![[LinuxFocus-icon]](../../common/images/logolftop_319x45.gif) |
LinuxFocus article number 242
http://linuxfocus.org
|
|
|
|
|
![[Floris Lambrechts]](../../common/images/Floris_Lambrechts.png)
door Floris Lambrechts
<floris/at/linuxfocus.org>
Over de auteur:
Ik ben al een paar jaar de 'beheerder' van LinuxFocus/Nederlands. Ik
studeer voor 'industrieel ingenieur - electronica' in Leuven. Mijn tijd
verspeel ik aan prutsen met Linux, PHP, XML en LinuxFocus, en daarnaast
lees ik bv. ook nog boeken (op het moment bijvoorbeeld Stephen Hawking
en Jef Raskin's 'The Human Interface'). En laat ik vooral mijn vriendin
niet vergeten (dag Katrien)!
Vertaald naar het Nederlands door:
Floris Lambrechts <floris/at/linuxfocus.org>
|
Maak kennis met XML
![[Illustratie: xml]](../../common/images/illustration242.png)
Kort:
Dit is een korte introductie in XML. Je zult kennismaken met Eddie
de meta-kat, de XML syntax politie en DTDs. Geen nood, alles wordt
uitgelegd ;-)
_________________ _________________ _________________
|
Introductie
In de zomer van 2001 kwamen een paar LinuxFocus editors samen in Bordeaux
tijdens de LSM. Veel presentaties
en discussies in de documentatie-groep aldaar gingen over hetzelfde: XML.
Lange, onderhoudende uren kropen in het begrijpen wat XML nu eigenlijk
is, wat de voordelen zijn en hoe die te gebruiken. Mocht je geļnteresseerd
zijn, dat is ook waar dit artikel over gaat.
Bij deze bedank ik graag Egon Willighagen en Jaime Villate, die me
enthousiast hebben gemaakt voor XML. Dit artikel is lichtjes gebaseerd
op de informatie in Jaime's artikelen, die je onderaan bij de links kunt
terugvinden.
Wat is XML
Wij documentatie-mensen wisten allemaal wel ongeveer wat XML was.
Het was toch een taal met een HTML-achtige syntax, meer bepaald een markup
taal zoals SGML en (weeral) HTML, niet? Inderdaad. Maar daarmee is niet
alles gezegd.
XML heeft een paar eigenschappen die het een nuttig data-formaat maken
voor heel uiteenlopende doelen. Het lijkt wel alsof je met XML de meest
ingewikkelde dingen kunt, en dat het toch eenvoudig te lezen blijft
(voor mensen) en eenvoudig te parsen (voor computers). Hoe is dat mogelijk?
We onderzoeken het...
Eddie, de meta kat
Om te beginnen, XML is een markup taal. Documenten die je
schrijft in een markup taal bevatten twee dingen: data, en
metadata. Als je weet wat 'data' precies is, laat het me weten,
maar tot het zover is ga ik het hebben over de metadata ;). Eenvoudig
gesteld: metadata is extra informatie die een betekenis, of context,
toevoegt aan de data zelf . Een voorbeeld: neem de zin 'Mijn kat
heet Eddie'. Mensen zoals wij weten nu dat 'kat' een naam
is van een diersoort, en dat 'Eddie' zijn naam is. Computer
programma's daarentegen, zijn niet menselijk en weten dit allemaal niet.
Nu kunnen we dus metadata gebruiken om betekenis toe te voegen aan de
data (uiteraard gebruiken we XML syntax!):
<zin>
Mijn <dier>kat</dier>
heet <naam>Eddie</naam>.
</zin>
Nu kan zelfs een stom computerprogramma het verschil herkennen tussen
de naam van een diersoort (kat) en een eigennaam (Eddie). We kunnen
nu bijvoorbeeld een document genereren waarin alle namen blauw zijn, en alle diersoorten rood. XML maakt zo'n omzettingen heel gemakkelijk
(het resultaat ziet er zo uit:)
Mijn kat heet Eddie.
In theorie kunnen we alle opmaak-informatie (in dit geval de kleuren)
in een apart bestand opslaan, een zogenaamde stylesheet. Al doende
hebben we dan de opmaak van de inhoud gescheiden, iets wat door sommigen
beschouwd wordt als de Heilige Graal van Webdesign TM. Maar
tot nu toe hebben we eigenlijk nog niet veel bijzonders gedaan. Metadata
toevoegen is namelijk iets wat markup talen al jaren kunnen. 'Dus,' dringt
de vraag zich op, 'wat maakt XML dan zo speciaal?'
De syntax politie
Om te beginnen heeft XML een heel strenge syntax. Zo moet elke
<tag> een afsluitende </tag> heben. [ Merk op: omdat het een beetje
dom is om twee tags te schrijven <tag></tag>
wanneer er niks tussen staat, kun je de tag ook meteen sluiten wanneer
je hem opent, en alzo een paar minuten van je leven winnen, op de lange
duur: <tag />. ]
Een andere regel is dat je tags niet mag 'mixen'. Je moet ze met andere
woorden sluiten in dezelfde (omgekeerde!) volgorde dat je ze hebt geopend.
