Inhaltliche Strukturierung von Ressourcen

Eine Einführung in XML

2. XML-Dokumente

von Margarete Payer und Alois Payer

Zitierweise / cite as:

Payer, Margarete <1942 - > ; Payer, Alois <1944 - >: Inhaltliche Strukturierung von Ressourcen : eine Einführung in XML. -- 2. XML-Dokumente. -- Fassung vom 2002-11-19. -- URL: http://www.payer.de/xml/xml02.htm. -- [Stichwort].

Erstmals publiziert: 2002-11-19

Überarbeitungen:

Anlass: Lehrveranstaltungen an der HdM Stuttgart, 2002/03

Unterrichtsmaterialien (gemäß § 46 (1) UrhG)

©opyright: Dieser Text steht der Allgemeinheit zur Verfügung. Eine Verwertung in Publikationen, die über übliche Zitate hinausgeht, bedarf der ausdrücklichen Genehmigung der Herausgeberin.

Dieser Teil ist ein Kapitel von:

Payer, Margarete <1942 - > ; Payer, Alois <1944 - >: Inhaltliche Strukturierung von Ressourcen : eine Einführung in XML. -- 0. Übersicht. -- URL: http://www.payer.de/xml/xml00.htm

Dieser Text ist Teil der Abteilung Informationswesen, Bibliothekswesen, Dokumentationswesen von Tüpfli's Global Village Library.

0. Übersicht

1. Einige Grundbegriffe
2. Aufbau eines XML-Dokuments
3. Document Prolog
- 3.1. XML-Declaration
- 3.2. Document Type Declaration
4. Document Instance
- 4.1. Markup
- 4.2. Dokumentinhalt

Zum Zeitpunkt der Abfassung dieses Kapitels gilt

XML 1.0 (Second Edition). -- W3C Recommendation 6 October 2000. -- Die jeweils neueste Version findet man unter URL: http://www.w3.org/TR/REC-xml. -- Zugriff am 2002-04-30.

Deutsche Übersetzung:

Extensible Markup Language (XML) 1.0 (Zweite Auflage). -- Deutsche Übersetzung 20. Januar 2002. -- Übersetzer: Stefan Mintert. -- URL: http://www.edition-w3c.de/TR/2000/REC-xml-20001006/. -- Zugriff am 2002-11-19

1. Einige Grundbegriffe

In XML bezeichnet man als Dokument (document) jede mit XML-Markup markierte Ressource. (Merkspruch: DocuMent = Data + Markup).

Bei XML-Dokumenten unterscheidet man:

wohlgeformte (well-formed) XML-Dokumente: Dokumente, deren Markupo den formalen Regeln von XML entspricht.
gültige (valid) XML-Dokumente: wohlgeformte XML-Dokumente, deren Markup einer in der Document Type Declaration genannten XML-DTD (Document Type Definition) oder einem XML-Schema entspricht.

Jedes gültige XML-Dokument muss also auch wohlgeformt sein und sein Markup muss aufgrund einer DTD oder eines Schemas Sinn besitzen, muss semantisch sinnvoll sein. Ein wohlgeformtes XML-Dokument dagegen muss nicht gültig sein, sondern kann ein semantisch sinnloses Dokument sein.

2. Aufbau eines XML-Dokuments

Jedes XML-Dokument besteht aus:

dem eigentlichen Inhalt des Dokuments (content data, bestehend aus data characters). Data characters werden von der XML-Software im CON-mode (für content) gelesen und an die Anwendungssoftware zur Weiterbearbeitung weitergegeben.

dem Markup -- den Charakteristika (z.B. visueller Art), die dem Nutzer mitteilen, z.B. welche Stellung im Ganzen (Titel, Paragraphen, Absätze usw.) oder welchen Stellenwert ein Teil des Dokuments hat (Hervorhebungen, Zitate, Fußnoten usw.), bestehend aus markup characters. Markup character werden als solche gekennzeichnet durch delimiter characters. Delimiter characters (Begrenzer) teilen der Software mit, dass die dadurch gekennzeichneten Zeichen im TAG-mode gelesen werden müssen.

Die üblichen delimiter characters (Begrenzer) sind:

< >	für start tags: zeigen Beginn eines Elementes an	z.B. <KapTitel>
</ >	für end tags: zeigen Ende eines Elementes an	z.B. </KapTitel>
& ;	zum Absetzen von Entities wie Graphiken, Sonderzeichen u. ä.	z.B. &Abb1;

Der formale Aufbau eines XML-Dokuments ist:

Document Prolog
1. XML declaration: teilt mit:
  - XML-Version: verwendete Version von XML
  - Zeichenkodierung:
  - Standalone document declaration
2. Document Type Declaration: definiert das verwendete Markup. Oft besteht die Document Type Declaration aus einer einzigen Zeile, die aussagt, dass die verwendete Document Type Definition eine veröffentlichte Implementierung ist bzw. dem empfangenden System bekannt ist
Document instance: das eigentliche Dokument mit dem Markup

3. Document Prolog

3.1. XML-Declaration

Die XML declaration wird oft weggelassen, wenn man annehmen kann, dass sowohl das sendende als auch das empfangende System die default syntax (reference concrete syntax) benutzen.

Konvention im Folgenden: { }: der Wert für die zwischen den geschwungenen Klammern stehende Variable ist einzusetzen (die geschwungenen Klammern sind dann wegzulassen!).

Achtung: XML ist case sensitive, d.h. Groß- und Kleinschreibung für XML-Sprachbestandteile dürfen nicht verändert werden und die gewählte Schreibung variabler Elemente muss beibehalten werden! (Also: !ELEMENT muss mit Großbuchstaben geschrieben werden!)

Allgemeine Syntax einer XML-declaration
<?xml {Name1} = "{Wert1}" {Name2} = "{Wert2}"?>
Option	Syntax	Beispiel
Nur XML-Version	<?xml version="{Versionsnummer}"?>	<?xml version="1.0"?>
XML-Version + Zeichenkodierung (Standard:: UTF-8)	<?xml version="{Versionsnummer}" encoding="{Kodierung}"?>	<?xml version="1.0" encoding="UTF-8"?>
XML-Version + Standalone document declaration	<?xml version="{Versionsnummer}" standalone="{yes/no}"?>	<?xml version="1.0" standalone="no"?>

Erklärung:

XML-Version: verwendete Version von XML
Standalone document declaration: gibt an, ob externe DTD (Document Type Definition) nicht beachtet werden soll (yes = braucht nicht beachtet zu werden). Sollte immer auf "no" gesetzt werden ("yes" erfordert sehr gute Kenntnisse des Funktionierens der Programme!)
Zeichenkodierung: normalerweise UTF-8 [siehe: Payer, Margarete <1942 -- >: Computervermittelte Kommunikation. -- Kapitel 12: OSI-Schicht 6: Presentation Layer -- Datendarstellungsschicht. -- Teil 1: Allgemeines, ASN.1, ASCII, ISO ISO 8859, UNICODE, ISO/IEC 10646, UCS, UTF, PostScript, Acrobat. -- URL: http://www.payer.de/cmc/cmcs1201.htm]

3.2. Document Type Declaration

Die Document Type Declaration gibt an, gemäß welcher welcher Document Type Definition (siehe Kapitel 3) oder welchem Schema (siehe Kapitel 15) das XML-Dokument markiert ist.

Eine Document Type Definition (DTD) kann sein:

extern: als eigenes Dokument
intern: Bestandteil des Dokuments (Achtung: XML lässt in internen DTD einiges nicht zu, was in externen DTDs von XML unterstützt wird!)
gemischt aus extern und intern: in diesem Fall hat jede Definition und Anweisung in der internen DTD Vorrang vor der externen DTD, d.h. die interne DTD kann Bestimmungen der externen DTD aufheben

Es gibt folgende Optionen, eine XML basierte Ressource im document prolog mit der zugehörigen DTD zu verknüpfen

Option	Syntax	Beispiel
Hinweis auf eine dokumentexterne DTD	<!DOCTYPE {Name der DTD} SYSTEM "{URL der DTD}">	<!DOCTYPE Dissertation SYSTEM "http://www.payer.de/dissertation.dtd">
Hinweis auf eine dokumentexterne öffentliche DTD	<!DOCTYPE {Name der DTD} PUBLIC "{Öffentliche Bezeichnung der DTD}" "{URL der DTD}">	<!DOCTYPE Dissertation PUBLIC "-//AKADEMISCH//DTD DISS//EN" "http://www.ddb.de/dtd/diss.dtd">
DTD (dokumentenintern)	<!DOCTYPE {Name der DTD} [<!{DTD}> (Syntax s. unten!)]>	<!DOCTYPE Dissertation [ <!ELEMENT Dissertation (Titelblatt, Kapitel+, Zusammenfassung, Literaturverz, Lebenslauf)> <!ELEMENT Titelblatt (Titel, Autor, Lebensdaten, WissInst, Jahr, ...)> <!ELEMENT (Titel \| Autor \| Lebensdaten \| WissInst \| Jahr \| ...) (#PCDATA)> <!ELEMENT Kapitel (....)> ... ]>
gemischt: Hinweis auf dokumentenexterne DTD mit Sonderregelungen für das vorliegende Dokument	<!DOCTYPE {Name der DTD} SYSTEM "{URL der DTD}" [<!{Sonderregelungen}>]>	<!DOCTYPE Dissertation PUBLIC "-//AKADEMISCH//DTD DISS//EN" "http://www.ddb.de/dtd/diss.dtd" [<!ELEMENT Lebensdaten EMPTY>]>

4. Document Instance

4.1. Markup

Das Markup eines Dokuments besteht aus:

Tags:
- Starttags
- Endtags
- Leerelement-Tags
- Anmerkungen und Erklärungen (Kommentaren)
- Abgrenzung von CDATA-Bereichen
Zeichenreferenzen (Platzhalter)

In einer auf der Grundlage von XML gekennzeichneten Ressource (Dokument) müssen für Tags folgende syntaktischen Regeln beachtet werden

Die Markierung erfolgt mittels sogenannter Tags
Tags sind nur so zulässig, wie sie in der DTD (Document Type Definition) definiert sind. Tags müssen die Hierarchie der in der DTD definierten ELEMENTs einhalten.
Die Markierung muss immer mit einem Start-Tag eingeleitet werden und mit einem Schluss-Tag abgeschlossen werden
Start Tags werden durch < > gekennzeichnet, Schluss-Tags mit </ >. Start-Tag und Schluss-Tag müssen denselben ELEMENT-namen in derselben Schreibung enthalten, z.B. <Kapitel> ... </Kapitel>.
Tags müssen geschachtelt sein und dürfen sich nicht überschneiden, also <tag1> ... <tag2> .. <tag3> ... </tag3> .. </tag2> ... </tag1>; nicht aber. <tag1> ... <tag2> ... </tag1> ... </tag2>
Tags ohne Inhalt (<tag></tag>) können so abgekürzt < /> werden, z.B. <BR/>, im Unterschied zu HTML und SGML ist aber ein nicht abgeschlossenes alleinstehendes <BR> nicht zulässig.
XML ist case-sensitive, d.h. unterscheidet zwischen Groß- und Kleinschreibung: d.h. <Kapitel> und <kapitel> sind verschiedene Tags
Attributwerte müssen in einfachen oder doppelten Anführungszeichen stehen: ' ', bzw. " "

Tags innerhalb einer Ressource enthalten also folgende Informationen:

Begrenzung: Beginn < > und Ende </ > einer Struktureinheit
Rolle der Struktureinheit, z.B. <Kapitel> ... </Kapitel>
hierarchische Position im Ganzen (Schachtelung)
Beziehungen: Verknüpfungen mit anderen Ressourcen

Anmerkungen und Erklärungen des Produzenten des XML-Dokumentes, die vom System nicht beachtet werden sollen, haben folgende Syntax:

Syntax	Beispiel
<!-- {Text der Anmerkung} -->	<!-- Für den folgenden Abschnitt muss ich noch die Quellen nachweisen-->

4.2. Dokumentinhalt

In XML gibt es für die Markierung reservierte Zeichen, die nicht direkt in einem Ressourceninhalt erscheinen dürfen. Benötigt man solche im Inhalt, muss der Bereich als CDATA bestimmt sein, oder man muss eine Zeichenreferenz (ENTITY) verwenden.

Die reservierten Zeichen und die entsprechenden Zeichenreferenzen sind

Zeichen	Zeichenreferenz
<	<
>	>
&	&
'	'
"	"

Diese Zeichenreferenzen sind unabhängig von der Zeichenkodierung.

Innerhalb des Dokuments können andere Sonderzeichen (auch nichtlateinische Schriften) -- soweit sie in der durch die XML declaration explizit oder implizit definierten Zeichenkodierung vorkommen -- auf zwei Arten bezeichnet werden

Methode	Syntax	Beispiele
character reference	&#{binärer Wert}; &#x{hexadezimaler Wert};	¡ [= ¡] ¡ [= ¡]
Definition von Sonderzeichen (sog. predefined entity references) (soweit vorhanden)	&{Sonderzeichendefinition};	ä (a-Umlaut) [= ä] Ä [= Ä] ö [= ö] Ö [= Ö] ü [= ü] Ü [= Ü] ß (sz-Ligatur) [= ß] < (less than) [= <] > (greater than) [= >]

Soll ein ganzer Bereich vom Parser übergangen werden und sein Inhalt nicht als markierter Dokumenteninhalt interpretiert werden, muss man ihn als CDATA markieren:

Syntax	Kommentar
<![CDATA[{Inhalt}]]>	Der Inhalt kann beliebig sein, z.B. Programmcode. Für binäre Inhalte eignet sich CDATA nicht, weil die der Endemerkierung ]]> entsprechende Bitfolge vorkommen könnte und dann vom Parser irrtümlich als Ende des CDATA-Bereichs interpretiert würde.

Zu Kapitel 3: Document Type Definition (DTD) und Schema