Aprendendo XML

ArticleCategory: [Artikel Kategorie]

Applications

AuthorImage:[Here we need a little image from you]

[Floris Lambrechts]

TranslationInfo:[Author and translation history]

original in en Floris Lambrechts

en to pt Bruno Sousa

AboutTheAuthor:[Über den Autor]

Tenho sido, por muitos anos o principal editor da LinuxFocus/Holanda. Estou a estudar "engenharia industrial em electrónica" em Leuven, Bélgica e passo o meu tempo a brincar com o Linux, o PHP, o XML e a LinuxFocus, ao mesmo tempo que leio livros de Stephen Hawking e (pelo momento:) de Jef Raskin, 'The Humane Interface'.

Abstract:[Here you write a little summary]

Isto é um pequena introdução ao XML. Conhecerá o Eddy o meta cat, o polícia da sintaxe do XML e algumas DTDs. Não se preocupe nós explicaremos :-)

ArticleIllustration:[This is the title picture for your article]

[Illustration: xml]

ArticleBody:[Der eigentliche Artikel]

Introdução

No verão de 2001, alguns dos editores da _LF_ vieram juntos, a Bordéus para o LSM. Muito diálogo e discussões acerca da documentação da LSM, o interesse especial do grupo virava-se para a mesma matéria: o XML. Longa (e divertidas) horas decorreram a explicar o que o XML é realmente, o que é bom para sabermos como utilizá-lo. Caso esteja interessado, é isto que este artigo procurará discutir.

Gostaria de agradecer ao Egon Willighagen e ao Jaime Villate por me introduzirem o XML. Este artigo, é de algum modo, baseado na informação dos artigos de Jaime, que pode encontrar nos links abaixo.

O que é o XML?

Nós, rapazes de documentação, sabíamos o que o XML era, mais ou menos. Apesar de tudo, a sua sintaxe é muito semelhante ao HTML e é outra linguagem de "marcação" como o SGML e (novamente) o HTML, correcto? Sim. Mas existe ainda mais.
O XML tem algumas propriedades que o tornam num formato de dados útil para, praticamente, tudo. Parece que, na maioria das vezes, pode descrever as coisas mais complexas, ao mesmo tempo que permanece de fácil interpretação para os humanos e fácil de ser interpretador por programas. Como é que é possível? Investiguemos esta linguagem ímpar.

Eddy, o gato meta

Antes de tudo, o XML é uma linguagem de marcação. Os documentos escritos numa linguagem de marcação contêm basicamente, duas coisas: dados e metadados. Se sabe o que significam os dados, por favor avise-me, mas até então falemos dos metadados :). Simplesmente, dizendo: os metadados são informação extra que adicionam um contexto, ou um significado aos dados em si. Um exemplo simples: repare na frase 'My cat is called Eddy'. Uma pessoa humana como você sabe que 'cat' é o nome de uma espécie de animais e 'Eddy' é o seu nome. Contudo, os programas de computador, não são humanos e não sabem isto. Assim, utilizamos os metadados para dar significado aos dados (claro que é com a sintaxe XML!):

 <sentence>
   My <animal>cat</animal> is called <name>Eddy</name>.
 </sentence>

Agora, até mesmo um programa de computador estúpido pode dizer que 'cat' é uma espécie e que 'Eddie' é um nome. Se quiser produzir um documento onde todos os nomes são impressos a azul, e todas as espécies em vermelho, então o XML facilita-nos a tarefa. Só pelo divertimento, eis aqui o que obteríamos:

 My cat is called Eddy.

Agora, teoricamente, podemos pôr a informação do layout (as cores neste caso) num ficheiro à parte, um chamado sytlesheet. Quando tal fazemos, estamos a separar a informação do layout do conteúdo, algo que é considerado, por alguns, o Cálice Sagrado da Web designTM. Até agora, não fizemos nada de especial, adicionar metadados é a função para a qual as linguagens de marcação são desenhadas. Assim, o que é que torna o XML tão especial?

O polícia da sintaxe

Antes de mais, o XML tem uma sintaxe muito restrita. Por exemplo, no XML toda a <tag> tem de ter uma </tag> de fecho. [ Note: visto que é um pouco estúpido escrever <tag></tag> quando não existe nada entre elas, pode também escrever <tag /> e, eventualmente, aproveitar alguns pares de minutos da sua vida].
Uma outra regra, é que não pode 'misturar' as tags. Temos de fechar as na ordem reversa àquela em que as abriu. Algo como isto não é válido:

<B> Texto a Negrito <I>Texto a negrito e itálico </B> texto em itálico </I>

As regras de sintaxe dizem que deve fechar a tag </I> antes de fechar a tag </B>
E, tenha cuidado, _todos_ os elementos no XML devem estar contidos em tags (claro com excepção das tags externas!). Isto, é a razão pela qual no exemplo acima, nós escrevemos as tags <sentence> à volta da frase. Sem elas, algumas das palavras na frase não seriam incluídas entre as tags, e isto, como outras imensas coisas, tornam o polícia da sintaxe do XML realmente muito mau.
Mozilla screenshot
A Política de sintaxe do Mozilla a trabalhar...

