Abstract

Die Extensible Markup Language (XML) wurde im Jahr 1998 durch das World Wide Web Consortium (W3C) als Standard verabschiedet. Sie wurde vor dem Hintergrund der Expansion der Internetnutzung in Richtung applikationsspezifischer Formate erdacht. HTML als die "Sprache des Web" war rein zum web-basierten Publizieren von (Text-)Dokumenten erdacht. Mit XML hingegen eröffnete sich zum ersten Mal die Möglichkeit, Daten im Web maschinenlesbar und flexibel auszutauschen. Das Semantic Web versucht seit nunmehr einigen Jahren, mit XML-Mitteln semantische Information darzustellen und nutzbar zu machen. Mittlerweile hat sich die XML als weltweit akzeptiertes Austauschformat für maschinenlesbare und strukturierte Daten etabliert.

Über mich

• Wissenschaftliche Mitarbeiterin der DaimlerChrysler Forschung (2004-2006)
  • Forschung auf diversen Gebieten der XML, u.a. Mitarbeit in der W3C-Arbeitsgruppe zur Web Service Description Language
• Beraterin bei der Altran Group (2006-?)
  • für die Altran tätig im Forschungs- und Innovationszentrum der BMW AG
• Veröffentlichungen
  • Buch über Service-orientierte Architekturen
  • Buch UML glasklar
  • Diverse Artikel in iX, ObjektSpektrum, ...

Über Sie

© S. Hofschlaeger / PIXELIO

Über diesen Kurs

• Web page: http://www.barbara-zengler.de/vorlesung/
• Vorlesungszeiten:
  • Vorlesung: Montags 08:00 - 09:30. Raum I 102
  • Praktikum: Montags 09:50 - 11:20. Raum M2.03 (Betreuung durch Herrn Prof. Klever)
• Prüfung erfolgt durch Studienarbeit im Rahmen des Praktikums (gemeinsam mit i3.NETZ)
• Ablauf des Praktikums:
  • 1. Teil: Übungsaufgaben (1.10.-12.1.2008)
  • 2. Teil: Anfertigen der Studienarbeit (ab 1.12.2008)
• Ausgabe der Studienarbeiten am 1. Dezember 2008. Das Praktikum ist erfolgreich zu absolvieren.

Vorlesungstermine

• Vorlesungstermine im WS 2008/09 (15 Veranstaltungen).

Ablauf des Praktikums und der Studienarbeiten

• Ablauf
  • Praktikum: Durchführung kleinerer Übungsaufgaben bis zum 12.1.2009
  • Am 1.12. erfolgt die Ausgabe der gemeinsamen Studienarbeiten XML (i3.DATA) und Datenkommunikation (i3.NETZ).
  • Ausarbeitung dieser Studienarbeiten bis zum Ende des Semesters. Abgabe bei Herrn Klever, Datum wird noch bekanntgegeben.
  • Benotet wird der XML-Anteil Ihrer Studienarbeiten sowie die erfolgreiche Durchführung der Praktikumsübungen.
• Ziel
  • Eigenständiges Erarbeiten eines neuen Themenkomplexes
  • Eigenständiges Lösen von Problemen
  • Erste Erfahrungen in der "Netz-Programmierung" sammeln

Über dieses Skript

• Dieses Skript wurde aus einer XML-Datei generiert, unter Zuhilfenahme des Tools XSLidy von Erik Wilde .
  • Es besteht aus einer Reihe von Slidy Präsentationen, die alle aus einer Quelle erzeugt werden.
  • Auf der Seite toc.html sehen Sie eine knappe Inhaltsübersicht der Webseite zu diesem Kurs .
  • Ein Tastendruck auf a zeigt Ihnen alle Seiten des Skripts. Diese können Sie dann ausdrucken.
  • Es gibt keine PDF-Version dieses Skripts.
• Als Quellen für dieses Skript dienten
  • Die XML-Vorlesung von Erik Wilde
  • Die XML-Vorlesung von Mario Jeckle

Nützliches

• Werkzeuge
  • XML Editoren, z.B.
    • Der XML Editor der IDE Eclipse : Eclipse XML Editors and Tools, als Teil der Eclipse Web Tools Platform ( Zum Download )
    • XML Copy Editor (frei verfügbarer Editor mit Schemavalidierung und XSLT-Unterstützung)
    • Altova XML Spy (freie Version ohne Schemavalidierung zum Download verfügbar, an der Hochschule in Vollversion vorhanden)
  • XSLT Prozessor, z.B. Saxon
  • XQuery Prozessor, z.B. Saxon

