1. introducción a los lenguajes de marcas · y las reproducciones del documento • tienen el...

1. Introducción a los lenguajes de marcas

Índice

• Introducción– ¿Que es el marcado?– Lenguajes de marcas.– ¿Qué es XML?– Ventajas de XML

• Construyendo documentos XML– Estructura jerárquica de elementos– Algunas normas– El prólogo– Elementos– Atributos– Secciones CDATA– Comentarios

¿Que es el marcado?

• Marcado– Forma en que el editor anota los manuscritos.

• Documentos electrónicos– Códigos, también llamados etiquetas ó marcas

que definen la estructura y/o formato en el que tiene que aparecer la información:

– Estructura– Lógica. Partes que componen el documento

y sus relaciones.– Física. Apariencia del documento

(componentes, tipografía, posicionamiento, ...)

Ejemplo

Ejemplo (continuación)

Lenguajes de marcas

Actividad

• “web 2.0... The Machine is us/ing us”.– http://www.youtube.com/watch?v=6gmP4nk0

EOE

• Web 3.0– http://www.youtube.com/watch?v=sjeLotFrJt

k&feature=fvw

Lenguajes de marcas

• SGML – Standard Generalized Markup Language

• HTML– HiperText ML

• XML– eXtensible ML

• XHTML– eXtensible HiperText ML

• TeX– Matemáticas, Física e Informática

• ...

¿Qué es XML?

• Es un subconjunto de SGML (Standard Generalized Mark-up Language), simplificado y adaptado a Internet

• XML (eXtensible Mark-up Language) no es sólo un lenguaje de marcado

• XML es un meta-lenguaje que permite definir lenguajes de marcado adecuados a usos determinados

<libro><autor>Antonio Muñoz Molina</autor><titulo>El Jinete Polaco</titulo><precio moneda=“EURO”>20</precio></libro>

Ventajas de XML

• Procesable por humanos y por software• Separa la información o el contenido de

su presentación o formato

• Ideal para transacciones B2B• Permite poderosas técnicas de extracción

de información y data-mining• Fácil análisis sintáctico

Construyendo documentos XML

• El elemento y sus atributos

<autor pais=“ES”>Antonio Muñoz Molina</autor>

• XML “bien-formado” (well-formed)– Cumple una serie de reglas descritas en la

especificación oficial de XML v1.0– World Wide Web Consortium (W3C)

Nombre del elemento

Nombre del atributo

Valor del atributo

Contenido del elemento

Etiqueta de fin

Estructura jerárquica de elementos

• Los elementos deben seguir una estructura de “árbol”, es decir, estrictamente jeráquica

• Los elementos deben estar correctamente anidados

• Los elementos no se pueden superponer entre ellos

• Sólo puede haber un elemento raíz, en el que están contenidos todos los demás

Estructura jerárquica de elementos

mensaje

remitente

destinatario

asunto: Informe de ventas

texto

nombre: Topacio Jade

email: topacio.jade@mail.com

nombre: Esmeralda Turquesa

email: eturquesa@gmail.com

parrafo: Ya esta acabado el informe.

parrafo: Lo he dejado en el servidor del departamento.

Estructura jerárquica de elementos<?xml version="1.0" encoding="UTF-7"?><!DOCTYPE mensaje SYSTEM “mensaje.dtd”><mensaje><remitente>

<nombre>Topacio Jade</nombre><email>topacio.jade@mail.com</email>

</remitente><destinatario>

<nombre>Esmeralda Turquesa</nombre><email>eturquesa@gmai.com</email>

</destinatario><asunto>Informe de ventas</asunto><texto>

<parrafo> Ya esta acabado el informe. </parrafo><parrafo> Lo he dejado en el servidor del departamento.

</parrafo></texto></mensaje>

Algunas normas

• Todas las etiquetas tienen que estar debidamente “cerradas” – etiqueta de cierre que se corresponda con la de

apertura

• Las etiquetas sin contenido tienen una sintaxis especial

<animal> Perro

<raza tipo="Cocker Spaniel">

<animal> Vaca

<raza tipo="Holstein"><animal> Perro

<raza tipo="Cocker Spaniel">

</animal>

<animal> Vaca

<raza tipo="Holstein">

</animal> <animal> Perro

<raza tipo="Cocker Spaniel" />

</animal>

<animal> Vaca

<raza tipo="Holstein" />

</animal>

Algunas normas

• Un nombre de elemento, atributo, entidad, etc., debe empezar siempre por una letra.

