DTD Definiciones de Tipo de Documento

1
DTDDefiniciones de Tipo de Documento

• D. Pedro Ángel Castillo Valdivieso
• Dpto. de Arquitectura y Tecnología de
  Computadores
• Univ. de Granada
• pedro_at_geneura.ugr.es

2
Definiciones de Tipo de Documento

• Los DTD se desarrollaron para ser utilizados con
  SGML.
• Son un conjunto de reglas sintácticas para
  definir etiquetas.
• Indica cuáles se pueden usar en un documento,
  aparecer dentro de otras, cuáles tienen
  atributos, etc.
• No siguen la sintaxis XML que conocemos, sino una
  propia
• lt?xml encondigUTF-8?gt
• lt!ELEMENT listado (elemento)gt
• lt!ELEMENT elemento (PCDATA)gt
• Una alternativa que está teniendo éxito son los
  Xschemas.
• Un Xschema utiliza la sintaxis XML, tiene la
  misma potencia que los DTD pero además puede
  definir tipos de datos.

3
Definiciones de Tipo de Documento

• SGML utiliza DTD para describir las etiquetas de
  un documento.
• Los documentos XML podemos utilizarlos con o sin
  DTD
• Un documento sin DTD define las etiquetas por la
  existencia y localización de éstas cuando son
  creadas.
• lt?xml version1.0?gt
• ltlibrogt
• lttitulogt...lt/titulogt
• lttextogt......lt/textogt
• lt/librogt
• Una aplicación XML necesita que el comienzo y fin
  de todas las etiquetas y la presencia de
  elementos vacíos sea no ambigua.

libro
titulo
texto
4
Definiciones de Tipo de Documento

• Todos los documentos XML deben ser bien formados.
• Si no se usa DTD, el XML debe comenzar con la
  declaración de documento único
• lt?xml version1.0 standaloneyes?gt
• Todas las etiquetas deben estar balanceadas.
• Todos los valores de los atributos deben ir
  entrecomillados.
• Un elemento vacío debe terminar con /gt o hacerlo
  no vacío
• ltimg srcfichero.gif/gt
• ltimg srcfichero.gifgtlt/imggt
• Si no se usa DTD, los atributos de etiquetas
  deben ser del tipo CDATA.

5
Definiciones de Tipo de Documento

• Los documentos XML válidos tienen un DTD
  asociado.
• Deben ser documentos bien formados y comenzar con
  la declaración de tipo de documento
• lt?xml version1.0 encodingUTF-7?gt
• lt!DOCTYPE libro SYSTEM http//www.host.dom/libro.
  dtdgt
• ltlibrogt
• ....
• lt/librogt
• La definición para ese tipo de documento debe ser
  accesible para la aplicación XML
• localmente lt!DOCTYPE libro SYSTEM libro.dtdgt
• descargándola de la red

6
Definiciones de Tipo de Documento

• La DTD puede estar en fichero externo o en el
  mismo XML
• lt?xml version1.0 encodingUTF-7?gt
• lt!DOCTYPE etiqueta
• lt!ELEMENT etiqueta (nombre,direccion)gt
• lt!ELEMENT nombre (PCDATA)gt
• lt!ELEMENT direccion (PCDATA)gt
• gt
• ltetiquetagt
• ltnombregtJuliolt/nombregt
• ltdirecciongtJerez de la Fronteralt/direcciongt
• lt/etiquetagt
• La declaración empieza con lt!DOCTYPE raiz y
  termina con gt
• Las etiquetas (y su contenido) se definen con
  lt!ELEMENT

Utilizaremos esta forma ya que son ejemplos
simples

• ejemplo de las tarjetas
• ejemplo de los artículos
• EJERCICIO un DTD
• para describir coches.

7
Declaraciones de Tipo de Documento

• Las etiquetas utilizadas deben ajustarse a las
  reglas dadas en el DTD para que el XML sea
  válido.
• Las declaraciones empiezan por lt!ELEMENT seguidas
  por el identificador de la etiqueta declarada y
  la especificación del contenido
• lt!ELEMENT etiqueta (titulo,ingredientes,procedimie
  nto)gt
• lt!ELEMENT titulo (PCDATA)gt
• ........
• Ejemplo válido Ejemplo no válido
• ltrecetagt ltrecetagt
• lttitulogttitulolt/titulogt lttitulogttitulolt/titulogt
• ltingredientesgtcosaslt/ingredientesgt
  ltingredientesgtcosaslt/ingredientesgt
• ltprocedimientogtpasoslt/procedimientogt
  ltprocedimientogtpasoslt/procedimientogt
• lt/recetagt ltadvertenciasgttextolt/advertenciasgt
• lt/recetagt

