WSIA? 6 cours de 3h 5 séances de TD/TP 3h. 1 séance de soutenance de 3h. Evaluation?

Transcription

1 Master 1 Info. Info 2 WSIA Cours 1 : Introduction à XML et aux DTD Jérôme Nobécourt jerome.nobecourt@gmail.com Sylvie Després sylvie.despres@lipn.univ-paris13.fr

2 WSIA? 6 cours de 3h 5 séances de TD/TP 3h. 1 séance de soutenance de 3h Evaluation? 1 partiel 1 rendu par TD/TP à soumettre sur le Portail www-limbio.smbh.univ-paris13.fr/portail un exposé sur les dernières séances. Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 2

3 WSIA? (2) WS : Web Sémantique IA : Intelligence Artificielle WSIA : WS et IA Des technologies du W3C XML, DTD, XSD, XSL, XSLT-FO, XPATH, RDF, RDFS Et des techniques de l IA Pour décrire des connaissances (méta données et sémantique) Manipuler des flux de connaissances (transformation et partage des connaissances) Vérification Raisonnement Ontologie (OWL, CORESE) Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 3

4 WSIA? (3) Séance 1 : XML & DTD Séance 2 : Espace des noms, XSD Séance 3 : XPATH, XSL, XSLT-FO Séance 4 : de RDF à OWL Séance 5 et 6 : en fonction de votre avancement. Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 4

5 Notion de langage DOM, langage à balises, SGML, HTML et XML-family

6 Langages à balises On utilise un langage informatique pour décrire Du code : description des actions/ordres à exécuter. Des données : description de la manière de récupérer des données et ce qu elles représentent et ou dans la structure. Les deux : encapsulation => principe de la programmation objet Dans les deux cas, les langages à balises (on parle aussi de langages à tags) permettent d améliorer très rapidement l analyse d une phrase et donc la recherche d informations et son décodage. Les premières versions de ces langages étaient les langages à token (mots clefs), le premier étant le BASIC (1963) Au niveau de la description de document, l ancêtre est le (S)GML (1969). L avantage d un langage à balises est de liées à la fois la structure (le token représenté par la balise) et son contenu Autre avantage : c est du texte donc lisible par un être humain <p><h1>titre</h1><br><hr>du texte</p> P Du texte Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 6 h1 br hr Du texte

7 SGML? Norme ISO en Charles Goldfarb (IBM) (ancêtre : GML) Principe de type de document : DTD Instance de document = texte + éléments définis dans la DTD Un format plusieurs cible : PS, PDF, RTF MAIS : Par un arbre! </d> <a> </a> <e> </a> </d> <e/> <b> </b> <c> </c> Langage puissant mais complexe. Trop complexe! Fermante sans ouvrante Fermante a, mais b n est pas fermée Fermante b, mais c n est pas fermée Fermante d, mais pas d ouvrante e unaire, alors que 3 lignes plus haut elle est binaire. e n est pas fermée Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 7

8 1989 : HTML HTML est un des sous-langages de la famille SGML Il a été développé pour le web par Tim Berners-Lee pour décrire des documents hypertextuels. Le principe est simple : Un token/balise correspond à une action Les balises peuvent être ordonnées séquentiellement les une derrière les autres. Les balises peuvent aussi être incluses les unes dans les autres. Il invente ainsi le découpage entre structure (les balises) et contenu (lien sur les documents, textes) pour présenter et relier des documents. Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 8

9 Une page web dans votre browser : Dynamic Object Model : DOM spécification du W3C pour le modèle objet du document (level 1 : 1998, level 2 : 2000) ; balise HTML <=> objet DOM ; une page HTML = {objets} ; DOM = arbres de nœuds XHTML = HTML + XML 3 formes de balises HTML Texte <nomdelabalise nomattribut ="valeur"/> <nomdelabalise nomattribut="valeur">[balises HTML]*</nomDeLaBalise> 2 types de nœuds et un nombre infini d arbres Texte Elément Texte Elément Elément Texte Elément Texte Elément Elément Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 9

