Marc de Graauw XML Alle tekortkomingen op een rijtje! (en een paar pluspunten...) Innovation DevDay...

Marc de Graauwhttp://www.marcdegraauw.com/

XMLAlle tekortkomingen op een rijtje! (en

een paar pluspunten...)

Innovation DevDay 2009


Marc de Graauw

• studeerde biologie & filosofie• sinds 1989 in de ICT• sinds 1996 zelfstandig consultant

– semantiek– interoperabiliteit– XML & Web Services

• Landelijk Elektronisch Patiëntendossier, Strafrechtketen, verzekeraars, arbodiensten, UWV

• artikelen en presentaties: zie http://www.marcdegraauw.com/

http://www.marcdegraauw.com/

http://www.marcdegraauw.com/


De geschiedenis van XML

• SGML– Standard Generalized Markup Language– IBM: back to the sixties...– Markup: structuur, niet processing

• HTML: SGML spinoff• 1998: XML

– SGML voor het Web, zonder ballast

• 2002: Hype• 2009: Waar staan we?


Waarom XML?

• XML als documentformaat– uitgevers: een bron, veel weergaven– SGML is te complex

• XML voor gegevensuitwisseling– ASCII, CSV is te simpel en foutgevoelig– EDI is te duur

• XML voor het Web– HTML kan geen semantiek uitdrukken– XML volgende generatie (‘Semantic Web’)


XML en Unicode


HTML - een voorbeeld

<HTML><HEAD><TITLE>Marc de Graauw</TITLE></HEAD><BODY><H1>Marc de Graauw</H1><P>Geslacht: Man</P><H2>Opleidingen</H2><OL><LI>VWO</LI><LI>kandidaats Biologie</LI><LI>doctoraal filosofie</LI></OL></BODY></HTML>


XML - een voorbeeld

<?xml version="1.0" encoding="UTF-8"?>

<persoon> <persoonsgegevens geslacht="Man"> <achternaam>Graauw</achternaam> <voorvoegsel>de</voorvoegsel> <voornaam>Marc</voornaam> </persoonsgegevens> <opleiding>VWO</opleiding> <opleiding>kandidaats Biologie</opleiding> <opleiding>doctoraal filosofie</opleiding></persoon>


Vóór Unicode

• 7 bits, 128 tekens, 95 afdrukbaar• Engels: cijfers, letters, leestekens• niet: Frans: ê ç Duits: ß ä Grieks: ε Ω Nederlands: ë ï• Spaans, Arabisch, Fins, Russisch, Chinees, Thais, etc. etc.

bits 0110 1101 0110 0001 0111 0010 0110 0011

bytes dec 109 97 114 99

bytes hex 6d 61 72 63

ascii m a r c


Vóór Unicode

ASCII DEC Multi-national

Character Set

codepage850

code page473

bytes 0 - 127 bytes 128 - 255

Engels, meeste Frans, DuitsIBM PC

ISO-Latin + œ, €

ISO-Latin+ ‘IJ’sland+ ‘œ’uf

ISO-8859-1

(ISO-Latin)

West-Europees

ISO-8859-15

Windows1252

WestEuropees+ Á ß

Shift-JIS

Japans EBCDICIBMmainframe

etc. etc. etc....


Vóór Unicode

CP

437

CP

850

Windows 1252

ISO-Latin-1

ISO-Latin-15

Unicode

a 61 61 61 61 61 0061

á a0 a0 e1 e1 e1 00e1

ä 84 84 e4 e4 e4 00e4

€ - - 80 - a4 20ac

õ - e4 f5 f5 f5 00f5

Ç 80 80 c7 c7 c7 00c7

œ - - 9c - bd 0153


Unicode

code point

U+006D

karakter

LATIN SMALL LETTER M(de letter ‘m’)

glyph

m

m

m

m

m


Tengwar – Tolkien - niet officieel (private use range)


Unicode encodings• Unicode

– U+006D = ‘m’– karakter 0 – 255: gelijk aan ISO-Latin-1– 1.114.112 code points (0 – 10FFFF)

• UTF-16 encoding– 4 bytes– 0000 – FFFF: gelijk aan Unicode nummer– Byte Order Mark

• U+FEFF (ZERO-WIDTH NO-BREAK SPACE)• byte-swapped = U+FFFE = geen legaal karakter

– efficiënt voor Chinees en Japans• UTF-8

– 1 tot 4 bytes– 0 – 127: gelijk aan ASCII– ergo: ASCII tekst is altijd ook UTF-8 tekst– efficiënt voor Westerse talen


Unicode encodings

teken code point

UTF-8 UTF-16 ISO-Latin-1

ASCII

spatie U+0020 20 00 20 20 20

a U+0061 61 00 61 61 61

ä U+00E4 C3 A4 00 E4 E4 -


• XML

• Java

• .NET


XML

• XML = SGML – ballast + Unicode– Een XML document is een boom– Een root node– Attributen, elementen, tekst


