La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Lezione 3 Codifica di alto livello: dalla selezione degli elementi da marcare ad XML.

Presentazioni simili


Presentazione sul tema: "Lezione 3 Codifica di alto livello: dalla selezione degli elementi da marcare ad XML."— Transcript della presentazione:

1 Lezione 3 Codifica di alto livello: dalla selezione degli elementi da marcare ad XML

2 Definizione della struttura di un documento: superare il livello 0 Il testo codificato al livello zero si presenta come un manoscritto in scriptio continua

3 Formato grafico e codifica Luso del formato grafico per rappresentare una codifica di alto livello è insufficiente Non sufficientemente esplicito (cosa significa un corsivo ?) Difficilmente combinabile (corsivo+grassetto+apice+… = illegibilità) Non applicabile a certi elementi (p.es. fine pagina) o legato a determinate realizzazioni del testo (video a colori, stampa,…) Esteticamente debole

4 Perché codificare? dato vs informazione La codifica di alto livello trasforma il dato testuale grezzo in fonte esplicita di informazione (definizioni da un vocabolario della lingua italiana) informazione: notizia, dato o elemento che consente di avere conoscenza più o meno esatta di fatti, situazioni, modi di essere. dato: ciò che è immediatamente presente alla conoscenza, prima di ogni elaborazione; (in informatica) elementi di informazione costituiti da simboli che debbono essere elaborati

5 Uninformazione è un dato strutturato... un esempio: su un foglio di carta è un dato e non significa molto ma se il foglio di carta viene fornito in risposta alla domanda qual è il cap di Pisa? oppure qual è il numero del conto bancario del sig. X?, allora il dato può essere interpretato come fonte di informazione

6 Perché dati strutturati ? le informazioni sono più volatili, i dati più stabili I dati costituiscono una risorsa strategica, perché più stabili nel tempo di altre componenti (processi, tecnologie, ruoli umani): ad esempio, i dati delle banche o delle anagrafi la storia della scienza è caratterizzata dal continuo cambiamento di informazioni relative a dati relativamente stabili

7 Perché codificare? I motivi della codifica di alto livello Un testo come flusso di caratteri e parole è una fonte di dati linguistici Il testo è unentità altamente strutturata, nella quale i dati linguistici sono correlati secondo piani di organizzazione multipli struttura del testo l articolazione in sezioni, capitoli, titoli, ecc. struttura del contesto lautore, la data di produzione, la finalità del testo, ecc. struttura linguistica (implicita nel testo!!) Lingua del testo, differenza testo/citazione … informazioni morfologiche, sintattiche, semantiche Strutture retoriche, argomentative, …

8 Come codificare? la codifica esplicita di informazione su un testo viene detta annotazione (o markup) del testo. Quali passi seguire per effettuare una annotazione? Individuare il livello di informazione da codificare strutturale, linguistica, ecc. Definire il repertorio dei tratti giudicati rilevanti per la codifica Scegliere un formato per associare la annotazione al testo

9 Scelta delle informazioni da annotare: un esempio La codifica morfo-sintattica oggetto: codificare esplicitamente la categoria grammaticale e le proprietà morfologiche delle parole di un testo. Da definire: quali attributi codificare (cat. grammaticale, persona, genere, numero, caso, ecc.) quali attributi sono compatibili (p.es. non ha senso marcare Caso su un elemento marcato avverbio) quali valori possono avere i diversi attributi (numero = SING, PLUR; caso = NOM, GEN, ecc.) Cosa fare con elementi ambigui (per es. come codificare che in Che roba!, dico che piove?) e come specificare eventuali valori disgiuntivi (X è CONG oppure PRON) Quali criteri di applicazione al testo delle categorie selezionate: attribuire la codifica a tutto il testo, o a una parte? Fino a che livello di dettaglio?