Iets als het volgende is niet geldig:
<B> Vette tekst <I>Vette en schuine
tekst </B> schuine tekst </I>
De syntax regels schrijven voor dat je de </I>
tag sluit vóór je de </B>
sluit.
En, opgepast, alle elementen in een XML document moeten tussen
tags staan (behalve de eerste en de laatste natuurlijk). Daarom hebben
we in het voorbeeld hierboven de <zin>
tags rond de zin gebruikt. Zonder die tags zouden sommige woorden in de
zin niet tussen tags staan, en dat maakt de XML syntax politie goed kwaad,
zoals zovele dingen.
Mozilla's syntax politie '@work' ...
Maar zo'n sterke politiemacht heeft natuurlijk zijn voordelen: ze bewaart
de orde. De eenvoudige syntax maakt dat programma's heel makkelijk XML
kunnen lezen. Bovendien is de data in XML documenten heel gestructureerd,
zodat ook mensen het makkelijk kunnen schrijven en lezen.
Merk wel op dat de 'theoretische' voordelen van XML niet altijd opduiken
in de praktijk. De huidige XML parsers bijvoorbeeld, zijn meestal verre
van snel, en dikwijls heel groot. Dus misschien is XML helemaal niet zo
makkelijk te lezen voor computers? Laten we het er gewoon bij houden dat
het geen goed idee is om *alles* in XML te doen, gewoon omdat het mogelijk
is. Toepassingen die dikwijls documenten moeten doorzoeken, of die heel
grote documenten nodig hebben, zijn dikwijls niet zo geschikt voor XML.
Maar dat betekent natuurlijk niet dat ze niet realiseerbaar zijn met
XML!
Een goed voorbeeld van de kracht van XML, maar ook van de traagheid,
is het feit dat je er databases in kunt schrijven (probeer dát
maar eens met HTML! :p) Dat is nu net wat Egon Willighagen heeft gedaan
voor onze lokale LinuxFocus afdeling, zijn artikel hierover vind je onderaan
bij de links. In dit geval verkozen we de flexibiliteit en uitbreidbaarheid
van een eigen bestandsformaat boven pure snelheid (bijvoorbeeld met mySQL).
En nog over die strikte syntax: als je goede vriendjes wordt met de
politie (de syntax checkers), kun je zelfs wat van je werk op hen afschuiven.
Maar in dat geval zul je wel een DTD moeten schrijven...
De DTD
In het 'Eddie de meta-kat' voorbeeld hierboven hebben we onze eigen
XML tags verzonnen. Uiteraard is zo'n daad van creativiteit niet naar de
zin van de politie! De 'mannen in't blauw' willen weten wat je doet, hoe,
wanneer, en (indien mogelijk) waarom. Wel, geen probleem, je kunt alles
netjes uitleggen met de DTD...
Een DTD laat je toe om nieuwe tags 'uit te vinden'. Je kan er zelfs
een heel nieuwe taal mee ontwerpen, zolang je maar de XML syntax resprecteert.
De DTD, of Document Type Definition, is een bestand
met daarin de beschrijving van een XML taal. Eingelijk is het niets
meer dan een opsomming van alle mogelijke tags, hun eventuele attributen,
en de mogelijke combinaties. De DTD beschrijft wat je kan doen in je XML
taal, en wat niet. Dus wanneer we praten over deze of gene 'XML taal',
praten we eigenlijk over een specifieke DTD.
Zet de flikken aan het werk!
Soms zal de DTD je dwingen om op een bepaalde plaats een bepaalde
tag te schrijven. Sommige tags zijn namelijk verplicht, zoals de begin-
en eind-tag, of een tag met de titel van het document. Het leuke hieraan
is dat er software bestaat (b.v. een emacs module) die de verplichte tags
in jouw plaats schrijft.
Op die manier worden sommige delen van je documenten automatisch voor
je ingevuld. Omdat de syntax zo strikt en duidelijk is, kan de DTD
je als het waren leiden door het schrijfproces. En als je een fout maakt
(bijvoorbeeld een tag vergeten te sluiten), dan brengt de politie je
op de hoogte. Dus al bij al zijn de flikken nog niet zo slecht: in plaats
van te roepen 'Je hebt het recht op stilzwijgen...', vertelt de XML syntax
politie je vriendelijk over een 'Syntax error @ line xx : '... :)
En als je de politie het vuile werk laat opknappen, heb jijzelf natuurlijk
meer tijd om je te concentreren op de inhoud.
In the mix
Een laatste mooie eigenschap van XML is dat je verschillende DTD's
tegelijk kunt gebruiken. Je kunt dus in hetzelfde document verschillende
data-types opnemen.
Dit 'mixen' gebeurt met xml namespaces. Je kunt bijvoorbeeld de DocBook
DTD opnemen in je .xml document, in dit geval met de prefix 'dbk'.
Al de tags van DocBook staan dan ter beschikking in de volgende vorm:
(aangenomen dat er een DocBook tag <gewoon_een_tag>
bestaat:)
<dbk:gewoon_een_tag> gewoon wat woorden </dbk:gewoon_een_tag>
Met het namespaces systeem kun je alle tags en alle attributen gebruiken
van eender welke DTD. Dit opent een wereld van mogelijkheden, zoals
je kunt ontdekken in het volgende hoofdstuk.
Beschikbare DTDs
Hier is een klein overzicht van een paar DTDs die nu al (gedeeltelijk)
gebruikt worden.
- DocBook-XML
DocBook is een taal om gestructureerde documenten mee te maken, denk
aan boeken en papers. Maar je kan het ook inzetten voor andere dingen.
DocBook is eigenlijk een SGML DTD (SGML is a markup standaard), maar
er is ook een -populaire- XML versie van. Dit is één van
de populairste XML DTDs.
- MathML
MathML is de Mathematical Markup Language, gebruikt door wetenschappers
om wiskundige symbolen en formules mee te schrijven. Voor mensen
uit de wiskundige wereld is dit echt een heel nuttig gereedschap. De
chemici van hun kant hoeven niet jaloers te zijn op hun collega's, zij
hebben namelijk hun eigen speeltje, te weten CML of Chemical Markup Language.
Merk op dat Mozilla 1.0 nu (binnenkort?) standaard MathML ondersteunt.
- RDF
RDF is het Resource Description Framework, ontworpen om metadata
te coderen en te hergebruiken. In de praktijk wordt het dikwijls
gebruikt door websites om elkaar te vertellen welk nieuws ze tonen.
Bijvoorbeeld de Nederlandse site linuxdot.nl.linux.org gebruikt
RDF bestanden van andere sites om hun nieuwtjes te kunnen weergeven.
De meest populaire nieuws-sites (zoals Slashdot) hebben dan ook een RDF
bestand ter beschikking zodat je hun nieuws-headlines b.v. kunt weergeven
in een menu op je homepage.
- SOAP
SOAP staat voor Simple Object Access Protocol. Het is een taal waarmee
processen met elkaar kunnen communiceren (data uitwisselen en
'remote procedure calls' doen). Met SOAP kunnen twee processen op
afstand communiceren, bijvoorbeeld over een http verbinding (internet).
Atif van LF zal je hier binnenkort meer over kunnen vertellen :-)
- SVG
Scalable Vector Graphics. Het trio PNG, JPEG2000 en SVG zou
de toekomst moeten vormen van afbeeldingen op het web. PNG zal de
rol van het huidige GIF overnemen (verliesvrij gecomprimeerde bitmaps
met transparantie), en JPEG2000 zal op een dag de .jpg van vandaag vervangen
(bitmaps met een instelbare graad van 'verlieslatende' compressie).
SVG van zijn kant werkt niet met bitmaps, maar is vector-gebaseerd.
Met andere woorden: afbeeldingen worden niet voorgesteld door pixels,
maar door wiskundige vormen (lijnen, veelhoeken,...). SVG ondersteunt
ook dingen als scripts en animatie, dus het is te vergelijken met Macromedia's
Flash. In .svg files kun je JavaScript gebruiken, en met dat JavaScript
kan je dan weer .svg code maken. Lekker flexibel he?
Maar svg is nog nat achter de oren: op dit moment is er enkel een
goede SVG browser plugin beschikbaar van Adobe voor Windows en Mac.
Mozilla werkt aan een ingebouwde SVG viewer, maar die is nog niet
af en je moet een speciale Mozilla-versie binnenhalen om hem aan't
werk te zien.
OPMERKING: .svg bestanden worden algauw heel groot, daarom
zie je vaak .svgz bestanden. Die zijn gewoon met het gzip algoritme
gecomprimeerd.
- XHTML
XHTML is de XML variant van HTML versie 4.01. De strakke XML syntax
veroorzaakt een paar wijzigingen - sommige dingen kan je wel doen
in HTML maar niet in XHTML. Maar aan de andere kant is een XHTML pagina
wel geldige HTML. Programma's zoals HTML tidy kunnen bestaande HTML
pagina's omzetten in XHTML.
- De rest
Veel nieuwe bestandsformaten gebruiken XML, vaak in combinatie met
.gz of .zip compressie. Een voorbeeld: de KOffice bestandsformaten
zijn XML DTDs. Dit is nuttig, omdat de gebruiker de functionaliteit
van 2 toepassingen kan oproepen in 1 document. Je kunt dus een KWord
document schrijven met een ingebedde KChart spreadsheet erin.
Links
Het W3C, of World Wide Web Consortium
Ze hebben info over XML, MathML, CML, RDF, SVG, SOAP, XHTML, namespaces...
www.w3.org
Een paar dingen van Jaime Villate (de eerste twee in't Spaans):
Introductie tot
XML
Hoe maak je HTML uit XML
LSM-slides
HTML tidy, het programma:
www.w3.org/People/Raggett/tidy
DocBook
www.docbook.org
Mozilla.org SVG project
www.mozilla.org/projects/svg
Relevante LinuxFocus articles:
LinuxFocus.org
(/Nederlands) maken met XML en XSLT
PDF
documenten maken met DocBook
2005-01-14, generated by lfparser_pdf version 2.51