Weiterführende Links

• Das World Wide Web Consortium (W3C)
  • die Organisation, die unter anderem XML erfunden hat
  • und auch all die anderen Techniken, die in diesem Kurs behandelt werden.
• Die Übersetzungen der W3C-Standards ins Deutsche
  • initiiert und zusammengetragen von Stefan Mintert
• Die XML Cover Pages von Robin Cover
  • stets aktuelle gehaltene Seite mit Nachrichten und neuesten Entwicklungen im XML-Bereich
  • nicht nur Hype, sondern durchaus kritische Betrachtung mancher Entwicklungen

Was sagt die Presse? - frühe Definitionsversuche

• XML schickt sich an in die Fußstapfen von HTML zu treten (Aus: c't 10/2000, p. 200)
• Das Datenformat [XML] erleichtert den Informationsaustausch zwischen vernetzten Computern (Aus: DER SPIEGEL, 2000-06-19)
• Alle Dokumente sind gleich (Aus: SZ, 1999-02-16)
• Ein digitales Esperanto für das Internet (Aus: Die Welt, 2000-10-07)
• Sortieren statt Stottern - Programmiersprache HTML stößt an ihre Grenzen, XML ist kommender Code im Netz (Aus: SZ, 2000-01-11)
• Sinnliche Suchmaschine [...] existierende Systeme wie [...] XML (Aus: DER SPIEGEL, 2000-06-07)
• Streit um Programmiersprache XML (Aus: F.A.Z., 2001-07-26)
• Netzwerktechnik versagt oft bei Angriffen via XML (Aus: Computerzeitung, 2002-08-26)

Vorlesungsstruktur (1/3)

• 1. Von Dokumenten und Daten
  1. Einführung
  2. XML-Dokumente / Wohlgeformtheit (Strukturelle Grundkonzepte auf Basis des XML Information Set )
  3. XML Namensräume
  4. Grammatik eines XML Dokuments
     1. Dokument-Typ-Definitionen (DTD)
     2. XML Schemasprachen

Vorlesungsstruktur (2/3)

• 2. Anwendungen der XML im praktischen Einsatz / Programmierung
  1. Die Simple API for XML (SAX)
  2. Das Document Object Model (DOM)

Vorlesungsstruktur (3/3)

• 3. XML-Standards und weiterführende Anwendungen
  1. Die Lokatorsprache XPath
  2. Der erste Schritt zum Semantic Web: Das Resource Description Framework (RDF) und Really Simple Syndication (RSS)
  3. Transformation von XML-Dokumenten: XSL Transformation
  4. Formulare für das Web: XForms
  5. Nahtlose Integration von XML und Hochsprache - Java Architecture for XML Binding (JAXB)
  6. Multimedia im Web: SVG und SMIL

Kleine Geschichte der XML

Es haben im Grunde zwei Entwicklungen zur Entstehung der XML geführt. Zum einen stellt sie eine Weiterentwicklung generischer Auszeichnungssprachen wie der SGML dar, zum anderen hatte die Entwicklung des World Wide Web starken Einfluß auf ihre Entstehung.

Aber gehen wir das ganze chronologisch an...

Auszeichnungssprachen

Was sind Auszeichnungssprachen?

Auszeichnungssprachen beschreiben Information näher, d.h. sie sagen etwas über den Charakter der Information aus. Es handelt sich also um Information über Information, sog. Metainformation .

• Informationen über den Inhalt, die nicht Bestandteil des Dokumentinhalts sind. Sie sind für den Leser unsichtbar.

Beispiele: Korrekturfahnen bei Schulaufsätzen, Buchdruck (Hinweise zu Fettdruck, etc.)

Hypertext

Erste Ideen zum Konzept Hypertext gab es bereits um das Jahr 1950.

• Vannevar Bush beschreibt in seinem Artikel As We May Think aus dem Jahr 1945 ein für die damalige Zeit futuristisches System Memex . Motivation für Bush ist die Frage, wie die Unmenge des über Jahrtausende gesammelten Wissens leichter zugänglich gemacht werden kann.
  Sein fiktives System Memex basiert auf Mikrofilm und erlaubt es dem Benutzer, beliebige Medien wie Bücher, Zeitschriften, handschriftliche Notizen, Fotografien, etc. zu archivieren, zu annotieren sowie sich anhand selbst definierter Pfade durch die gespeicherte Information zu bewegen.