10 Esempio: categorie morfologiche per litaliano (Rank Xerox Research Centre) TAG| DESCRIPTION | EXAMPLE NSG| singular noun| casa, balsamo NPL| plural noun| case, ventottesimi PROP| proper name| Bernardo, Monte Isola ADJSG| singular adjective| buono, narcisistico ADJPL| plural adjective| belle, trecentocinquesimi VAUXINF| infinitive auxiliary "essere"/"avere"| esser, essere, aver, avere VAUXF| finite auxiliary "essere" or "avere" | è, sarò, saranno, avrete VAUXGER| gerund auxiliary "essere" or "avere"| essendo, avendo VAUXGER_CLIT| gerund auxiliary + clitic| essendogli VAUXIMP| imperative auxiliary| sii, sia, abbi, abbiamo VAUXIMP_CLIT| imperative auxiliary + clitic| siategliene, abbiatemi VAUXPPSG| singular past participle auxiliary| stato/a, avuto/a VAUXPPPL| plural past participle auxiliary| stati/e, avuti/e VAUXPPSG_CLIT| sg. past part. auxiliary + clitic| statone, avutavela VAUXPPPL_CLIT| pl. past part. auxiliary + clitic| statine, avutiti VAUXPRPARTSG | singular present participle auxiliary| essente, avente VAUXPRPARTPL| plural present participle auxiliary| essenti, aventi VINF | verb infinitive| sciupare, trascinar VINF_CLIT| verb infinitive + clitic| spulciarsi, risucchiarsi VF| finite verb form| blatereremo, rantolo VF_CLIT| finite verb + clitic| trattansi, leggevansi …| …| …

11 Come associare testo e codifica? Dovendo associare altre informazioni al testo, alcuni requisiti generali: 1.Mantenere una chiara divisione tra il testo e la annotazione relativa (informazione vs. metainformazione); Esempio negativo: Come Cong. andò V_intr che Cong. Maestro N … 2.Permettere di scorporare testo e annotazione; 3.Avere annotazioni ragionevolmente autoesplicative; 4.Non consumare troppo spazio; 5.Permettere allutente facili aggiunte/modifiche 6.Permettere luso del testo annotato su una varietà di sistemi informatici (tramite formati aperti) 7.Limitare la obsolescenza (del formato dati e del supporto di registrazione)

12 Come associare testo e codifica? Alcune opzioni: Usare un formato solo testo (plain text o txt): ogni carattere è stampabile (tabelle ASCII, ISO-8859, UNICODE) Vantaggi formato aperto, indipendente dal sistema operativo e dal programma che lo ha creato massima portabilità e interscambiabilità dei testi (modificabili con normali editori di testo: notepad, scite, emacs…) Svantaggi Se lannotazione è trasparente, tende a occupare molto spazio. Possibile confondere testo e annotazione (metatesto)

13 Come associare testo e codifica? i linguaggi di marcatura Codifica di alto livello con linguaggi di markup (linguaggi di marcatura) dal punto di vista del formato digitale un testo codificato con un linguaggio di marcatura è in formato solo testo buona interoperabilità Scarsa obsolescenza (specie se associato ad uno standard e non semplicemente ad un software) linformazione strutturale è rappresentata attraverso laggiunta al testo di etichette (o tag) di marcatura, chiaramente identificabili Buona distinzione testo/metatesto Non un buon modo per risparmiare spazio (ma esiste sempre la possibilità di comprimere il file; non un problema di conservazione con gli hardware attuali; problema, in caso, di trasmissione via rete)

14 Un passo indietro: due tipi di marcatura del testo Marcatura procedurale (detta anche marcatura tipografica) che consiste in una serie di istruzioni operative che forniscono le specifiche di formattazione e impaginazione del testo per la visualizzazione e la stampa (vedremo in seguito LaTeX) Marcatura dichiarativa (detta anche marcatura logica o descrittiva) dove i codici di marcatura indicano la funzione assolta dal blocco di testo a cui si riferiscono, ad esempio titolo, paragrafo, nota, citazione ecc. senza fornire indicazione di come tali elementi del testo dovranno apparire fisicamente sulla pagina o sul video (es. SGML, XML)XML

15 Marcatura procedurale basata sullaspetto ad ogni elemento del documento viene associata la procedura per visualizzarlo in maniera voluta: font, dimensione, corsivi, grassetti, margini, interlinea, ecc. dipendente dal sistema ogni sistema di visualizzazione impone le proprie regole e la propria sintassi associata agli elementi individuali ogni elemento ha le proprie procedure per la visualizzazione, che possono anche essere tutte diverse anche per elementi dello stesso tipo. non contestuale le regole di visualizzazione non dipendono dal contesto in cui vengono fatte, ma ognuna fa specie a sé non è possibile porre vincoli sulla "correttezza" di un documento.

