08-pb.pdf

1996

GUST, Zeszyt 7

matowaniu tekstu, albo nawet jego zawarto±ci me-

rytorycznej. Problemy istniej¡ tak»e w przypadku

wykorzystania w dokumencie niestandardowego

zestawu znaków. SGML pozwala rozwi¡zywa¢ ta-

kie problemy. Deﬁniuje on zasady tworzenia j¦zy-

ków opisuj¡cych logiczn¡ struktur¦ dokumentów.

Dzi¦ki zestawowi deklaracji pozwala tak»e jed-

noznacznie okre±li¢ sposób kodowania informacji

zastosowany przy tworzeniu dokumentu. Ułatwia

wi¦c przenoszenie dokumentów mi¦dzy ró»nymi

systemami.

Standard słu»y jedynie do opisywania logicz-

nej struktury dokumentów, nie determinuje osta-

tecznej formy prezentacji informacji, która mo»e

by¢ docelowo przekształcana w najró»niejszy spo-

sób. Dokument zakodowany z wykorzystaniem

SGML-a mo»e słu»y¢ jako posta¢ wyj±ciowa do

formatowania tej samej informacji w ró»ny spo-

sób i prezentacji z u»yciem ró»nych mediów np.

w formie drukowanej na papierze, w postacji hi-

pertekstu albo tekstowej bazy danych. Bardzo pro-

sty przykład tego typu zastosowania b¦dzie zapre-

zentowany na zako«czenie artykułu.

Istnieje wiele narz¦dzi słu»¡cych do przetwa-

rzania dokumentów zakodowanych w SGML-u.

Wiele z nich jest dost¦pnych na zasadach public

domain, coraz cz¦±ciej pojawiaj¡ si¦ tak»e w pro-

duktach komercyjnych ﬁltry słu»¡ce do przekształ-

cania informacji do postaci SGML.

Standardy

SGML w praktyce

Piotr Bolek

Co to jest SGML

SGML ( Standard Generalized Markup Language )

jest nazw¡ j¦zyka zdeﬁniowanego w standardzie

ISO 8879 opublikowanym w pa¹dzierniku 1986 r.

Twórc¡ standardu jest dr Charles Goldfarb. SGML

jest

j¦zykiem

stosunkowo

zło»onym

bywa

okre±lany jako:

j¦zyk oznaczania (etykietowania) tekstu (ang.

tagging language ),

narz¦dzie do opisywania logicznej struktury

tekstów,

schemat ł¡czenia i odwoływania si¦ do plików,

system tekstowej bazy danych,

podstawa systemów hipertekstowych i multi-

medialnych,

narz¦dzie

umo»liwiaj¡ce

tworzenie

szablo-

nów dla dokumentów tekstowych,

narz¦dzie

pozwalaj¡ce

wykorzysta¢

zakodo-

wany

nim

tekst

sposób

nieprzewidziany

przez autora,

przeno±ny, niezale»ny od architektury sprz¦tu

i oprogramowania sposób kodowania tekstu,

Sposób kodowania dokumentów w SGML-u

narz¦dzie umo»liwiaj¡ce zapisywanie dowol-

nych struktur hierarchicznych,

Dokument w SGML-u zaczyna¢ si¦ powinien

od zestawu deklaracji ( SGML declaration )okre-

±laj¡cych pewne parametry (np. długo±¢ identy-

ﬁkatorów u»ywanych do oznaczania elementów

struktury), deﬁniuj¡cych zestaw znaków u»ywany

w dokumencie oraz znaki specjalne słu»¡ce do

oznaczania ró»nych typów identyﬁkatorów. Dekla-

racje te nie zawsze wyst¦puj¡ w postaci jawnej,

cz¦sto ukryte s¡ w systemie słu»¡cym do przygo-

towywania lub przetwarzania tekstu.

Drugim wa»nym elementem jest Deﬁnicja

Typu Dokumentu (ang. Document Type Deﬁnition

–DTD ). DTD okre±la w sposób formalny

logiczn¡ struktur¦ dokumentu – podobnie jak

style dokumentu w L A T E X-u (struktura ta musi

by¢ zachowana jednak bardziej rygorystycznie

ni» w L A T E X-u – nie byłoby mo»liwe opuszczenie

jednego

rozszerzalny j¦zyk opisu dokumentów,

standard komunikacji mi¦dzy ró»nymi typami

sprz¦tu i programami u»ytkowymi,

metaj¦zyk umo»liwiaj¡cy tworzenie j¦zyków

prezentacji struktury dokumentów.