10 DOM par l exemple <?xml version="1.0" encoding="utf-8"?> <!DOCTYPE html PUBLIC "-//W3C//Dtd XHTML 1.0 transitional//en" " transitional.dtd"> <html xmlns=" xml:lang="fr" lang="fr"> <body> <h1> Titre </h1> <hr/> <p>un paragraphe <b>gras </b><i>italique </i><a href="ex.html">lien</a></p> </body> </html> Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 10

11 DOM par l exemple (2) Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 11

12 DOM : manipuler un arbre Structure d arbre : nombre infini de nœuds avec une racine ; un nœud = objet ET (n et/ou ID et/ou nom) ; un nœud a toujours un parent, sauf la racine ; chaque nœud est accessible par son identifiant ; chaque nœud est accessible relativement à sa position dans l arbre. window.document.zonedesaisie.zonetexte = document.parent.document.zonedesaisie.zonetexte = zonedesaisie.zonetexte window = zonetexte forms document... zonedesaisie... racine nœud zonetexte caseacocher1 caseacocher2 btannuler btok Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 12

13 DOM vs DOMS Chaque moteur interprète à sa manière DOM => les spécifications W3C ne sont pas suivies à 100%! Chaque browser a son moteur d interprétation Le moteur Gecko est le plus proche du w3c DOM est gourmand en temps de calcul et en espace : il n est pas fait pour l analyse de gros fichiers. On utilise SAX (Simple API for XML) dans ce cas : Dans tous les langages, il existe des ressources logicielles permettant soit de traiter du DOM soit de faire du SAX => On utilise l un ou l autre pour traiter du XML et ses variantes (XML-Family) Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 13

14 1990 : des langages à balises par milliers Beaucoup de variantes de langages à balises sont créés. Mais peu sont compatibles les unes avec les autres. Comment traduire un langage L1 vers un langage L2? => passer par un langage L3 interface entre L1 et L2? Principe d inter-opérationnalisation des traitements Principe de la conservation de l existant Principe de l évolution pour l avenir. Dans l industrie, on parle simplement de retour sur investissement. Fin des années 90, réponse du W3C pour le web : XML Extensible Markup Language Son objectif initial est de faciliter l'échange automatisé de contenus entre systèmes d'informations hétérogènes. un document XML est entièrement transformable dans un autre document XML Il n existe pas un XML, mais une famille de langages XML <!-- Un petit document XML, en Docbook --> <article xmlns=" <title>extensible Markup Language</title> <para> <acronym>xml</acronym> (Extensible Markup Language, " langage de balisage extensible ")... </para> </article> Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 14

15 De SGML à XML en passant par le web XML SGML XHTML HTML 4 DHTML DOM HTML Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 15

16 XML encore plus loin? Outre le codage dans un fichier utilisable par tout le monde, il existe des langages basés sur XML pour Modifier l apparence d un fichier xml => feuille de style XSL Transformer un flux xml en un autre format (rtf, doc, pdf ) => XSL-FO Typer les méta données => XML-Schema Concevoir des pages html pour les portables => WML Encapsuler des services réseaux et améliorer les échanges client serveur => SOAP Générer des images vectoriel «à la flash» => SVG Générer des interfaces utilisateurs => XFORMS Générer des flux vidéo intelligent => SMILE Modifier l apparence des applications fondé sur le moteur GERKO => XUL Raisonner et décrire => RDF(S), OWL Et des milliers d autres Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 16

17 The XML-Family Jérôme Nobécourt & Sylvie Després 17

18 XML Par l exemple

19 Le B.A.BA de XML Un fichier XML = Un langage utilisant les spécifications XML du W3C + un mot de ce langage (l arbre des éléments) On commence par un prologue, qui peut être vide S il existe, il précise au moins la version d XML utilisé, avec si possible son encodage, une indication sur sa dénotation. Il peut aussi indiquer la feuille de style à utiliser. Il peut donner la grammaire du langage utiliser dans ce fichier. On continue par un corps d éléments (arbres des éléments) : Qui possède exactement une racine Les balises <balise> sont fermées par </balise> Une balise vide se note <balise/> Le contenu d une balise est entre une balise ouvrante et fermante. On ferme les balises dans l ordre inverse de leur ouverture. Le contenu d une balise peut être : Du texte Une ou plusieurs balises. Une combinaison de texte et de balises Une balise peut contenir des attributs sous la forme <balise (nomdelattribut="valeur")*> Un commentaire est la balise <!-- le commentaire --> ou /* le commentaire */ ou // le commentaire On peut aussi ajouter un flux binaire par <![CDATA [la vous avez le droit à tout $*à» ]]> Le document xml se termine obligatoirement par la balise fermante de la racine. Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 19