16 Marcatura dichiarativa basata sul ruolo di ogni elemento viene descritto il ruolo allinterno del testo, più che le regole per la sua visualizzazione indipendente dal sistema poiché il markup descrittivo assegna ruoli (e non regole di visualizzazione) agli elementi del testo, questi sono intrinseci agli elementi stessi, e non alle funzionalità disponibili nel sistema di visualizzazione contestuale con il markup descrittivo è possibile definire delle regole che permettano o impediscano lassegnazione di un ruolo ad un elemento del testo a seconda del contesto è possibile specificare regole di correttezza sui documenti, ad esempio che ad un'immagine segua necessariamente una didascalia, ecc.

17 Marcatura dichiarativa: vantaggi facilità nella creazione: lautore si concentra sul ruolo organizzativo delle singole parti di testo, piuttosto che sul loro aspetto stampato indipendenza dalla formattazione: riformattare un documento secondo nuove regole richiede semplicemente di ricodificare dei parametri esterni, non di modificare in alcuna maniera il testo codificato flessibilità: riusare un testo codificato in un nuovo contesto è facile, perché non è necessario rimuovere la vecchia informazione per far posto alla nuova visioni di documenti dinamicamente riconfigurabili: è possibile selezionare viste diverse dello stesso documento

18 LXML (eXtensible Markup Language) è un nuovo linguaggio di markup sviluppato dallo XML Working Group del W3C a partire dal 1996 XML è uno dei più importanti sviluppi nella storia della computazione. Negli ultimi anni è stato adottato in campi molto diversi tra loro: legge, aeronautica, finanza, sicurezza, robotica, turismo, arte, design del software, fisica, letteratura, … XML è nato dallo sforzo di dare forza e struttura allSGML (Standard Generalized Markup Language, ISO standard: ISO 8879:1986) nel web, in una forma che fosse però abbastanza semplice per gli utenti non esperti.

19 XML XML nasce dalla lunga storia dei sistemi di elaborazione di testi allo scopo di permettere lelaborazione delle informazioni piuttosto che la loro visualizzazione in un documento XML, quindi, non e necessario fare alcun riferimento al modo in cui le informazioni verranno visualizzate: le regole per la visualizzazione saranno inserite in un foglio esterno chiamato foglio di stile XML permette allutente di definire il proprio insieme di tag (elementi) e in questo senso può essere considerato un meta-markup language: i tag definiti dallutente possono avere dei nomi che rispecchiano il contenuto del documento stesso

20 Struttura logica generale dei tag XML (HTML/SGML) testo a cui si riferisce Oltre al termine marcatore si usa etichetta o linglese tag; il termine tecnico è elemento A differenza che in SGML ed in HTML, in XML ogni marcatore aperto deve essere chiuso (XML è più restrittivo di SGML)

21 Markup XML per codifica strutturale Le avventure di Pinocchio Storia di un burattino Carlo Collodi Parte prima Come andò che maestro Ciliegia, falegname, trovò un pezzo di legno, che piangeva e rideva come un bambino. C'era una volta... - Un re! - diranno subito i miei piccoli lettori. No, ragazzi, avete sbagliato. C'era una volta un pezzo di legno. Non era un legno di lusso, ma un semplice pezzo da catasta, di quelli che d'inverno si mettono nelle stufe e nei caminetti per accendere il fuoco e per riscaldare le stanze.

