BII-TECNOLOGA BASICA
TEMA 9- Lenguajes de marca o etiqueta. Caractersticas y funcionalidades. SGML, HTML, XML y sus derivaciones. Lenguajes de Script Lenguajes de Marca (Markup Languages): un conjunto de reglas para estructurar y dar formato a un documento electrnico. 1. Separa un texto en los elementos en los que se compone, como por ejemplo un prrafo, un captulo, etc. 2. Especifica las operaciones tipogrficas y funciones que debe ejecutar el programa visualizador sobre dichos elementos. Las operaciones tipogrficas son instrucciones de formato que se aplican a cada uno de los elementos de un documento digital, por ejemplo, imprimir un ttulo en itlicas. Tipos de Lenguajes de Marca: (Segn la forma de almacenamiento de la informacin de carcter tipogrfico): o Marcado de presentacin => es aquel que indica el formato del texto. Este tipo de marcado es til para maquetar la presentacin de un documento para su lectura, pero resulta insuficiente para el procesamiento automtico de la informacin. El marcado de presentacin resulta ms fcil de elaborar, sobre todo para cantidades pequeas de informacin. Sin embargo resulta complicado de mantener o modificar, por lo que su uso se ha ido reduciendo en proyectos grandes en favor de otros tipos de marcado ms estructurados. Ejemplos: o Marcado Procedural => relacionado con la apariencia del texto (tipo de fuente, tamao, posicin...). Est enfocado hacia la presentacin del texto, sin embargo, tambin es visible para el usuario que edita el texto. Marcado que contiene instrucciones de proceso. Conlleva un procedimiento para el dispositivo de salida (formato de salida). Hay prdida de estructura (no hay una estructura de todo el documento). No es flexible. Cualquier cambio, manual en el doc. Proceso lento y propenso a errores. Ejemplos: nroff, troff, TeX, y PostScript. o Marcado estructural => relacionado con la estructura. Marcado que describe la estructura lgica del documento. (a cada etiqueta del mismo tipo, el formateador le da un conjunto de formatos (p.e. tipo de letra). Codificacin genrica o estructurada. Puede ser posible ms de una estructura sobre el mismo documento. El objetivo del marcado generalizado o estructural es separar el contenido de la presentacin o formato del documento (y de cualquier otra forma de proceso).
Las etiquetas se asocian a normas de formato. Un formateador procesa el texto y produce un doc. De salida. El marcado describe nicamente la estructura lgica del documento. Ms flexible. Facilita procesado automtico de la informacin (a travs de un lenguaje estandarizado). Ejemplos: SGML y el XML. (HTML es mezcla de los dos). Los lenguajes de marca ms importantes son: GML --> SGML --> XML --> Dialectos XML (o extensiones: XBRL financiero; KML geogrfica; X3D imgenes 3D; XHTML html en XML).
SGML (Standard Generalized Markup Languaje) Se inicia en los 60 con GML (Goldfarb de IBM). Se estandariza con el SGML en los 80 => ISO 8879. Objetivo: de crear un sistema general para el formato de documentos y que permitiera la compatibilidad entre los documentos => Metalenguaje (del que derivan otros lenguajes especializados). Con la sintaxis del lenguaje SGML se pretende poder identificar la estructura lgica de un documento a travs de estas marcas (no su apariencia fsica). Las etiquetas marcan los distintos elementos de un texto con una estructura jerarquizada, como por ejemplo, los encabezamientos o los prrafos, representando de la misma forma los elementos de la misma categora. La presentacin final de estos elementos viene determinada por las especificaciones de estilo especiales. El material que constituye un documento (Entidades Entities) puede estar en distintos archivos, o una Entidad puede estar compartida por varios documentos. Cada entidad contienen Elementos. Hoy da se emplea en campos en los que se requiere documentacin a gran escala. Muy potente pero muy complicado. Un documento SGML consta de 3 partes: o Declaracin SGML o Declaracin de tipo de documento (DTD) o Instancia o Muestra de Documento Declaracin SGML: 1 sentencia del documento (trabaja en conjunto y acorde con el DTD y puede ser parte de la instancia o muestra de doc.): o conjunto de caracteres utilizado, o lo que puede estar contenido o no en el documento, o la sintaxis concreta, o las caractersticas especficas de SGML utilizadas en el documento, o los requisitos de capacidad del sistema (p.e. tamao mximo de los nombres). DTD (Document Type Definition): Define los elementos del documento en trminos de modelos de contenido (estructura del documento). o Contiene las reglas de dichos elementos (nombre, significado, dnde pueden ser utilizados y qu pueden contener).
