Az XML bemutatása

Jelölőelemek általában

Az elektronikus formában tárolt dokumentumok legegyszerűbb formáját a szövegfájlok képviselik, melyek nem mások, mint betűk, számok, írásjelek és néhány más karakterek által alkotott sorozatok. A szöveg egyformán jelenik meg a teljes tartalomban, nem tartalmaz dőlt, aláhúzott, félkövér betűket, eltérő karakterkészleteket, stb. Egy szövegfájlt gyakorlatilag bármilyen tartalommegjelenítő programmal olvashatóvá lehet tenni, még akár a DOS-os TYPE paranccsal is.

A számítástechnikai történelemben igen korán fellépett az igény bonyolultabb - pontosabban jobban olvasható - megjelenítési mód kidolgozására. Az úgynevezett jelölőelemek jelentették a megoldást. Ezek speciális karakterek vagy karaktersorozatok annak meghatározására, hogy a hatókörükbe eső szövegtartalom miként jelenjen meg a képernyőn és nyomtatásban. A jelölőelemek is a dokumentumba épülnek be, ezért speciális értelmező programokra van szükség a tényleges szövegtartalom megfelelő formában történő kinyeréséhez (maguk a jelölőelemek természetesen nem jelennek meg). Alapvetően kétféle információt különböztetünk meg: az embernek és a gépnek szólót. Nem lenne könnyű feladat összeszámolni a sokféle formátumot, hogy csak néhányat említsünk a legismertebbek közül: doc, rtf, mcw, wps, html. Az XML leginkább a html-hez hasonlítható.

Az XML jelölőelemek szerepe

Aki ismeri a html szintaktikáját, hamar ráérez az XML használatára, de azért van egy nagyon fontos különbség: a html-ben a szöveget a jelölőelemek stílusok és megjelenítés szerint formázzák meg. Például az adott sor balra igazított, Verdana fontkészlettel, 11-es méretben, félkövéren. Előre meghatározott stílusokat is használhatunk: címsor1, címsor2, normál, stb. A böngésző programok ismerik a stílusokhoz tartozó megjelenítési módot és ennek megfelelően történik a szöveg ábrázolása a képernyőn, illetve nyomtatásban. Magában az XML fájlban nem szokás megadni, hogy az adott szövegrész milyen fontkészlettel és méretben jelenjen meg, hanem csak azt mondjuk, hogy "ez cím", "ez fejezet", "ez bekezdés", "ez szöveg" és a hozzá tartozó ábrázolási leírások egy külön DTD fájlban találhatók meg. Tehát az XML jelölőelemek nem a megjelenítés stílusát, hanem a szövegrészek jellegét határozzák meg. A formázás ezen módjának előnye, hogy könnyebb komplett szövegrészeket módosítani (elég a DTD-ben változtatni) és könnyebb két különböző operációs rendszer között átvinni a dokumentumot.

Jelölőelemek beépülése a dokumentumba - nyitó és záró elemek

A html-el megegyezően csúcsos zárójelekkel (<>) lehet meghatározni, hogy melyek a jelölőelemek és melyek a szövegrészek. A hatókörbe eső szöveget két oldalról határolják be. Ennek megfelelően megkülönböztetünk nyitó és záró részeket. Például a dokumentum egy fejezete így adható meg:

<fejezet> ... </fejezet>

A pontok helyén a fejezet szövege áll. A nyitó elemnek és a záró elemnek mindig meg kell egyeznie, különben szintaktikai hiba lép fel.

Figyelem! Rendkívül fontos, hogy az XML a Windows-os gyakorlattól eltérően különbséget tesz a kis- és nagybetűk között.

Általános gyakorlat, hogy erre a tényre építve nem készítenek dokumentumot, tehát nem szokás a következő formulát alkalmazni:

<fejezet> 
  <Fejezet> 
  ...
  </Fejezet> 
</fejezet>

Annak ellenére, hogy szintaktikailag megfelelő.

Abszolút hibás a következő megoldás:

<fejezet> ... </Fejezet>

A jelölőelemek hierarchikus felépítése

Az XML dokumentumok szigorúan hierarchikus felépítésűek, legegyszerűbben egy farendszerben ábrázolhatók. Ennek megértésében az objektumorientált programozást ismerő programfejlesztők előnyben vannak. Vegyük példának egy könyv felépítését. Egyszerűsítsük le a dolgot és mondjuk azt, hogy a könyv fejezetekből áll, a fejezetek pedig bekezdésekből. Lehet több fejezet a könyvben és lehet több bekezdés a fejezetben:

<könyv>
  <fejezet>
    <bekezdés>
      ...
    </bekezdés>
    <bekezdés>
      ...
    </bekezdés>
  </fejezet>
</könyv>

A családfához vagy az objektumorientált programozáshoz hasonlóan megkülönböztetünk szülő, testvér és gyermek kapcsolatokat. A <könyv> a <fejezet> szülője, a <bekezdés> a <fejezet> gyermeke és a fejezeten belüli bekezdések testvérek. A hierarchia legalacsonyabb pontján a <bekezdés> áll gyermek nélkül, a legmagasabbon pedig a <könyv> szülő nélkül. Leírhatjuk ezt alá-, fölé- és mellérendeltségi viszonynak is.

Már a html-ben sem illett használni, de az XML kifejezetten tiltja az elemek közti átfedéseket. Hibás például a következő megoldás:

  <fejezet>
    <bekezdés1>
      <bekezdés2>
    </bekezdés1>
      </bekezdés2>
  </fejezet>

Egymásba ágyazás

Egymásba ágyazásról akkor beszélünk, ha egy elem rekurzívan önmagában is előfordul.

<fejezet>
  <fejezet>
  </fejezet>
</fejezet>

Ez gyakorlatilag bármilyen mélységig történhet, de a bonyolultabb szerkezetek áttekinthetetlenné tehetik a kódot és nem várt eredményt szolgáltathatnak.

Adatábrázolás

XML-ben adatokat is tárolhatunk, ezeket szintén jelölőelemek közé kell ágyazni. Az adattárolásról egyelőre csak annyit, hogy a DTD határozza meg, hogy mely elemek között szereplő információk az adatok és melyek a szövegek. DTD hiányában az adat is szövegként jelenik meg.

Csúcsos zárójelek használata szövegen belül

Ha szövegen belül akarjuk használni a csúcsos zárójeleket (<>), akkor speciális karaktersort kell alkalmazni helyettük, különben az interpreter jelölőelemekként értelmezi őket. A < zárójel helyett a < és a > zárójel helyett a > karakterkombinációkat lehet megadni. Például a <Hello> szöveget, egy bekezdésben az alábbi módon kell beírni:

<bekezdés><Hello></bekezdés>

A következő részben folytatjuk a szintaktika tárgyalását.