Mas uma força de polícia forte tem as suas vantagens: traz ordem. Como o XML segue uma sintaxe restrita, é muito fácil para os programas lê-la. Os dados no seus documentos XML, também se encontram muito estruturados, o que os torna de fácil leitura e escrita para humanos.
Por favor, note que qualidade 'teórica' do XML nem sempre pode ser posta em prática. Por exemplo, a maioria dos parsers de XML correntes estão longe de ser rápidos, e por vezes são, realmente, enormes. Assim parece que o XML, não é de tão fácil leitura para o software em geral. Digamos que, não é uma boa ideia fazer *tudo* em XML, só porque pode. Para aplicações onde precisa de fazer várias pesquisas num documento, ou onde tem documentos, realmente, enormes, o XML não é frequentemente a escolha certa. Mas tal não significa que é impossível utilizar o XML com estes propósitos.
Um exemplo simpático e que demonstra o poder do XML, mas também a sua lentidão, é o facto de poder escrever base de dados nele (tente fazê-lo com o HTML! :p). Foi exactamente o que o Egom Willighagen fez para a secção alemã da LinuxFocus, o seu artigo acerca deste sistema está disponível nos links no fim desta página. Neste caso a flexibilidade e extensibilidade de um formato de ficheiro artesanal foi escolhido ao invés da velocidade (diga-se mySQL).
Respeitante à sintaxe restrita do XML: se pretende ficar bom amigo dos verificadores de sintaxe, então existem várias maneiras de fazer com que o polícia da sintaxe faça algum do seu trabalho. Caso o pretenda, tem de fazer uma utilização inteligente da DTD...

A DTD

No nosso pequeno exemplo, acima, 'Eddy o gato-meta' inventámos as nossas próprias tags de XML. Claro que tal acto criativo não é tolerado pelo polícia da sintaxe! O 'homem de azul' quer saber o que está a fazer, como, quando e (se possível) porquê. Bem, sem problemas, pode explicar tudo com a DTD...

Uma DTD permite-lhe 'inventar' novas tags. De facto, permite-lhe inventar novas linguagens, desde que sigam a sintaxe do XML.
A DTD, ou Document Type Definition (Definição do tipo de Documento), é um ficheiro que contém uma descrição da linguagem do XML. É, actualmente, uma lista de todas as tags possíveis, dos seus possíveis atributos, e das suas possíveis combinações. A DTD descreve o que é possível na sua linguagem XML e o que não é. Assim quando falamos da 'linguagem XML', estamos, na realidade, a falar de uma DTD específica.

Ponha o polícia a trabalhar

Por vezes a DTD obrigá-lo-á a fazer algo num determinado sítio. Por exemplo, a DTD pode força-lo a incluir uma tag que contenha o título do documento. O que existe de bom nisto, é que existe software actual (por exemplo um módulo do emacs) que escreve as tags requeridas automaticamente.
Deste modo, algumas partes da estrutura dos seus documentos são preenchidas automaticamente. Por causa da sintaxe ser tão restrita e bem definida, a DTD pode guiá-lo através do processo de escrever um documento. E quando comete erros, como esquecer-se de uma tag de fecho, o polícia informa-a. Assim, ao fim de contas, os polícias não são tão 'maus'; onde os polícias do mundo real dizem 'Tem o direito de permanecer em silêncio' o polícia do XML, diz-lhe muito amigavelmente, acerca de um 'Erro de sintaxe na linha xx : '... :)
E enquanto o polícia faz todo o seu trabalho, claro que *você* se pode concentrar somente no conteúdo.

Na Remistura

Uma última grande característica do XML, é a habilidade de utilizar várias DTDs ao mesmo tempo. Isto quer dizer que pode utilizar vários tipos de dados diferentes, ao mesmo tempo, no mesmo documento.

Este 'mistura' é feita com os namespaces do xml. Por exemplo, você pode incluir a DTD Docbook no seu documento .xml (neste exemplo com o prefixo 'dbk').
Todas as tags do Docbook estão prontas a ser utilizados no seu documento na seguinte forma (suponha que existe a seguinte tag no Docbook, <just_a_tag>):

 <dbk:just_a_tag> somente algumas palavras </dbk:just_a_tag>

Utilizando o namespace system, você pode utilizar qualquer tag de qualquer DTD do xml. Abre um mundo de possibilidades, como pode ver no próximo capítulo...

DTDs Disponíveis

Aqui está uma pequena colecção de DTDs que estão (em parte) em utilização.

Links

O W3C, ou World Wide Web Consortium
Eles têm informação acerca do XML, da MathML, da CML, do RDF, do SVG, do SOAP, do XHTML, dos namespaces...
www.w3.org

Algum material de Jaime Villate (pode precisar de um tradutor online para ler os dois primeiros:)
Introdução ao XML(em Espanhol)
Como gerar HTML com o XML(em Espanhol)
LSM-slides

O programa, HTML tidy:
www.w3.org/People/Raggett/tidy

O Docbook
www.docbook.org

O projecto SVG do Mozzila
www.mozilla.org/projects/svg

Artigos da LinuxFocus relevantes:
Utilizando o XML e o XSLT para construir a LinuxFocus.org(/Nederlands)
Construindo documentos PDF com o Docbook