Hypertext

Bush's Lösung des Problems "schneller Zugang zu gesuchter Information":

• Verwendung von mechanisierten assoziativen Verweisen (sogenannten trails ) statt herkömmlicher Indizierung (alphabetisch oder numerisch).
• Die Verwendung von Verweisen lehnt sich an das menschliche Denken an (Gehirn arbeitet mit Assoziationen).
• Verweise in Lexika sind ein erster Ansatz, haben aber Unzulänglichkeiten (Verlassen des Informationspfads für neue Suche, fehlende Mechanisierung, starke Beschränkung verwendeter Quellen).

Hypertext

1960 gründet Ted Nelson das XANADU Projekt und prägt den Begriff des Hypertext .

• Nicht sequentielles Schreiben ("non-sequential writing")
• Stets gültige Verweise zwischen verschiedenen Dokumenten
• Koexistenz "paralleler" Dokumente (z.B. verschiedene Versionen eines Dokuments, Übersetzungen)
• Direkter Dokumentvergleich am Bildschirm
• Annotation des Textes
• Einbindung von Teilen anderer Dokumente, "Pay Per View"-Gedanke
• Xanadu wurde seither aufgrund seiner Konplexität und seines Universalanspruchs jedoch nie vollständig implementiert

Hypertext (Zusammenfassung)

• Hauptideen:
  • Nichtlineares Schreiben und Durcharbeiten von Texten
  • Trennung von Inhalt und Präsentation
  
• Begriffe:
  • Verweis (Link):Eine Verbindung von einer Ressource zu einer anderen.
  • Anker: Die beiden Enden eines Links.
  • Knoten: Eine Informationseinheit.
  • Netz: Eine Menge von Knoten, die mit Hilfe von Verweisen miteinander verknüpft sind.

Beginnende technische Unterstützung

In den 60er Jahren begann die technische Unterstützung der Hypertext-Idee mit dem Aufkommen der ersten Rechenanlagen.

Die damals gewohnten, grafischen Symbole zur Textauszeichnung waren auf den Rechenanlagen nicht verfügbar, man mußte sich nach einer Alternative umsehen. Die Lösung waren beschreibende textuelle Pendants wie etwa Überschrift .

Wichtiges Konzept:

• semantische Beschreibung des Inhalts statt Formatierungsangaben!
• Auszeichnung unabhängig von der (späteren) Formatierung des Textes

Von GML zu HTML

• 1969: Goldfarb, Mosher und Loire entwickeln bei IBM die Generalized Markup Language (GML) .
• Weiterentwicklung zur Standard GML (SGML) :
  • erste sogenannte Metasprache , d.h. die SGML erlaubt die Definition von anderen Sprachen
    Meta- drückt in Bildungen mit Substantiven aus, dass sich etw. auf einer höheren Stufe, Ebene befindet, darüber geordnet ist oder hinter etw. steht: Metamarketing, -theorie. © Duden - Deutsches Universalwörterbuch 2001
  • kein festes, definiertes Vokabular
  • stattdessen zahlreiche Konstrukte zur Definition von Grammatiken
  • Standardisierung der SGML durch die ISO
• Begriffsklärung "Einsatz der SGML"
  • bedeutet eigentlich, daß mit Hilfe der SGML eine auf SGML basierende Sprache entwickelt wird, d.h. die Grammatik für diese erstallt wird
  • im Volksmund jedoch synonym mit dem Einsatz einer auf SGML basierenden Sprache, einer sogenannten Anwendung der SGML , gebraucht.

Von GML zu HTML

• Beginnend Mitte der 80er Jahre: Tim Berners-Lee entwickelt am schweizer Kernforschungszentrum CERN eine vereinfachte Sprache zur Auszeichnung von Dokumenten, die Hypertext Markup Language (HTML) (basierend auf SGML). Motivation: vereinfachter rechnergestützter Austausch von Dokumenten.
• Er berücksichtigt hierbei die Konzepte des Hypertext.
• Entwicklung des Konzeptes Uniform Resource Locator (URL) als eindeutiger Identifikator (eindeutige Adresse) für beliebige Inhalte.
• Damit einher ging die Entwicklung des Hypertext Transfer Protocol (HTTP) .
• Berners-Lee schlägt im Jahre 1989 mit Information Management: A Proposal dem CERN Management ein auf SGML basierendes Hypertextsystem zum Austausch von Dokumenten vor.
• Im Jahre 1990 schrieb Berners-Lee den ersten Web-Server und Web-Client, den WorldWideWeb Browser (später umbenannt in Nexus).