8
Declaraciones de Tipo de Documento

• Tipos de contenido
• EMPTY
• Etiquetas que se cierran en la misma apertura. La
  información la tienen en forma de atributos
• lt!ELEMENT br EMPTYgt
• ltbr/gt
• ANY
• La etiqueta puede tener cualquier contenido
  (texto o cualquier elemento)
• lt!ELEMENT batiburrillo ANYgt

9
Declaraciones de Tipo de Documento

• Tipos de contenido (cont.)
• Mixed
• La etiqueta puede tener texto u otras etiquetas
  (según la especificación)
• lt!ELEMENT texto (PCDATAparrafo)gt
• Element
• Sólo contendrá aquellas etiquetas especificadas
• lt!ELEMENT mensaje (remite,destinatario,texto)gt

EJERCICIO un DTD y XML para describir email
10
Modelos de Contenido

• Son patrones que especifican el orden de
  definición de etiquetas.
• Sencillo uno que tenga texto o un solo tipo de
  elemento
• lt!ELEMENT aviso (parrafo)gt
• lt!ELEMENT parrafo (PCDATA)gt
• Secuencia usando la coma , se especifica qué
  etiqueta va detrás de otra
• lt!ELEMENT aviso (titulo,parrafo)gt
• Opción usando la se dan las etiquetas que
  puede contener otra dada (son opciones
  excluyentes)
• lt!ELEMENT aviso (parrafoimagen)gt

11
Modelos de Contenido (cont.)

• Agrupación usando los paréntesis ()
• Frecuencia
• ? Opcional (0 ó 1 vez)
• Opcional (0 ó más veces)
• lt!ELEMENT aviso (titulo?,(parrafo,grafico))gt
• necesario y repetible (1 ó más veces)

EJERCICIO un DTD y XML para describir artículos
12
Declaración de Atributos

• Los atributos añaden información adicional a las
  etiquetas.
• Comienza con lt!ATTLIST, seguido del elemento al
  que se aplica, el nombre del atributo, el tipo de
  datos y el valor por defecto.
• Opcional con valor por defecto debe tomar un
  valor dado en la lista de opciones, pero si se
  omite, toma el valor por defecto
• lt!ELEMENT mensaje (de,a,texto)gt
• lt!ATTLIST mensaje prioridad (normalurgente)
  normalgt

13
Declaración de Atributos (cont.)

• Obligatorio con REQUIRED , no toma valor por
  defecto ya que hay que especificarlo
• lt!ELEMENT texto (PCDATA)gt
• lt!ATTLIST texto idioma CDATA REQUIREDgt
• Opcional sin valor por defecto con IMPLIED ,
  si no se especifica no toma un valor por defecto
• lt!ELEMENT img EMPTYgt
• lt!ATTLIST img url CDATA REQUIRED alt CDATA
  IMPLIEDgt

EJERCICIO un DTD y XML para describir mensajes
14
Tipos de Atributos

• CDATA puede contener cualquier carácter
• lt!ATTLIST mensaje fecha CDATA REQUIREDgt
• ltmensaje fecha15 de julio de 2000gt
• NMTOKEN sólo acepta letras, números, puntos,
  guiones, subrayados y los dos puntos
• lt!ATTLIST mensaje fecha NMTOKEN REQUIREDgt
• ltmensaje fecha15-7-2000gt
• Enumerados y notaciones sólo acepta un valor de
  entre los dados como opciones
• lt!ATTLIST mensaje prioridad (normalurgente)
  normalgt

15
Tipos de Atributos (cont.)

• Notaciones el valor se debe ajustar a una
  notación declarada
• lt!NOTATION HTML SYSTEM http//www.w3.org/Markupgt
  
• lt!ATTLIST mensaje fecha NOTATION
  (ISO-DATEEUROPEAN-DATE) REQUIREDgt
• ID e IDREF ID asigna un identificador único que
  será referenciado por un atributo de tipo IDREF
• lt!ELEMENT enlace (PCDATA)gt
• lt!ATTLIST enlace apuntador IDREF REQUIREDgt
• lt!ELEMENT capitulo (parrafo)gt
• lt!ATTLIST capitulo identificador ID IMPLIEDgt