Jak pisze C. Goldfarb wszystko to jest prawd¡,

ale nie cał¡. SGML jest po cz¦±ci tym wszystkim,

ale jako cało±¢ jest czym± jeszcze wi¦cej.

Potrzeba istnienia takiego standardu jak

SGML wynikała z problemów, które pojawiaj¡ si¦

w trakcie elektronicznego przetwarzania tekstów.

Cz¦ste s¡ w takich przypadkach trudno±ci z kon-

wersj¡ tekstów podczas przenoszenia mi¦dzy ró»-

nymi programami (edytorami, systemami składu

itp.) Przej±cie z jednego programu do innego cz¦-

stoprowadzidoutratyinformacjiostrukturze,for-

poziomu

nagłówków

np.

bezpo±rednio

http://www.GUST.org.pl

GUST, Zeszyt 7

1996

po \chapter u»ycie \subsection,cow A T E X-u

daje

i b¦dzie to równowa»ne z:

efekt

nieco

dziwaczny,

ale

nie

powoduje

<chap>

<title>Tytuł rozdziału

</title>

<p>Pierwszy akapit tekstu

</p>

</chap>

bł¦du).

Deﬁnicja DTD mo»e znajdowa¢ si¦ wewn¡trz

dokumentu, w jego nagłówku, je»eli jednak ma

by¢ u»yta przy tworzeniu wielu tekstów, zwykle

zapisywana jest w oddzielnym pliku.

Elementy. W DTD zdeﬁniowane s¡ wszystkie lo-

giczne cz¦±ci danego typu dokumentu – elementy

(ang. elements ), które maj¡ podobne zastosowanie

jak L A T E X-owe ±rodowiska. Ka»dy element składa

si¦ z etykiety otwieraj¡cej (ang. start-tag ) i zamyka-

j¡cej (ang. end-tag ). Etykieta otwieraj¡ca ma zwykle

posta¢ <elem>, a zamykaj¡ca </elem>.Inaczej

ni» w L A T E X-u, nie wszystkie elementy wyst¦puj¡ce

w tek±cie musz¡ mie¢ zaznaczone jawnie etykiety

otwieraj¡ce i zamykaj¡ce. W deklaracji SGML mo»-

liwe jest ustawienie parametrów dopuszczaj¡cych

ró»ne formy minimalizacji wpisywanych etykiet.

Minimalizacja taka mo»e polega¢ na mo»liwo±ci

opuszczenia etykiety (OMITTAG), u»yciu skróco-

nejwersjietykiety(SHORTTAG), grupowaniu ety-

kiet (RANK), albo automatycznym rozpoznawaniu

etykiet (DATATAG). Dodatkowo mo»liwe jest u»y-

wanie skrótów (ang. short references ), pozwalaj¡-

cych w pewnych kontekstach u»ywa¢ zamiast ety-

kiet

W powy»szym przykładzie mo»emy tak»e zo-

baczy¢ jak wygl¡da deﬁniowanie i u»ywanie ele-

mentów. Element chap zdeﬁniowali±my jako skła-

daj¡cy si¦ z tytułu (element title), z nast¦pu-

j¡cym po nim (przecinek „,”okre±la nast¦pstwo

elementów) co najmniej jednym akapitem (znak

plus „+” oznacza wyst¡pienie co najmniej jedno-

krotne). Element title zdeﬁniowany został jako

zawieraj¡cy dane tekstowe (#PCDATA ang. parsed

characted data ), bez »adnych elementów ni»szego

poziomu. Znaki „--”, „OO”i„-O”wyst¦puj¡ce

w deﬁnicjach elementów chap, title i p okre-

±laj¡ czy mo»liwe jest pomini¦cie odpowiednich

etykiet otwieraj¡cych lub zamykaj¡cych. Znak mi-

nus „-” na pozycji pierwszej oznacza, »e etykieta

otwieraj¡ca musi wyst¡pi¢, na pozycji drugiej, »e

wymagana jest etykieta zamykaj¡ca. Litera „O”ze-

zwala na pomini¦cie odpowiedniej etykiety.

zdeﬁniowanych

uprzednio

symboli,

lub

ich

sekwencji.