o Se puede almacenar en un archivo separado .dtd,(y hacer referencia en el doc) o incluirlo dentro del propio doc. o Sin el DTD, el doc. no ser validado apropiadamente por el parser (solo ser bien formado). o El parser es una herramienta que lee el doc. y ve si corresponde con la definicin del DTD (separa los datos del etiquetado). o En el doc. con el comando DOCTYPE, se incluye el DTD, o se hace referencia a su fichero. o En el DTD se utilizan los siguientes comandos: ELEMENT: sirve para definir una etiqueta. ENTITY: con este comando se pueden indicar ciertos elementos del texto en forma de sucesiones de caracteres ASCII que se repiten en ms de un lugar en el documento SGML. ATTLIST: permite establecer atributos complementarios para determinados elementos concretos. Todos los atributos pertenecientes a un elemento se resumen aqu en una sola lista en la que se establecen los nombres de los atributos, as como los valores autorizados de cada atributo
<!DOCTYPE anthology [ <!ELEMENT anthology - - (poem+)> <!ELEMENT poem - - (title?, stanza+)> <!ELEMENT title - O (#PCDATA) > <!ELEMENT stanza - O (line+) > <!ELEMENT line O O (#PCDATA) >
]> Muestra o instancia de Documento: contiene el marcado o etiquetado y el contenido del doc (que sigue las estructura del DTD). o Los objetos SGML son fundamentalmente dos: Elementos (insertados como etiquetas y sus atributos locales) Entidades (para caracteres especiales, texto almacenado y archivos externos).
HTML HTML no es un lenguaje de programacin, es un lenguaje de especificacin de contenidos para un tipo especfico de documentos SGML. Es decir, mediante HTML podemos especificar, usando un conjunto de marcas o etiquetas, cmo va a representarse la informacin en un navegador. El lenguaje HTML permite insertar mens, tablas, imgenes o bases de datos en los documentos, pero no permite al usuario que maneje estos elementos como mejor le convenga. Esa es la gran novedad que aporta XML. HTML, que se centra en la representacin en la pantalla de la informacin. Es un lenguaje interpretado por un browser para crear documentos Hipertexto (texto presentado de forma estructurada y agradable, con enlaces a otros documentos e inserciones multimedia grficos, sonido, ...). Especifica el formato de los elementos que componen una pgina Web y es el browser el encargado de visualizar el contenido de la forma ms adecuada (cada browser puede visualizarlo de diferente manera - netscapismos). No est ligado a ningn entorno particular. 3
Tiene gramtica fija. No es un Metalenguaje. Los ficheros HTML contienen texto plano. Pueden ser editados por cualquier editor de texto, pero hoy en da existen editores especializados que simplifican la tarea. Est construido a partir de etiquetas o tags, que pueden tener parmetros que modifican su comportamiento por defecto. o Pareadas: <H1> ....</H1> o Sin parear <IMG SRC foto.gif> Un cod HTML tiene una estructura monoltica (siempre es la misma estructura), comenzando con la etiqueta <html> y terminando con </html>. Y no necesita validacin. HTML y conjunto de caracteres (cada una de las posibles asociaciones de ns enteros y caracteres que se emplean para representar informacin). o HTML incluye un conj de caracteres llamado ISO-LATIN-1->256 elementos (caracteres de alfabeto de Europa Occ. y algunos smbolos especiales), esto garantiza su portabilidad. o Para insertar smbolos de otros idiomas hace falta utilizar referencias a carcter (nombres nemotcnicos) o un cdigo numrico correspondiente. El HTML est definido por unas reglas SGML, recogidas en un documento HTML DTD (Data Type Definition) donde se definen las etiquetas disponibles, opciones y forma de combinarse. Un doc HTML empieza por <!DOCTYPE>, con la versin y otra informacin para que la procese el browser. Ej: o <!DOCTYPE HTML PUBLIC -//W3C//DTD HTML X.0//EN> o Adems los clientes Web pueden conocer el tipo de datos que reciben por la informacin MIME que el