16
Declaración de Entidades

• Se usan para referenciar a imágenes, pág.webs,
  ficheros, etc.
• Se declaran mediante lt!ENTITY
• Entidades internas abreviaturas de contenido XML
  que se reemplaza en el documento
• lt!DOCTYPE texto
• lt!ENTITY alf Alien Life Formgt gt
• lttextogtALF significa alflt/textogt
• Entidades externas analizadas son similares,
  pero obtienen el contenido de un documento,
  pág.web, etc.
• lt! ENTITY ayuda SYSTEM http//www.servidor.com/ay
  uda.xmlgt

17
Declaración de Entidades (cont.)

• Entidades no analizadas si el contenido de la
  entidad es un archivo binario, el procesador XML
  no debe intentar interpretarlo como si fuera
  texto XML
• lt!ENTITY logo SYSTEM http//www.servidor.com/logo
  .gifgt
• Entidades parámetro similares a las internas,
  pero se reemplazan en el DTD en lugar del
  documento XML
• lt!DOCTYPE texto
• lt!ENTITY meta-alf lt!ELEMENT alf
  (PCDATA)gtgt
• meta-alf
• gt

18
Ejemplo de DTD y XML

• Definición de un lenguaje de marcado para una BD
  de personas.
• lt?xml version1.0?gt
• lt!DOCTYPE agenda
• lt!ELEMENT agenda (persona)gt
• lt!ELEMENT persona (nombre,tlf)gt
• lt!ATTLIST persona id ID REQUIREDgt
• lt!ELEMENT nombre (PCDATA)gt
• lt!ELEMENT tlf (PCDATA)gt
• gt

19
Ejemplo de DTD y XML (Cont.)

• ltagendagt
• ltpersona idrickgt
• ltnombregtRicardolt/nombregt
• lttlfgt952459823lt/tlfgt
• lt/personagt
• ltpersona idpiligt
• ltnombregtPilarlt/nombregt
• lttlfgt957294875lt/tlfgt
• lt/personagt
• lt/agendagt

EJERCICIO ampliar este ejemplo para
especificar relaciones de amistad.
20
Elegir un Parser XML

• Parsers sin validación o con validación.
• Las aplicaciones que usemos incluyen sus propios
  parsers (MS IExplorer utiliza el parser incluido
  en MSXML.DLL)
• Parsers on-line
• http//geneura.ugr.es/pedro/xml/progs/parserJS/
  sin validación
• http//frontier.userland.com/stories/storyReader1
  092 sin validación
• http//www.xml.com/tools/ruwf/check.html sin
  validación
• http//www.cogsci.ed.ac.uk/richard/xml-check.htm
  con validación
• http//www.stg.brown.edu/service/xmlvalid/ con
  validación

21
Elegir un Parser XML

• Parsers de línea de comandos
• RXP
• Disponible para Linux y Windows. Por defecto sólo
  comprueba la sintaxis. Con validación con la
  opción V. Salida con detalles con la opción v.
• rxp s V ejemplo-sin-error.xml
• rxp s V ejemplo-con-error.xml
• EXPAT
• Disponible para Linux y Windows.
• xmlwf ejemplo-sin-error.xml
• xmlwf ejemplo-con-error.xml

22
Elegir un Parser XML

• Parsers de línea de comandos (cont.)
• XERCES
• El que usa el proyecto Apache (Cocoon).
• cd /home/user/xerces-c1_3_0-linux/
• export LD_LIBRARY_PATH /home/user/xerces-c1_3_0-
  linux/lib/
• ./bin/SAXPrint bin/SAXPrint ejemplo-sin-error.xm
  l
• ./bin/SAXPrint bin/SAXPrint ejemplo-con-error.xm
  l

23
Usar Perl para programar un Parser
!/usr/bin/perl -w use strict use
XMLParser use TextWrap use GetoptStd my
(indlevel,_at_sectnums,parabuf,opts) getopts('c',
\opts) my pnew XMLParser(Stylegt'Stream')
p-gtparsefile(ARGV0) sub StartTag my
(expat,eltype)_at__ if (eltype eq "esquema")
indlevel-1 sectnums00
parabuf"" elsif (eltype eq "secc")
sectnumsindlevel sectnumsindlevel
10 print ' ' x (4indlevel),join('.',_at_sect
nums0..indlevel)," _titulo\n" print
"\n" unless optsc elsif (eltype eq
"para") else die "invalid element
eltype"
sub Text tr/\n/ / s/\s// s/\s//
return if _ eq "" parabuf_ sub EndTag
my (expat,eltype)_at__ if (eltype eq
"esquema") elsif (eltype eq "secc")
--indlevel elsif (eltype eq "para")
my ind' ' x (4indlevel) print
wrap(ind,ind,parabuf),"\n\n" unless optsc