20 Le plus petit fichier XML est : <a/> Car : Une racine Balise équilibrée (unaire) Pas d attribut. Pas de commentaire Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 20

21 Exemple complet georges.gardarin.free.fr Jérôme Nobécourt & Sylvie Després 21

22 Document bien formé Un fichier/document XML est bien formé s il respecte toutes ces règles syntaxiques Commence par une déclaration xml Le balisage est sensible à la casse Les attributs sont entre ou " A une balise <x> correspond une balise </x> Les balises vides sont des balises unaires notées <x/> Les balises doivent être fermées dans l ordre inverse de leur ouverture. Pas de chevauchement du type <b><i>texte</b></i> Les caractères < et & ne peuvent apparaître seuls. Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 22

23 Document valide Un fichier/document est valide si : Il est bien formé Il existe une DTD (Document Type Definition) déclarant la grammaire du langage utilisé dans ce fichier xml. Le mot constitué de la racine et de ses sous-éléments est bien un mot du langage défini par cette DTD. Début ordre de déclaration d un fichier xml dont il existe une DTD <?xml version="1.0" standalone="no"?> <!DOCTYPE nomaxiome SYSTEM "fichiergrammaire.dtd"> La DTD et dont la grammaire correspond au fichier local ci-après a pour axiome l élément nomaxiome (racine XML) Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 23

24 DTD par l exemple - dtd <?xml version="1.0" standalone="no"?> <!DOCTYPE examen SYSTEM "examen.dtd"> <!ELEMENT examen (titre, date, exercice+)> (1) <!ELEMENT titre (#PCDATA)> (2) <!ATTLIST examen code NMTOKEN #REQUIRED> (3) <!ELEMENT date EMPTY> (4) <!ATTLIST date (4) mois (jan fev mar avr mai jun jui aou sep oct nov dec) #REQUIRED annee NMTOKEN #REQUIRED> <!ELEMENT exercice (titre?, (ensquest)+)> (5) <!ELEMENT ensquest (question,corrige?)> (6) <!ELEMENT question (#PCDATA)> (7) <!ELEMENT corrige (texte? fichier?)> (8) <!ELEMENT texte (#PCDATA)> (8) <!ELEMENT fichier EMPTY > (8) <!ATTLIST fichier nom CDATA #REQUIRED> (8) <!ENTITY atonavis "Oui!"> 1. Un examen contient une titre, une date et un ou des exercices. 2. Le titre est quelconque. 3. A un examen est associé un code alphanumérique obligatoire. 4. Une date est constituée obligatoirement d un mois (trois premières lettres) et d une année. 5. Chaque exercice a un titre non obligatoire et comporte une ou plusieurs questions. 6. Chaque question est éventuellement suivie d'un corrigé. 7. La question est quelconque. 8. Le corrigé est constitue d'un texte ou (exclusif) du nom d'un fichier contenant la réponse. Appel de la DTD dans le fichier XML Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 24

25 DTD par l exemple - xml <?xml version="1.0" encoding="iso " standalone="no"?> <!DOCTYPE examen SYSTEM "examen.dtd"> <examen code="m3.23.1"> <titre> XML, par la pratique </titre> <date mois="oct" annee="2007"/> <exercice> <question> XML, c est simple? </question> <corrige> <texte> &atonavis; </texte> </corrige> </exercice> <exercice> <titre> Oui ou Non? </titre> <question> Avez-vous tout compris? </question> </exercice> </examen> Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 25