22 Markup doppio … Come andò che maestro Ciliegia, falegname, trovò un pezzo di legno, che piangeva e rideva come un bambino. … markup per la codifica di informazione strutturale + markup (parziale) per la codifica di informazione linguistica

23 Problema: Markup incrociato Con la presenza di markup multiplo si pone il problema delle etichette incrociate …Non era un legno di lusso, ma un semplice pezzo da catasta, di quelli che d'inverno si mettono nelle stufe e nei caminetti per accendere il fuoco e per riscaldare le stanze. AAA BBB CCC… La sintassi dell XML non permette questi incroci!!! (e neanche quella dell HTML, anche se i browser sono a questo proposito molto accomodanti)

24 Principali differenze fra HTML e XML XML non è un sostituto del HTML: XML e HTML sono stati pensati per scopi diversi. XML è pensato per descrivere dati e porre l'attenzione su cosa sono (marcatura dichiarativa) HTML è pensato per visualizzare dati e porre l'attenzione su come presentarli (marcatura mista procedurale/dichiarativa) Tuttavia, è possibile tradurre tutto lHTML in XML: il risultato si chiama XHTML HTML + Browser: sistema di visualizzazione di dati; XML + Processore XML + Applicazione = formato dati generale

25 SGML XMLXHTML HTML

26 Le parti di un progetto XML Un documento in XML è in realtà la combinazione di tre parti. Ci riferiamo ad esse come tre documenti separati; spesso, ma non necessariamente, sono anche file separati in maniera fisica. 1.Un documento dei contenuti cioé la parte che lautore vuole esporre a chi la visualizza o utilizza; 2.Un documento DTD (Document Type Definition) che specifica i macatori usati e la loro sintassi; 3.Uno stylesheet (foglio di stile) che stabilisce come verrà visualizzato e presentato il contenuto. La DTD è opzionale e spesso viene caricata direttamente dal web tramite una chiamata allinterno del documento dei contenuti (meccanismo dei Namespace) Il foglio di stile è opzionale, e superfluo se il contenuto non deve essere visualizzato in modo particolare.

27 XML Un documento XML è costituito da composizioni di stringhe, ovvero sequenze di caratteri UNICODE. Caratteristica di XML è quella di essere CASE SENSITIVE, ovvero di fare differenza tra lettere maiuscole e minuscole. Pertanto il tag "Pino" è diverso dai tag "pino", "pIno", "PINO", ecc.

28 Parti di un documento XML Un documento XML si compone di due parti principali: il "PROLOG contiene: dichiarazione della versione di XML; commenti (facoltativi); dichiarazione del DOCUMENT TYPE. il "DOCUMENT INSTANCE contiene i dati veri e propri.

29 Esempio di Prolog un documento XML dovrebbe iniziare con se non si specifica il valore dellattributo encoding la codifica è quella UNICODE standalone può assumere valori "yes" o "no" (il cui significato sarà chiaro in seguito) nome del documento file con la descrizione della struttura

30 Esempio di Document Instance Un documento XML è un documento di testo ed è formato da tag che una volta aperti devono SEMPRE essere chiusi Ugo Pina San Valentino Pina.... ti amo moltissimo! Tuo Ugo.

31 Rossi Verdi Esempio in XML bla bla N.B. Luso del rientro variabile (indentation) non è parte della sintassi XML, ma un modo per aiutare gli esseri umani nella identificazione della struttura. Idem per luso dei colori, di grassetto, font, ecc.

32 Un documento XML definisce una struttura ad albero che si ottiene esaminando le relazioni di annidamento che esistono tra i tag Deve esistere un solo tag che non sia allinterno di nessun altro. Questo tag definisce la radice dellalbero (root) (nellìesempio, memo). XML - struttura ad albero memofrom to body oggetto name name paragrafo Rossi Verdi esempio in XML bla

33 Root (radice) e componenti Ogni documento XML ben formato (well- formed) ha un solo elemento radice/root Gli elementi non ROOT sono chiamati COMPONENTI del documento.


Scaricare ppt "Lezione 3 Codifica di alto livello: dalla selezione degli elementi da marcare ad XML."

Presentazioni simili


Annunci Google