet, lakitekstit. Valideissa dokumenteissa varmasti oikeat asiat oikeilla paikoilla oikeassa järjestyksessä.

Miksi XML? (2) •XML- sisällöstä voidaan tehdä erilaisia näkymiä eri käyttäjille määrittämällä vain tietyt elementit näkyviksi: samasta dokumentista eri versio eri käyttäjille. Sivu ei ole pienin rakenneyksikkö. •Metatagien ja hierarkisen rakenteen ansiosta XML voi mahdollistaa kyselyn WWW-dokumenteista: esim. etsi kaikki punaiset Honda Accord -merkkiset henkilöautot, joilla on ajettu alle km ja joiden hinta on alle markkaa. •Ohjelmoinnissa voidaan hyödyntää XML-tagien sisältöä, ohjelma voi esim. hakea määrätyt elementit, luokitella niitä, suorittaa niillä laskutoimituksia jne.