Weiterentwicklung der HTML - Browser War

• In den folgenden Jahren wurde das Web immer stärker für den kommerziellen Gebrauch erschlossen.
• Es entstehen unterschiedliche Erweiterungen der HTML, initiiert durch die beiden großen Browser-Hersteller Microsoft und Netscape .Angetrieben von der Motivation, den eigenen Browser zu stärken ( Browser War ), entstanden durch diese stark proprietären Erweiterungen inkompatible HTML-Abwandlungen.

Weiterentwicklung der HTML - semantische Sprachanteile

Zunehmend wurden in die HTML immer mehr semantisch auszeichnende Elemente aufgenommen.

• Zunächst wurde der Inhalt eines Dokuments rein darstellungsorientiert ausgezeichnet:
  • b für Fettdruck
  • u für Unterstreichung
  • i für kursive Schrift
• Später begann man, die Bedeutung (semantik) des Dokumentinhalts auszuzeichnen:
  • strong für stark hervorgehobenen, betonten Text
  • acronym zur Auszeichnung von Abkürzungen
  • address für Adressen

Weiterentwicklung der HTML - Problem Semantik

Die Einführung semantischer Elemente in die HTML barg verschiedene Problematiken.

• Präsentationsorientierte Auszeichnung stellt Benutzer der Sprache irgendwann zufrieden.
• Semantische Auszeichnung ist nie ausreichend!
• Gefahr, daß die Menge der Elemente ins unendliche wächst.
• Schwierigkeit der Definition, Abstimmung und Verabschiedung der Bedeutung der einzelnen Elemente.

Semantik in der HTML war zum Scheitern verurteilt.

SGML für das Web

Das 1994 gegründete World Wide Web Consortium, das seitdem für die Weiterentwicklung und Standardisierung der HTML verantwortlich zeichnet, suchte nach einer besseren Lösung zur semantischen Auszeichnung von Dokumentinhalten.

• Rückgriff auf SGML als die Wurzel der HTML (wir erinnern uns: HTML ist eine Anwendung der SGML)
• Eine Untermenge der SGML wurde als eXtensible Markup Language (XML) 1.0 als Vorschlag (Recommendation) vom W3C verabschiedet.
• Jedes XML-Dokument ist ein gültiges SGML-Dokument.

Die Entwicklungsziele für XML

1. Einfache Nutzung im Internet (im Gegensatz zur SGML als offline Dokumentationsformat)
2. Unterstützung eines breiten Anwendungsspektrums (mehr als nur technische Dokumentation, wofür die SGML hauptsächlich genutzt wurde)
3. Kompatibilität zur SGML (XML als echte Untermenge von SGML kann durch SGML Tools verarbeitet werden)
4. Einfache Applikationsentwicklung (Untermenge XML erlaubt einfachere Entwicklung von verarbeitenden Applikationen)
5. Minimierung optionaler Sprachmerkmale (Komplexitätsreduktion führt zu einfacherer Benutzbarkeit und einfachere Applikationsentwicklung)
6. Lesbarkeit (für Mensch und Maschine)
7. Kompakte Spezifikation (600 Seiten SGML Spezifikation gegeüner 30 Seiten XML-Spezifikation)
8. Formaler und präziser Sprachentwurf (XML-Sprachentwurf sollte leicht, schnell und eindeutig in Werkzeuge implementierbar sein und damit von Anwendern schnell akzeptiert werden.)
9. Leichte Dokumenterstellung (ohne spezielle Werkzeuge möglich)
10. Nicht notwendigerweise knappes Markup (Auszeichnung in Textnotation im Fokus, Binärrepräsentation jedoch möglich.)

XML in 10 Punkten

Das W3C hat eine plakative Kurzcharakterisierung XML in 10 Punkten veröffentlicht, die als Abschluß unserer Einführung dienen soll.

1. XML steht für strukturierte Daten:
   XML ist ein Satz an Regeln für die Erstellung von Textformaten zur Strukturierung von Daten. XMl ist datenorientiert, nicht präsentationsorientiert. XML ist keine Programmiersprache und man kann es auch als Nicht-Programmierer anwenden und lernen. XML ist erweiterbar und plattformunabhängig.
2. XML sieht ein wenig wie HTML aus:
   Aufgrund der Verwandtschaft zur SGML ähneln sich die beiden Sprachen syntaktisch. Wie HTML verwendet XML Tags (durch < und > geklammerte Wörter). In der HTML sind jedoch die Bedeutung der Tags und Attribute festgelegt, in der XML werden diese nur zur Abgrenzung der Daten verwendet. Die Interpretation obliegt allein der verarbeitenden Anwendung.
3. XML ist Text, aber nicht zum Lesen:
   Primärer Zweck des Einsatzes der XML ist der Datenaustausch zwischen Maschinen. Menschen können die XML sicherlich lesen, sollten dies aber eigentlich nicht tun (nur im "Notfall" oder wenn sie die XML lernen ;-) )
4. XML ist vom Design her ausführlich:
   Gemeint ist, daß XML ein verboses (=geschwätziges) Format ist. Das W3C argumentiert, daß heute Speicherplatz günstig ist wie noch nie und Komprimierungsverfahren gang und gäbe sind. Dennoch sind XML-Dateien aufgrund ihrer Textbasiertheit immer größer als entsprechende Binärformate, dies kann man nicht abstreiten. Die Verwendung von XML birgt jedoch so viele Vorteile, daß dieser Nachteil mehr als ausgeglichen wird.
5. XML ist eine Familie von Techniken:
   Hinter XML steht ein wachsender Satz an Modulen, die wichtige Aufgaben erledigen. In ihrer Gesamtheit sind sie sehr mächtig. Dazu gehören bspw. XLink für Hyperlinks in XML-Dokumenten, das XPointer Framework für den Zugriff auf Teile eines XML-Dokuments, die Extensible Stylesheet Language (XSL) , bestehend aus XSL Transformations (XSLT) , einer Sprache zur Transformation von XML-Dokumenten, und einem XML-Vokabular zur Spezifizierung von Formatierungsangaben (Stylesheets) sowie XML Schema, Teil 1 und Teil 2 zur genauen Definition der Daten in einem eigenen XML-basierten Format.
6. XML ist neu, aber nicht so neu:
   XML erhebt nicht den Anspruch, vollkommen neu zu sein. Vielmehr werden bekannte und erprobte Konzepte aus der Informatik wiederverwendet und in einem neuen Verwendungskontext weiterentwickelt.
7. XML überführt HTML in XHTML:
   XHTML hat gleich viele Elemente wie HTML, die Syntax ist aber ein wenig unterschiedlich, damit sie mit den XML-Regeln konform ist. XML löst die Abhängigkeit der HTML von der SGML auf, HTML wird auf der Basis von XML neu formuliert.
8. XML ist modular:
   XML erlaubt die Wiederverwendung von Formaten (Kombination und Weiterbenutzung) für die Definition eines neuen Formats. Sprachen aus der XML-Familie können in freier Auswahl zur Lösung von Problemen verwendet werden.
9. XML ist die Basis für RDF und das Semantic Web:
   Das Resource Description Framework (RDF) ist eine XML-basierte Sprache, um beliebige Quellen mit beschreibenden Daten anzureichern. Das Semantic Web nutzt diese Beschreibungen, um den sichtbaren Teil des Web mit einem Netz von Sinnzusammenhängen zu erweitern. Für Vereinbarungen über diese Sinnzusammenhänge (die Computer benötigen) werden überdies formale Beschreibungen, sogenannte Ontologien benötigt.
10. XML ist lizenzfrei, plattformunabhängig und gut unterstützt:
    Zunächst ist XML eine kostenfrei zugängliche Spezifikation, die ohne Lizenzgebühren in eigenen Projekten und kommerziellen Produkten verwendet werden kann. Die Standardisierung in einem herstellerunabhängigen Gremium ist ein Versuch sicherzustellen, daß die Unabhängigkeit von einer bestimmten Plattform gewahrt werden kann. Zudem gibt es mittlerweile eine beinahe unüberschaubar große Menge an XML-Tools für die unterschiedlichsten Einsatzzwecke.

Weiterführende Links

• Stefan Mintert: Leise Revolution: Die Standard Generalized Markup Language
• Tutorial zu SGML