Po dopuszczeniu mo»liwo±ci opuszczania ety-

kiet mo»na pomin¡¢ etykiet¦ otwieraj¡c¡ lub za-

mykaj¡c¡, je»eli da si¦ z kontekstu wydedukowa¢

konieczno±¢ jej istnienia. Je»eli np. zdeﬁniujemy

elementy chap, title i p w nast¦puj¡cy sposób:

Atrybuty. Ka»dy z elementów mo»e zawiera¢

atrybuty okre±laj¡ce pewne cechy szczególne np.

fakt numerowania listy wylicze«:

<item> Pierwszy

<item> Drugi

</list>

<!ELEMENT chap - - (title,p+)>

<!ELEMENT title O O (#PCDATA)>

<!ELEMENT p - O (#PCDATA)>

Element typu list ma w tym przykładzie

atrybut type, któremu przypisano warto±¢ num-

bered. W DTD zawarte s¡ deﬁnicje atrybutów

wszystkich elementów wraz z ich typami i dopusz-

czalnymi warto±ciami.

to mo»emy napisa¢ w dokumencie:

<chap>

<title>Tytuł rozdziału

<p>Pierwszy akapit tekstu

</chap>

Deﬁnicje. W dokumencie SGML istnieje tak»e

mo»liwo±¢ deﬁniowania pewnych powtarzalnych

cz¦±ci jako pewnego rodzaju deﬁnicji zwanych

w terminologii SGML-a entities .Deﬁnicjamo»e

zast¡pi¢ pewien cz¦sto u»ywany tekst i jest

w takim przypadku podobna do bezparametrowej

deﬁnicji T E X-owej np.:

anawet:

<chap>

Tytuł rozdziału

<p>Pierwszy akapit tekstu

</chap>

1996

GUST, Zeszyt 7

etykiety otwieraj¡ce i zamykaj¡ce wraz ze wszyst-

kimi atrybutami. Wyj±cie z parsera mo»e by¢ wy-

korzystane w etapie nast¦pnym – przygotowaniu

dokumentu do prezentacji w sformatowanej po-

staci.

Formatowanie tekstu to etap, którym stan-

dard si¦ ju» nie zajmuje, ale etap ten jest zwy-

kle niezb¦dny, aby zakodowana informacja mogła

by¢ w sensowny sposób wykorzystana. Dokument

mo»e by¢ sformatowany w sposób prosty bezpo-

±rednio z dokumentu ¹ródłowego, przez prost¡

edycj¦ przy pomocy standardowych narz¦dzi, słu-

»¡cych do przetwarzania tekstu (sed, awk, Perl),

albo

<!ENTITY sgml "Standard Generalized

Markup Language">

W tek±cie dokumentu ka»dy napis &sgml;

zostanie zast¡piony przez Standard Generali-

zed Markup Language.

Inny rodzaj deﬁnicji mo»e by¢ u»ywany

w pliku DTD, daj¡c mo»liwo±¢ deﬁniowania pew-

nych wspólnych cech kilku elementów naraz.

Przykład tego typu deﬁnicji pojawi si¦ w przykła-

dowym DTD na ko«cu artykułu.

Inne składowe dokumentu SGML. Wdokumen-

cieSGMLmo»ewyst¡pi¢jeszczewieleinnych

składowych, np. wyró»nione sekcje (ang. marked

sections ), instrukcje formatuj¡ce (ang. procesing in-

structions ), poddokumenty (ang. subdocuments ), od-

wołania do znaków niedost¦pnych z klawiatury

(ang. character references ). Nie ma tutaj miejsca na

szczegółowe

uprzednim

przetworzeniu

tekstu

przez

parser na posta¢ „rozwini¦t¡”.

Przykład

Na koniec chciałbym przedstawi¢ bardzo pro-

sty przykład prezentuj¡cy opisane powy»ej cechy

SGML oraz mo»liwo±ci, które daje ten sposób ko-

dowania informacji. Przykładem tym jest przygo-

towywanie tabel do publikacji w WWW. Nie jest

to przykład bardzo skomplikowany, stanowi on

prób¦ pokazania mo»liwo±ci praktycznego wyko-

rzystania SGML-a.

omówienie

ich

deﬁniowania

spo-

sobu wykorzystania.

Praca z SGML-em

W praktyce najwa»niejsz¡ spraw¡ jest wst¦pne

zidentyﬁkowanie logicznej struktury dokumentu

i zbudowanie hierarchii elementów tej struktury.