Documenten

• opmaak

• kleur

• plaatjes in de tekst

• vetgedrukte en schuingedrukte tekst

• titel / paragraaf / lijst


wo do vr za zo

Zonneschijn (%) 20 40 50 40 40

Neerslagkans (%) 20 10 10 10 20

Neerslaghoeveelheid (mm) 2 0 0 0 0-1

Minimumtemperatuur (°C) 15 9/11 8/11 9/11 9/11

Middagtemperatuur (°C) 18 16/19 17/20 17/20 16/19

Windrichting W NW W W W

Windkracht (bft) 4 3 3 2 3


• tabellen, rijen, kolommen

• cijfers

• korte teksten

• datatypes: %, mm, °C, bft

• datatypes en structuur van een XML document vastleggen in een schema

Data


Document Object Model (DOM)

• XML document wordt ingeladen in een object– de ‘DOM tree’

• methoden– getElementsByTagName(...)– getAttribute(...)– createElement(...)

• dezelfde methoden in iedere taal: Java, C, .NET...


Namespaces

• een document kan meerdere vocabulaires herbergen

• wat is dan de betekenis van <name>, <id>...

• namespace voorbeelden: • <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">• <schema xmlns="http://www.w3.org/2001/XMLSchema">• <element name="purchaseOrder" type="po:PurchaseOrderType"/>• <faultcode>SOAP-ENV:MustUnderstand</faultcode>


Pro XML

• combineert documenten met data

• software breed beschikbaar

• geen problemen met– encoding– regeleinden– afspraken


Contra XML

• overhead door start- en eindtags• DOM is complex• DOM sluit niet goed aan op programmeertalen• Namespaces zijn complex• Redundantie• <mdg:auteur naam="Marc"

xmlns:mdg="http://www.marcdegraauw.com/voorbeeld/"/>• <auteur xmlns="http://www.marcdegraauw.com/voorbeeld/"

naam="Marc"></auteur>


XPath en XSLT


XPath

• XPath: taal om nodes uit de boom te trekken

/ document root

/book alle <book> elementen onder root

/book[@id] alle <book> elementen onder root

met een ‘id’ attribuut


XSLT stylesheet

XML bronbestand XML resultaat


XSLT

• demo (stylesheet – bron – resultaat)

• voordelen– snel– veel implementaties op veel platforms

• nadelen– verbose– namespaces zijn foutgevoelig


Schematalen


Schematalen

• 1998: XML, DOM, XPath• 1999: Namespaces, XSLT• 2001: XML Schema• W3C versus ISO• 1999: Schematron• 2001: RelaxNG• 2003: ISO RelaxNG• 2006: ISO Schematron• demo L1, L2


RelaxNG


XML Schema

ongeldige constructie!

ongeldige constructie!


Schematron

• rules

• in XML

• alleen een XSLT processor nodig

Schematronregels voorproject X

Stylesheetvoor project X

Rapport XMLbestandproject X

XMLbestandproject X

Schematronstylesheet(s)


Schematron


Schema pro en con

• Schema’s– zonder schema: eindeloze discussies

• XML Schema– is complex– kan veel simpele constraints niet uitdrukken– is overal aanwezig, m.n. in Microsoft en Web Services

• RelaxNG– simpeler– minder software

• Schematron– regelgebaseerd– XSLT processor is de hele toolkit


JSON en Ajax


JSON

• JavaScript Object Notation• compact• sluit goed aan op programmeertalen• geen schemataal• altijd Unicode; voorkeur UTF-8


ServerBrowser

HTTP 200 OK + pagina

HTTP GET

HTML


HTTP GET


XML

ServerBrowser


HTTP GET

XMLHttpRequest


HTTP GET

XMLHttpRequest


AJAX

• Asynchronous JavaScript and XML– XMLHttpRequest– ‘XML’ is hier vaak JSON!– pulldowns, refresh, drag & drop– Javascript libraries– Prototype, jQuery e.v.a.

• AJAX– volledige applicatie in de browser– ASP


Web Services


Web Services basis

• XML voor de gegevens

• Schema voor– contract– design– codegeneratie– validatie

• Transport: SOAP en HTTP

• Servicebeschrijving: WSDL


Web Services stack (WS-*)

• Security– XML Signature, XML Encryption– XML Canonicalization (2x)– WS-Security, WS-SecureConversation, WS-Trust

• Transport– WS-Addressing– WS-ReliableMessaging– MTOM

• Metadata– WS-Policy

• Totaal: complex!


Waarom XML?

• XML als documentformaat– uitgevers: het werkt– SGML is grotendeels vervangen

• XML voor gegevensuitwisseling– veelgebruikt: EDI en CSV zijn geen alternatief– Web Services: complex...

• XML voor het Web– grotendeels mislukt– JSON vult een deel van deze niche


Vragen?

Marc de Graauw XML Alle tekortkomingen op een rijtje! (en een paar pluspunten...) Innovation DevDay...

Documents

Transcript of Marc de Graauw XML Alle tekortkomingen op een rijtje! (en een paar pluspunten...) Innovation DevDay...