• Las letras “XML” (o “xml” o “xMl”,etc.) no pueden usarse como caracteres iniciales de un nombre de elemento, atributo, etc.

• XML es “case-sensitive”: <autor><Autor>• El uso del espacio en blanco y los saltos de

línea sólo se tienen en cuenta cuando aparecen en el valor de un atributo, o cuando se indica su significado.

Marcado y datos

• Las construcciones como etiquetas, referencias de entidad y declaraciones se denominan “marcas” (mark-up) y son las partes que el analizador sintáctico (parser) espera comprender

• El resto del documento, que se encuentra entre las “marcas”, son los datos que resultan entendibles por las personas

• Marcas en un documento XML son aquellas que comienzan con “<“ y terminan con “>”

• En el caso de referencias de entidad, el carácter inicial es “&” y el final “;”

El prólogo

• Es opcional• La primera línea permite especificar:

– La versión de XML (1.0 ó 1.1)– La codificación de carácter (US-ASCII, UTF-8,

UTF-7, UCS-2, EUC-JP, Big5, ISO-8859-1, etc.)

• La segunda línea define el tipo de documento, especificando qué DTD(Document Type Definitions) valida y define los datos que contiene

<?xml version="1.0" encoding="UTF-7”?><!DOCTYPE mensaje SYSTEM “mensaje.dtd”>

<?xml version="1.0" encoding=“ISO-8859-1”?><!DOCTYPE HTML PUBLIC “-/ /W3C/ /DTD HTML 3.2 Final/ /EN”>

<?xml version="1.0" encoding=“Big5”?>

Elementos

• Elementos con contenido

• Elementos vacíos

<nombre>Fulano Mengánez</nombre>

<aviso tipo=“emergencia” gravedad=“mortal”>Que no cunda el pánico</aviso>

<identificador referencia=“1234567890”/>

<linea-horizontal/>

Atributos

• Manera de incorporar características o propiedades a los elementos

• Pueden estar marcados entre comillas simples (‘) o dobles (“)

• Un concepto se puede representar de diversas formas: consistencia

<verdura clase=“zanahoria” longitud=’15” y media’>

<cita texto=“’Hola, buenos días’, dijo él”>

<gato><nombre>Micifú</nombre><raza>Persa</raza></gato>

<gato raza=“Persa”>Micifú</gato>

<gato raza=“Persa” nombre=“Micifú”/>

Entidades predefinidas

• En XML 1.0 se definen cinco entidades para representar caracteres especiales y que no se interpretan como marcado por el procesadr XML

Entidad Caracter

&amp; &

&lt; <

&gt; >

&apos; ‘

&quot; “

Secciones CDATA

• Construcción en XML que permite especificar datos, utilizando cualquier carácter, especial o no, sin que se interprete como marcado XML.

• La razón de esta construcción es que a veces es necesario para los autores de documentos XML, poder leerlo facilmente sin tener que descifrar los códigos de entidades. Especialmente cuando son muchas.

<ejemplo>

&lt;HTML&gt;

&lt;HEAD&gt;&lt;TITLE&gt;Rock &amp; ROLL&lt;/TITLE&gt;

&lt;/HEAD&gt;

</ejemplo>

<ejemplo>

<![CDATA[

<HTML>

<HEAD><TITLE>Rock & Roll</TITLE></HEAD>

]]>

</ejemplo>

Comentarios

• Insertados en el documento XML• Ignorados por el procesado de la información

y las reproducciones del documento• Tienen el mismo formato que en HTML

– Comienzan por “<!--” y terminan con “-->”

• Se pueden introducir en cualquier lugar de la instancia o del prólogo, pero nunca dentro de las declaraciones, etiquetas u otros comentarios.

Ejercicio• Comprobar si es correcto el siguiente documento XML

<name>Oyster Soup</name><author>Eric Lease Morgan</author><copyright holder=Eric Lease Morgan>&copy; 2003</copyright><ingredients><list><item>1 stalk of celery<item>1 onion<item>2 tablespoons of butter<item>2 cups of oysters and their liquor<item>2 cups of half & half</list></ingredients><process><P>Begin by sauteing the celery and onions in butter until soft.Add oysters, oyster liquor, and cream. Heat until the oysters float.Serve in warm bowls.</p><p><i>Yummy!</p></i></process