26 Allez voir ces liens! Vous devez aller voir la partie du site selfhtml sur XML : Pour tester qu un document xml est bien formé et est valide, vous pouvez utiliser directement sous linux xmllint : Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 26

27 Attention à l encodage!!! Depuis janvier 2006, tous les systèmes linux utilisent en natif un encodage UTF-8. Les éditeurs de texte fonctionnent principalement en fonction du codage prévu dans le noyau. XML a été pensé pour être multi-langue, les fichiers xml utilisent de plus en plus un encodage UTF-8. Vous devez aller regarder ce lien, si vous comptez manipuler plusieurs encodages dont l UTF-8: Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 27

28 DTD

29 Règle pour les noms D un élément (balise =!ELEMENT), attribut (=!ATTLIST) et entité (=!ENTITY) Doit commencer par une lettre (sens unicode) ou _ Puis tout caractère alphanumérique Des signes de ponctuation _ (tiret de soulignement), - (trait d'union),. (point) : a une signification particulière = espace des noms (cf cours 2) Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 29

30 Règle pour les commentaires Exclusivement à la HTML <! Mon commentaire --> Jérôme Nobécourt & Sylvie Després 30

31 Attention ces caractères ont un sens, on ne peut pas les utiliser & : début des entités < : début de balise > : fin de balise " ou : chaîne Pour les DTD :! : notation ELEMENT, ATTLIST et ENTITY * : zéro à n (répétition) + : 1 à n (répétition)? : 0 à 1 (répétition) Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 31

32 PCDATA ou CDATA? PCDATA = contenu d une balise = noeud texte <mabalise>je suis PCDATA, le contenu</mabalise> CDATA : flux binaire, «sauté» par XML Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 32

33 3 types de DTD Interne = dans xml <?xml version="1.0" encoding="iso " standalone="no"?> <!DOCTYPE cv SYSTEM "cv.dtd"> <cv>... </cv> <?xml version="1.0" encoding="iso "?> <!DOCTYPE cv [... ]> <cv>... </cv> externe = en dehors xml Un 4ème type qui s imposera prochainement : les DTD composites On élabore une DTD à partir d autres DTD ou fragment de DTD <?xml version="1.0" encoding="iso " standalone="no"?> <!DOCTYPE cv SYSTEM "cv.dtd" [... ]> <cv>... </cv> mixte = les 2! Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 33

34 Règle sur ELEMENT ANY = Tout type d élément EMPTY = La balise est vide => pas de contenu => doit être de la forme <b/> unnomdelement = on doit avoir la balise unnomdelement comme fils du nœud qu on défini #PCDATA : un nœud texte Notion de séquence : opérateur, <!ELEMENT toto (titi, ettata)> Notion de liste de choix : opérateur <!ELEMENT civilite (M Mme Mlle)> Notion de cardinalité : opérateur?, *, + Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 34

35 Règle sur ATTLIST Mode #REQUIRED : attribut obligatoire #IMPLIED : attribut optionnel #FIXED : attribut optionnel, si il est présent alors il vaut obligatoirement la valeur qui suit. Type CDATA : flux binaire Valeur énumérée : (vla1 val2.. valn) ID : c est un identifiant (commence par une lettre ou _ ) id="toto" toto est unique dans tout le fichier XML IDREF : c est la référence à un identifiant maref="toto" IDREFS : liste d identifiant séparés par des espace mesref="toto titi" NMTOKEN : un nom NMTOKENS : des noms séparés par des espaces. Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 35

36 Règle sur ENTITY Entité nommée, utilisable dans XML <!ENTITY msg "XML C est Simple"> Utilisation &msg; Entité paramètre : seulement dans la DTD <!ENTITY % IdRefReq "IDREF #REQUIRED"> <!ATTLIST balise unattribut %idref;> Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 36

37 XML c est aussi :

38 Exemple d application d une feuille de style Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 38

39 Exemple d application XSL-FO Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 39

40 Exemple d utilisation en SVG Si vous voulez voir le code aller la : Jérôme Nobécourt (jerome.nobecourt@gmail.com) & Sylvie Després (sylvie.despres@lipn.univ-paris13.fr) 40