servidor http adjunta (.html -> text/html) Evolucin del HTML: o Empez con la versin 1.0. o Ha evolucionado rpidamente segn los requerimientos del usuario, e impulsados por W3C, Netscape y Microsoft. o La versin actual, 4.0, incorpora capacidades especiales para dar dinamismo y extensible a todo sitio web (incorpora Javascript y CSS) Gramtica: permite editar pginas mediante un editor de textos. Permite: realizar listas, tablas, inclusin de Hipervnculos, objetos, imgenes y applets, uso de Hojas de estilo, creacin de marcos (frames) de una pgina y uso de formularios. o Estructura: <HTML> <HEAD> cabecera <TITLE> Ttulo </TITLE> </HEAD> - define valores vlidos en todo el documento. <BODY> cuerpo </BODY> - donde reside la informacin del doc. o Etiquetas: <br> salto de lnea <hr> lnea <b> </b> negrita <h1> </h1> formato de ttulo <font size=10></font> formato de fuente 4
<table></table> tablas <tr> </tr> filas <td> </td> colunmas <a href=una url></a> hipervnculos <img src=mi imagen> imgenes <frameset></frameset> conjunto de frames, definicin de una pag html. <frame></frame> frame de una pgina.
- DHTML HTML dinmico, que aporta interactividad a las pginas Web mediante Javascript. CSS y HTML. No requiere ningn tipo de Plug-in para utilizarlo. Crea efectos de animaciones, juegos, ... con poco ancho de banda. XML (Extensible Markup Language) Subconjunto del SGML (marcado estructural), pero sin la complejidad, ms extensible (meta-lenguaje que permite crear etiquetas adaptadas a las necesidades con campos y etiquetas propias tipificados, siguiendo las reglas de XML) y para cualquier tipo de mbito. Estndar abierto del W3C. Diferencia con el HTML, es que describe el contenido de lo que etiqueta. (El RDF (Resource Description Framework) es un estndar para descripciones simples. Mientras que el lenguaje XML sirve para la sintaxis, RDF vale para la semntica, porque ofrece de manera clara una serie de reglas para proveer informacin descriptiva). Caractersticas: o Arquitectura ms abierta y extensible. EJ: XBRL extensin mbito financiero KML informacin geogrfica para Google Earth. CML Chemical Markup Language Math para formar ecuaciones matemticas SVG Scalable Vector Graphics. o Integracin de datos de distintas fuentes. Puede hacerse el intercambio de datos entre distintas aplicaciones. o Gestin y manipulacin de datos desde el cliente Web. o Exportable a otros formatos de publicacin. Elementos XML: o Prlogo: Puede empezar con un prlogo que define: Una declaracin XML <?xml versin=1.0 encoding=UTF-8 standalone=no?> Versin, tipo de caracteres y si tiene DTD (no) o no (yes) y un DTD (declaracin del tipo de documento) (*) <!DOCTYTPE documento [ <!ELEMENT elemento1 .....> <!ELEMENT elemento2 .....> ] o asociar el DTD para construir el documento. Dos formas: 5
1- Identificador pblico (PUBLIC) hace referencia a dicho DTD <!DOCTYPE HTLM PUBLIC -/ /3WC/ /DTD HTML 3.2 Final/ /EN> 2- Identificador universal de recursos (URI) precedido de SYSTEM, que es el que se utilizar normalmente. <!DOCTYPE documento SYSTEM ejemplo.dtd> o Cuerpo: Despus del prlogo, vendr el conjunto de etiquetas (elementos). Elementos con contenido: <elemento atributos?>contenido </elemento> Elementos vaco <elemento atributos?/> Atributos: propiedades que pueden tener los elementos y que nos ofrecen informacin sobre l: <elemento> < atributo =valor> </atributo></elemento> Comentarios: informacin adicional no validada por el parser. En cualquier sitio excepto dentro de declaraciones, etiquetas u otros comentarios: <! -- Comentario --> CDATA: para integrar texto, no interpretado como etiqueta. <![CDATA[ texto ]]> para atributos (no confundir con PCDATA que es para elementos) Entidades predefinidas: para los caracteres reservados que no podemos usar en XML para no confundir con el marcado, se utiliza o el CDATA, o entidades predefinidas. Son 5: & < > ' " Componentes: 9 especificaciones o XML 1.0: especificacin base (describe la