Nast¦pnie nale»y stworzy¢ lub wykorzysta¢ istnie-

j¡cy

Problem i propozycja rozwi¡zania. Prezentacja ta-

bel w WWW sprawia problemy, poniewa» brak

jest jednoznacznego sposobu ich kodowania w j¦-

zyku HTML. W deﬁnicji standardu HTML3 istnieje

co prawda dosy¢ ciekawy sposób tworzenia tabel,

ale wi¦kszo±¢ u»ywanych przegl¡darek nie obsłu-

guje jezyka HTML3. Sposób zapisywania tabel ro-

zumiany przez przegl¡dark¦ Netscape te» nie jest

całkiem wygodny, chocia» daje du»e mo»liwo±ci

i jest cz¦±ciowo zgodny ze standardem HTML3.

Wi¦kszo±¢ przegl¡darek zupełnie jednak nie radzi

sobie z wy±wietlaniem tabel.

W zaproponowanym rozwi¡zaniu tabele two-

rzone s¡ w kilku wariantach – oddzielnie dla Net-

scape’a w postaci przez niego zrozumiałej, a od-

dzielnie dla pozostałych przegl¡darek – w postaci

preformatowanego tekstu ASCII (tabelki s¡ w tym

przypadku składane z wykorzystaniem programu

groff z preprocesorem tbl). Obie te wersje (oraz

dodatkowa

DTD,

okre±laj¡cy

struktur¦

dokumentu

for-

malnie.

Po zidentyﬁkowaniu wszystkich logicznych

elementów tekstu i wybraniu odpowiedniego typu

dokumentu nale»y okre±li¢ struktur¦ dokumentu

wstawiaj¡c do tekstu etykiety (ang. tags ), które

zaznaczaj¡ typy poszczególnych elementów do-

kumentu. Wprowadzenie etykiet do tekstu mo»e

mie¢ miejsce w trakcie tworzenia dokumentu i cza-

sem mo»e by¢ zupełnie niewidoczne dla u»ytkow-

nika. Etap ten mo»e stanowi¢ koniec pracy z tek-

stem. Dalsza obróbka mo»e by¢ dokonywana przez

innych. Zwykle nale»y jednak jeszcze dokona¢ we-

ryﬁkacji dokumentu, czyli sprawdzi¢ czy struk-

tura stworzonego dokumentu jest zgodna z deﬁ-

nicjami zawartymi w DTD. Do weryﬁkacji struk-

tury słu»¡ programy zwane parserami, czytaj¡ce

DTD oraz dokument i stwierdzaj¡ce czy dany do-

kument ma struktur¦ okre±lon¡ w deﬁnicji czy nie.

Czasem parser mo»e tak»e dokona¢ przekształce-

nia struktury dokumentu na posta¢ kanoniczn¡

(rozwini¦t¡), w której jawnie wyst¦puj¡ wszystkie

trzecia

L A T E X-owa)

s¡

tworzone

tej

samej wersji ¹ródłowej zapisanej w SGML-u.

DTD. Aby umo»liwi¢ przetwarzanie tabel nale»y

przede wszystkim przygotowa¢ odpowiedni¡ deﬁ-

GUST, Zeszyt 7

1996

nicj¦ typu dokumentu – DTD. Do tego celu została

wykorzystana zmodyﬁkowana i nieco uproszczona

wersja deﬁnicji tabel z DTD dla j¦zyka HTML 3.0.

Przykładowa tabelka.

Oto

przykładowa

tabelka

zapisana

zgodnie

zdeﬁniowan¡

w tab.dtd

specyﬁkacj¡.

<!doctype tab system>

<TABLE width=440 border padding=3

COLSPEC="lrrrr">

<TD>

<TD COLSPAN=4>Zasoby

<TR>

<TD>

<TD align=center colspan=2>Udokumentowane

<TD align=center colspan=2>Wydobywalne

<TD>Surowce

<TD>mld t <TD> %

<TD> mld t <TD> %

<TR>

<TD> W¦giel kam.

<TD> 36,18 <TD> 63,1 <TD> 14,47 <TD> 69,8

<TR>

<TD>W¦giel brun.

