Struktury informačních zdrojů: studijní opora

5. Stromová struktura otevřených dokumentů: standard SGML

5.1. SGML

SGML - Standard Generalized Markup Language (Standardní univerzální vyznačovací jazyk)
ISO 8879:1986

Příloha A - Úvod do univerzálního vyznačování

Obecný jazyk pro popis všech prvků elektronicky publikovaného dokumentu (textu, titulní strany, názvů kapitol, tabulek, obrázků apod.), který formalizuje vyznačování a činí je nezávislým na systému a souvislostech zpracování; dokument tvoří soubor označeného textu se vsunutými označeními údajů (tagy), jež definují začátek a konec každé logické jednotky
Metajazyk určený pro popis (kódování) hierarchicky strukturovaných textů
Metajazyk určený pro formální popis konkrétních jazyků typu "markup" (definuje jejich syntaxi)
Objektově orientovaná metoda popisu dokumentů

užití: oblast publikování (vydavatelská činnost) v nejširším slova smyslu, zejména textově orientovaných informací

Základní notace SGML

<počáteční tag>

</koncový tag>

Notace pro definici typu dokumentu a příklady hodnot

název prvku (elementu)	pravidla minimalizace vyznačení		model obsahu
název prvku (elementu)	povinnost uvádění počátečního tagu	povinnost uvádění koncového tagu	obsažené elementy	možnost opakování, povinnost výskytu	data
antologie	- 0	- 0	(báseň)	+ ? *	(#PCDATA)

spojovací symboly (konektory)

`,`	oddělovač v rámci závazného pořadí
`\|`	výběr jedné z uvedených možností
`&`	nutné elementy bez závazného pořadí

přípony (indikátory) výskytu

`?`	volitelný neopakovatelný element (0 nebo 1)
`+`	povinný opakovatelný element (1 nebo více)
`*`	volitelný opakovatelný element (0, 1 nebo více)

obsah ("datové typy")

`#PCDATA`	parsed character data - syntakticky analyzovaná znaková data
`CDATA`	znaková data - jakákoli data zobrazená znaky (texty)
`EMPTY`	obsah je prázdný

`ID`	jedinečný identifikátor (atribut elementu, který přesně stanoví jeho obsah)
	`ID=něco` znamená, že obsahem atributu je hodnota ID (např. soubor s obrázkem)

příklady prvků DTD

		Vyjádření v notaci UML (zahrnuje jen některé z variant uvedených v levém sloupci)
`báseň (autor , sloka*)`	báseň tvoří jméno autora a sloky (přesně v tomto pořadí)
`báseň název`	báseň má (atribut) název
`báseň (název & autor & sloka*)`	báseň tvoří název, jméno autora a sloky (v libovolném pořadí)
`sloka (verš+)`	každá sloka obsahuje alespoň 1 verš, může jich mít více
`autor (foto \| kresba \| video)`	u autora se uvádí buď fotografie, nebo kresba nebo video
`autor?`	báseň může mít jen 1 autora, nemusí mít žádného
`název (#PCDATA)`	obsah atributu název je tvořen textem

Příklad:

DTD pro antologii poezie

Logická struktura:

Antologii neboli výbor tvoří básně zpravidla různých autorů, u nichž je uveden název, údaje o autorovi a fotografie nebo kresba autora, případně videozáznam. U překladů se uvádí jméno překladatele. Básně se člení na sloky, sloky na verše. Každá báseň má alespoň jednu sloku, v každé sloce je alespoň jeden verš.

basen

Definice typu dokumentu:

`<! DOCTYPE antologie [`
`<! ELEMENT antologie`	`- -`	`(báseň+)>`
`<! ELEMENT báseň`	`- -`	`(název?, autor, sloka+, překladatel?)>`
`<! ELEMENT název`	`- -`	`(#PCDATA)>`
`<! ELEMENT autor`	`- -`	`(jméno, datum narození, datum úmrtí?, foto? \| kresba?, video?)>`
`<! ELEMENT jméno`	`- -`	`(#PCDATA)>`
`<! ELEMENT datum narození`	`- 0`	`(#PCDATA)>`
`<! ELEMENT datum úmrtí`	`- 0`	`(#PCDATA)>`
`<! ELEMENT foto`	`- 0`	`EMPTY>`
`<! ELEMENT kresba`	`- 0`	`EMPTY>`
`<! ELEMENT video`	`- 0`	`(videozáznam, komentář)>`
`<! ELEMENT videozáznam`	`- 0`	`EMPTY>`
`<! ELEMENT komentář`	`- 0`	`(#PCDATA)>`
`<! ELEMENT sloka`	`- -`	`(verš+)>`
`<! ELEMENT verš`	`- 0`	`(#PCDATA)>`
`<! ELEMENT překladatel`	`- -`	`(#PCDATA)>`
`]>`

Instance dokumentu:

 <antologie>
  <!--

Toto je část básně z připravované antologie americké poezie

 --> 
  <báseň>
  <název>

Samoobsluha v Kalifornii

</název> 
  <autor>
  <jméno>

Allen Ginsberg

</jméno> 
  <datum narození>

1926
<datum úmrtí>1997
<foto ID=ginsberg.jpg

> 
  <video> 
 <videozáznam ID=

GinsbergCorso.mov

> 
 <komentář>

Allen Ginsberg a Gregory Corso v San Franciscu v roce 1997

 </autor> 
  <sloka> 
  <verš>

Jak jsem na tebe myslel dnes večer, Walte Whitmane, když jsem kráčel postranními uličkami pod stromy, bolela mě hlava a plaše jsem hleděl na měsíc v úplňku.
<verš>Utahaný a hladový, chtěl jsem nakoupit obrazy, a tak jsem vešel do neónové samoobsluhy s ovocem a snil o tvých enumeracích!
<verš>Jaké broskve a jaké odstíny! Celé rodiny nakupující v noci! Uličky plné manželů! Ženy u avocados, děti v rajčatech! - A ty, Garcío Lorco, co tys tam hledal mezi melouny?

  </sloka> 
  <překladatel>

Jan Zábrana

</překladatel>
  </báseň>
  </antologie>

Ukázky struktury a stručný návod k tvorbě DTD dokumentů podle standardu SGML:

SGML1 - Antologie poezie

SGML2 - Bibliografický záznam