sintaxis que deben seguir los doc., la versin, y las reglas de que deben cumplir los analizadores de XML). o DTD (Data Type Definition o Declaracin del tipo de Documento). Archivo que encierra la especificacin formal del documento y su estructura lgica, puede encontrarse dentro del propio documento (*). Define las etiquetas a utilizar Contenido de cada elemento (etiqueta) Atributos de elementos Si el doc. XML cumple las reglas de XML => doc. bien formado (si no, no lo interpretara el Parser a no ser que se dejasen etiquetas abiertas y se puedan interpretar). Si el doc. sigue las reglas definidas en un DTD => doc. vlido o validado (con Xsquema no est validado). Componentes del DTD: !DOCTYPE empieza el DTD. !ELEMENT define un elemento => ANY, EMPTY, elemento, combinado (elemento (subelem1, subelem2, subelem3), PCDATA (para elementos simples, contenido tipo texto. El ms usado). 6
!ATTLIST define atributos del elemento => CDATA (texto), ID, IDREF, IDREFS, NMTOKEN, NMOTKENS, ENTITY, ENTITIES, NOTATION !ENTITY define entidades, para macros de texto, orgenes de datos. NOTATION - contenido externo no XML, la aplicacin no lo gestiona.
Desventajas: definicin fija (no ampliable); slo se puede asociar un DTD por doc.; no funciona bien con espacio de nombres; notacin no intuitiva (EBNF). o Xschema - Un Schema es algo similar a un DTD, define qu elementos puede contener un documento XML, cmo estn organizados y qu atributos y de qu tipo pueden tener sus elementos. Normalmente tienen extensin .xsd (XML Schema Definition). Ventajas de los Schemas frente a los DTDs [editar]
Usan sintaxis de XML, al contrario que los DTDs. (menos complejo y sofisticado). Permiten especificar los tipos de datos. o Bsicos: string, bolean, flota,. Double, decimal, binary,... o Complejos (ComplexType): squense, choice, all. Permite herencia. Soporte DOM (para invocar doc XML desde otros lenguajes de programacin). Son extensibles. Permite espacio de nombres (mltiple vocabularios), donde se encuentran los esquemas.
URL del Namespace donde est el esquema bsico de W3C, de donde se suele tirar. Pero para el propio doc. Se pueden referenciar ms esquemas especficos. Iran todos en una lnea como esta, o en las lneas siguientes que sera el propio esquema.
<? ?> Definicin del Squema (Versin obligatoria, Tipo de Caracteres)
<?xml version="1.0" encoding="UTF-8"?> <xsd:schema xmlns:xsd="http://www.w3.org/2001/XMLSchema"> <xsd:element name="Libro"> Orden dentro del elemento <xsd:complexType> compuesto <xsd:sequence> <xsd:element name="Ttulo" type="xsd:string"/> <xsd:element name="Autores" type="xsd:string" maxOccurs="10"/> <xsd:element name="Editorial" type="xsd:string"/> </xsd:sequence> <xsd:attribute name="precio" type="xsd:double"/> </xsd:complexType> </xsd:element> </xsd:schema>
xsd. Se puede omitir (este es el estndar de W3C). Los esquemas pueden estar en el doc. o en un fichero. Se suele llamar al squerma std de la W3C para que se reconozca as
declaraciones <element name>, <complexType>, <sequence>... Esta llamada puede estar en el propio esquema o en el doc. XML. Tipos complejos:
DTD Squema Orden determinado de (cuenta, sociedad, debe) <sequence> los elementos simples </sequence> Elegir uno de entre (cuenta|sociedad|debe) <choice> ellos- excluyente) </choice> Combinacin (cuenta|sociedad, debe) <all><sequence> <choice> <elementname>=cuenta type... <elementname>=sociedad type... </choice> <elementname>=sociedad type... </sequence> </all>
o Namespaces Espacio de Nombres. Caractersticos con Xsquema, para proporcionar elementos y atributos con nombre nico en una instancia XML. Una instancia XML puede contener nombres de elementos o atributos procedentes de mas de un vocabulario XML. Si a cada uno de estos vocabularios se le da un espacio de nombres, se resuelve la ambigedad existente entre elementos o atributos que se llamen igual. Los nombres de elementos dentro de un espacio de nombres deben ser nicos.
<?xml version="1.0"?> <cli:cliente xmlns:cli='http://es.wikipedia.org/wiki/Espacio_de_nombres_XML/cliente'
Cli y ped son Identificadores Uniforme de Recursos (URI )
xmlns:ped='http://es.wikipedia.org/wiki/Espacio_de_nombres_XML/pedido'> <cli:numero_ID>1232654</cli:numero_ID> <cli:nombre>Fulanito de Tal</cli:nombre> <cli:telefono>99999999</cli:telefono> <ped:pedido> <ped:numero_ID>6523213</ped:numero_ID> <ped:articulo>Caja de herramientas</ped:articulo> <ped:precio>187,90</ped:precio> </ped:pedido> </cli:cliente>
o CSS (Cascading Style Sheet) para visualizar doc XML sencillos. o XSL (Extensible Stylesheet Language). Define el estilo de documentos XML complejos. Permite modificar su aspecto. Ms potente que el CSS. Alternativas en desuso: DSSSL y JSSL. Est formado por: XSLT (Extensible Style Sheet for Transformations) Para convertir doc XML en otros XML o HTML. Consta de unas plantillas con reglas de transformacin y lenguaje de programacin declarativa escrito en XML. Xpath Permite hacer referencia a una o varias partes dentro de un doc. XML. Ej: Xpath (/doc/titulo/capitulo). XSL-FO (Formating Objects) Similar a CSS. o XLL (Extensible Link Language). Crear enlaces ms complejos que <a ref.> de HTML. Denominacin independiente de la ubicacin, enlaces bi-direccionales, hiperenlaces mltiples, enlaces agrupados y enlaces con atributos). XLINK (ej: Xlink ="http:((www.formatolibro.es/libroxml") y XPOINTER (permite direccionamiento a fragmentos de doc XML. Se construye sobre Xpath aadiendo el direccionamiento ej: Xpointer (/doc/titulo/capitulo [@numerocapitulo=!1] o DOM (Document Object Model) Modelo de Objetos de Documento. Interfaz estndar (API) para invocar objetos con otros lenguajes (C, C++, Java, Perl, ADA, ...). Medio para trabajar con doc XML por medio de cdigo y relacionar el doc XML con programas en otros lenguajes. Con DOM se carga todo el do XML en memoria. o SAX (Simple API for XML) otro API estndar. Ms rpido pero menos potente. Con SAX solo se carga en memoria la aprte del doc XML qie se necesita invocar. 9
Desarrollo de aplicaciones con XML: o Integracin de bases de datos distribuidas en los navegadores de XML. o Operaciones de comercio electrnico creando un estndar universal de intercambio electrnico de datos entre cualquier organizacin. o Herramientas: Editores XML para crear y editar doc XML. Ej: XML Notepad, Visual XML, Cooktop, Morphon (WYSIWYG) Editores DTD Procesadores XML (Parsers) es una herramienta para comprobar si los doc XML son bien formados y/o validados, e incorporarlos en las aplicaciones para que puedan manipularlos. Pueden ser de dos tipos, en funcin del API que utilicen con otras aplicaciones: DOM parser devuelve todo el rbol del doc XML (o HTML) completo en memoria. SAX parser solo devuelve parte del doc. XFORMS para formularios basados enXML. Otras aplicaciones: o SOAP envo de doc. XML sobre http. o XML-RPC ejecucin distribuida de procesos remotos. o Workflow BPEL (Business Process Execution Language) o VoiceXML. XHTML (oHTML 5.0) reproduce, engloba y extiende HTML 4.0 sobre la especificacin XML. Sus doc son conformes a XML. Estos doc XHTML pueden usar aplicaciones que se basen en DOM de HTML o XML DOM.
HTML, XML VERSUS SGML HTML es un tipo de documento SGML, mientras que el XML es un lenguaje SGML abreviado (quitndole complejidad) en el que se pueden definir nuestros propios tipos de documentos.
HTML/DHTML Gramtica Estructura N de marcas Complejidad Diseo de pginas Enlaces Fija y no ampliable Monoltica Fijas Baja Fijado por tags. Etiquetas con atributos CSS en DHTML Simples enlaces XML Extensible Jerrquica Sin lmite Mediana CSS o XSL Poderosos SGML Extensible Jerrquica Sin lmite Alta DSSSL HyTime
10
enlaces (XLL) Exportabilidad (formatos/aplicaciones) Validacin No Sin validacin Simple y a veces resuelta por scripts o CGI S Pueden validarse Potente bsqueda. Con capacidad para personalizarla. S Obligatorio DTD Son posibles potentes bsquedas.
Bsquedas
Indizacin/Catalogacin de pginas web
Slo lo permiten los atributos de la etiqueta <META>, e implementaciones como DC.
Una descripcin Proyectos abierta y como TEI, DLI, personalizable con etc. el RDF.
LENGUAJES DE SCRIPTING - Cdigo embebido en las pginas Web, para ser ejecutado por el lado del cliente o del servidor. Son lenguajes interpretados basados en un cdigo que se autoejecuta. SCRIPTS DE CLIENTE: o Generacin dinmica de HTML en el propio navegador (que es donde se ejecuta). o Manejo de interfaz ms dinmica: animaciones, mens desplegables, ... o Interaccin con applets, plug-ins y dems elementos de la pgina. o Comprobaciones bsicas de la informacin introducida (sin necesidad de ir al servidor para validarla). o Manejo de las cookies del cliente. o Funcionalidad limitada o Ms ligeros que los applets. Algunos: o Javascript-basado en Java, aunque no es Java, interpretado, basado en objetos y eventos (Netscape) o ECMAscript estandarizacin del Javascript por ECMA (ISO/IEC 216262). o VBscript basado en Visual Basic for Applications. Mayor funcionalidad que el Javascript (Microsoft),. Tecnologa propietaria. Interpretado en IE o Windows Script Host. o Jscript implementacin de MS del estndar ECMAscript. Tericamente es compatible con Javascript. Se usa tanto en cliente como en servidor (en IIS). Interpretado en IE o Windows Script Host. o Perlscript permite el uso de Perl en los scripts. Orientado a MS. En cliente y servidor. SCRIPTS DEL SERVIDOR: o Desde el servidor se monta la pgina Web para ser representada. o Problema del manejo del estado de sesin (provocado por http que es un protocolo sin estado (stateless). Se resuelve de varias maneras: 11
Uso de cookies (almacenan datos de sesin en ficheros de texto en el cliente) Parmetros en la URL en las peticiones http (inconveniente: se hace a travs de programacin). Variables y objetos de sesin en el servidor de aplicaciones. Uso de BD para mantener el estado. o CGIs (Common Gateway Interface): son especificaciones (multilenguaje) que permiten ejecutar un programa en el servidor web que va a generar una respuesta dinmica en el cliente web (precursor de todos los lenguajes de script en servidor). o Lenguajes Script de servidor: se embeben en las pginas html produciendo pginas dinmicas, pero son interpretados por el servidor antes de enviarse al cliente. Se obtiene Portabilidad, Reutilizacin y Extensibilidad (con libreras de tags). o ASP (Active Server Pages) (Microsoft).Utiliza lenguajes scripts Jscript o Vbscript. Solo se ejecuta en servidores MS IIS. o JSP (Java Server Pages): Evolucin de los Servlets de Java. Se compilan en el servidor formando el bytecode y se ejecutan en el cliente en la JVM. o PHP (PHP Hipertext Preprocessor) estructura similar a C Perl. Open Source. Multiplataforma, sencillo y rpido. En arquitectura LAMP (Linux SO, Apacha Serv, Web, MySQL BD y PHP leng. Script). Incorporar POO. o PERL (Practical Extraction and Report Language). Lenguaje especializado en tratamiento y generacin de ficheros texto. Se usa para la programacin CGI. Open Source y multiplataforma. Para interactuar con BB utiliza DBI (capa independ. de la BD) y DBD (Driver Perl).
12