<TD> 2,74 <TD> 4,8 <TD> 2,46 <TD> 11,9

<TR>

<TD>Gaz ziemny

<TD> 0,17 <TD> 0,3 <TD> 0,14 <TD> 0,7

<TR>

<TD>Ropa naftowa

<TD> 0,005 <TD> 0,01 <TD> 0,004 <TD> 0,01

<TR>

<TD>Energia wód

<TD> 18,29 <TD> 31,9 <TD> 3,65 <TD> 17,6

</TABLE>

<!ELEMENT TABLE - - (TR+)>

<!ATTLIST TABLE

border (border) #IMPLIED

colspec CDATA #IMPLIED

units (en|pixels|relative) en

width NUMBER #IMPLIED

padding NUMBER #IMPLIED

spacing NUMBER #IMPLIED

<!ENTITY % cell "TH | TD">

<!ENTITY % horiz.align

"left|center|right|justify">

<!ENTITY % vert.align

"top|middle|bottom|baseline">

<!ELEMENT TR O O (%cell)* >

<!ATTLIST TR

align (%horiz.align) #IMPLIED

<!ELEMENT (%cell)-O(#PCDATA)>

<!ATTLIST (%cell)

colspan NUMBER 1

align (%horiz.align) #IMPLIED

<!ELEMENT TAB O O ANY>

Tabelka ASCII. Oto przykładowa tabelka sforma-

towania programem groff i preprocesorem tbl:

+-------------+-------------------------------+

| | Zasoby |

+-------------+----------------+--------------+

| | Udokumentowane | Wydobywalne |

+-------------+--------+-------+-------+------+

+-------------+--------+-------+-------+------+

|W¦giel kam. | 36,18 | 63,1 | 14,47 | 69,8 |

+-------------+--------+-------+-------+------+

|W¦giel brun. | 2,74 | 4,8 | 2,46 | 11,9 |

+-------------+--------+-------+-------+------+

|Gaz ziemny | 0,17 | 0,3 | 0,14 | 0,7 |

+-------------+--------+-------+-------+------+

|Ropa naftowa | 0,005 | 0,01 | 0,004 | 0,01 |

+-------------+--------+-------+-------+------+

|Energia wód | 18,29 | 31,9 | 3,65 | 17,6 |

+-------------+--------+-------+-------+------+

Tak¡ tabelk¦ mo»na umie±ci¢ na stronie HTML

przeznaczonej dla „ubogich” przegl¡darek WWW.

Narz¦dzia. Do przetwarzania tabel u»yty został

parser sgmls Jamesa Clarka, oraz program sgml-

spl napisany w Perlu, korzystaj¡cy z biblioteki

SGMLS.pm (autorem programu i biblioteki jest Da-

vid Megginson z Kanady).

Program sgmlspl działa na danych wyj±cio-

wych z parsera sgmls. Argumentem tego pro-

gramu jest plik ze specyﬁkacj¡, w którym w po-

staci kodu w Perlu zdeﬁniowane s¡ akcje, które

nale»y wykona¢ po napotkaniu kolejnych elemen-

tów struktury dokumentu. Dla ka»dego z forma-

tów wyj±ciowych konieczny jest oczywi±cie inny

plik ze specyﬁkacj¡. Kod specyﬁkacji nie b¦dzie

tutaj przedstawiany poniewa» jest dosy¢ specy-

ﬁczny i stosunkowo skomplikowany, byłby wi¦c

mało zrozumiały nawet dla osób znaj¡cych Perla.

Zainteresowanych

odsyłam

dokumentacji

bi-

blioteki SGMLS.pm i programu sgmlspl.

1996

GUST, Zeszyt 7

Ta b e l k a

H T M L .

A tak wygl¡da ta sama tabelka

przetworzeniu

HTML

ogl¡dana

pod

Netscapem:

Ta b e l k a L A T E X. Na koniec ta sama tabelka w L A T E X:

Literatura

Charles F. Goldfarb: The SGML Handbook ,

Oxford University Press, 1995,

Martin Bryan: SGML, an author’s guide to

the Standard Generalized Markup Language ,

Addison-Wesley, 1988.

David Megginson: Dokumentacja do

biblioteki SGMLS.pm i programu sgmlspl,

http://www.uottawa.ca/~dmeggins/

SGMLSpm/sgmlspm.html,

http://www.uottawa.ca/~dmeggins/

sgmlspl/sgmlspl.html

Daniel Gilly: Unix in the Nutshell ,O’Reilly&

Associates, 1994.

Piotr Bolek

P.Bolek@ia.pw.edu.pl

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: