---
marp: true
theme: default
paginate: true
size: 16:9
style: |
  section {
    font-size: 24px;
  }
  section h1 {
    color: #1a5276;
  }
  section h2 {
    color: #2980b9;
  }
  section table {
    font-size: 20px;
  }
  section small {
    font-size: 18px;
  }
---
# Wykład 3
## XML — podstawy i struktura dokumentów

**Systemy Zarządzania Treścią**  
Politechnika Poznańska

---

# Część 1
## Czym jest XML

---

## Rola XML w zarządzaniu treścią

XML (*eXtensible Markup Language*) to **fundamentalna technologia** leżąca u podstaw nowoczesnych systemów zarządzania treścią.

### Dlaczego XML jest tak ważny dla CMS?

| Powód | Wyjaśnienie |
|---|---|
| **Oddzielenie treści od prezentacji** | Treść zapisana raz, prezentowana na wiele sposobów |
| **Struktura danych** | Hierarchiczna reprezentacja dokumentów i danych |
| **Wymiana danych** | Uniwersalny format przesyłania danych między systemami |
| **Walidacja** | Formalna kontrola poprawności dokumentów (DTD, Schema) |
| **Długoterminowe przechowywanie** | Otwarty, tekstowy, niezależny od producenta format |

> XML jest "cegiełką", z której buduje się języki opisu dokumentów — od haseł encyklopedycznych po akty prawne i dokumentację techniczną.

---

## Czym jest XML?

> **XML (eXtensible Markup Language)** to metajęzyk znacznikowy służący do **opisu struktury danych** w formie czytelnej zarówno dla ludzi, jak i maszyn.

### Kluczowe cechy

- **Rozszerzalny** — użytkownik definiuje własne znaczniki (nie ma sztywnego zbioru jak w HTML),
- **Semantyczny** — znaczniki opisują **znaczenie** treści, a nie jej wygląd,
- **Tekstowy** — zapisany jako zwykły tekst, niezależny od platformy,
- **Ściśle zdefiniowana składnia** — surowe reguły poprawności.

### XML a HTML — fundamentalna różnica

| Cecha | HTML | XML |
|---|---|---|
| **Cel** | Prezentacja (jak wyświetlić) | Semantyka (co oznacza) |
| **Znaczniki** | Z góry zdefiniowane (`<p>`, `<h1>`, `<table>`) | Dowolne, tworzone przez projektanta |
| **Składnia** | Łagodna (domyślne zamykanie) | Ścisła (każdy tag zamknięty) |
| **Walidacja** | Praktycznie brak | Formalna (DTD, Schema) |

---

## Anatomia dokumentu XML

```xml
<?xml version="1.0" encoding="UTF-8"?>
<zeznanie-sprawcy nr="1313/2001">
  <autor>st. asp. Jan Łapówka</autor>
  <miejsce>Dołowice Górne</miejsce>
  <treść>
    Wypadek dnia <data>13.10.2001r</data>
    o godzinie <godzina>13:13</godzina>
    (<dzien-tygodnia>piątek</dzien-tygodnia>)
    miał miejsce nie z mojej winy.
    <poszkodowany>Alojzy M.</poszkodowany>
    nie miał żadnego pomysłu w którą stronę uciekać.
  </treść>
</zeznanie-sprawcy>
```

### Elementy składowe dokumentu

| Element | Przykład | Rola |
|---|---|---|
| **Deklaracja XML** | `<?xml version="1.0" encoding="UTF-8"?>` | Prolog — wersja i kodowanie |
| **Element główny** | `<zeznanie-sprawcy>` | Korzeń drzewa — dokładnie jeden |
| **Atrybut** | `nr="1313/2001"` | Metadane elementu |
| **Znacznik początkowy** | `<autor>` | Otwarcie elementu |
| **Znacznik końcowy** | `</autor>` | Zamknięcie elementu |
| **Zawartość tekstowa** | `st. asp. Jan Łapówka` | Tekst wewnątrz elementu |

---

# Część 2
## Struktura logiczna dokumentu XML

---

## Drzewiasta struktura dokumentu

Każdy dokument XML ma strukturę **drzewa** — elementy zagnieżdżają się w sobie, tworząc hierarchię rodzic–dziecko.

![width:80%](../img/xml-drzewo.svg)

### Właściwości struktury drzewiastej

- **Jeden korzeń** — dokładnie jeden element główny zawiera wszystkie pozostałe,
- **Zagnieżdżenie** — elementy mogą zawierać inne elementy,
- **Brak cykli** — struktura jest ściśle hierarchiczna,
- **Relacje** — każdy element (poza korzeniem) ma dokładnie jednego rodzica.

### Terminologia

| Pojęcie | Znaczenie |
|---|---|
| **Korzeń (root)** | Element główny dokumentu |
| **Element potomny (child)** | Element bezpośrednio zagnieżdżony |
| **Element nadrzędny (parent)** | Element zawierający dany element |
| **Potomkowie (descendants)** | Wszystkie elementy zagnieżdżone (bezpośrednio i pośrednio) |
| **Liść (leaf)** | Element bez elementów potomnych |

---

## Składnia XML — elementy składowe

| Konstrukcja | Składnia | Przykład |
|---|---|---|
| **Deklaracja XML** | `<?xml ... ?>` | `<?xml version="1.0" encoding="UTF-8" standalone="yes"?>` |
| **Znacznik** | `<tag>...</tag>` | `<autor>Jan</autor>` |
| **Element pusty** | `<tag/>` lub `<tag></tag>` | `<br/>` |
| **Komentarz** | `<!-- ... -->` | `<!-- to jest komentarz -->` |
| **Instrukcja przetwarzania** | `<?target ...?>` | `<?xml-stylesheet href="styl.xsl"?>` |
| **Sekcja CDATA** | `<![CDATA[...]]>` | `<![CDATA[dowolny <tekst> & znaki]]>` |

---

## Deklaracja XML — prolog

Deklaracja XML jest **opcjonalna**, ale zalecana. Znajduje się na samym początku dokumentu.

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

### Atrybuty deklaracji

| Atrybut | Wartość | Znaczenie |
|---|---|---|
| `version` | `"1.0"` | Wersja standardu XML (obowiązkowy) |
| `encoding` | `"UTF-8"`, `"ISO-8859-2"`, ... | Kodowanie znaków |
| `standalone` | `"yes"` / `"no"` | Czy dokument zależy od zewnętrznych deklaracji (DTD) |

### Zasady

- Deklaracja musi być **na samym początku** — bez poprzedzających spacji czy komentarzy,
- Atrybut `version` jest wymagany,
- `encoding` i `standalone` są opcjonalne.

---

## Komentarze

```xml
<!-- To jest komentarz -->
<!-- Komentarz może być
     wieloliniowy -->
```

### Zasady komentarzy

- Komentarz zaczyna się od `<!--` i kończy na `-->`,
- Nie może zawierać **podwójnego myślnika** (`--`) w środku,
- Nie może kończyć się na `--->`,
- Komentarz **nie jest częścią** danych dokumentu — parser go ignoruje,
- Nie może wystąpić **przed deklaracją XML**.

### Instrukcje przetwarzania

```xml
<?xml-stylesheet type="text/xsl" href="styl.xsl"?>
```

Instrukcja przetwarzania przekazuje **instrukcje dla aplikacji** przetwarzającej dokument (np. dołączenie arkusza stylów XSL).

---

## Sekcja CDATA

Sekcja CDATA (*Character Data*) pozwala umieszczać tekst zawierający **znaki specjalne** bez ich escapowania:

```xml
<przyklad>
  <![CDATA[
    Tu mogę pisać <znaczniki>, & symbole "bez" ucieczki:
    if (a < b && c > d) { ... }
  ]]>
</przyklad>
```

### Zasady

- Wewnątrz CDATA **wszystko** (poza `]]>`) traktowane jest jako zwykły tekst,
- Znaki `<`, `>`, `&` nie wymagają escapowania,
- CDATA **nie może** zawierać ciągu `]]>` (oznacza koniec sekcji).

> CDATA jest przydatna np. przy osadzaniu fragmentów kodu w dokumentach XML.

---

# Część 3
## Encje i kodowanie znaków

---

## Encje predefiniowane

Niektóre znaki mają w XML znaczenie specjalne i muszą być zapisywane jako **encje**:

| Encja | Znak | Nazwa |
|---|---|---|
| `&amp;` | `&` | ampersand |
| `&lt;` | `<` | less than |
| `&gt;` | `>` | greater than |
| `&apos;` | `'` | apostrophe |
| `&quot;` | `"` | quotation mark |

### Dlaczego?

Znaki `<` i `&` są używane przez parser do rozpoznawania znaczników i encji. Ich bezpośrednie użycie w treści (a nie jako składnia) spowodowałoby **błąd składniowy**.

### Przykład

```xml
<wzor>
  Warunek: a &lt; b &amp;&amp; c &gt; d
</wzor>
```

> Pięć encji predefiniowanych to jedyne encje, które parser XML rozpoznaje **bez deklaracji** w DTD.

---

## Odwołania numeryczne do znaków

Każdy znak Unicode można zapisać przez jego **kod numeryczny**:

```xml
<tekst>
  Znak A: &#65;        (kod dziesiętny)
  Znak Ą: &#260;       (kod dziesiętny)
  Znak €: &#x20AC;     (kod szesnastkowy)
</tekst>
```

### Dwie formy

| Forma | Składnia | Przykład |
|---|---|---|
| **Dziesiętna** | `&#kod;` | `&#65;` → A |
| **Szesnastkowa** | `&#xkod;` | `&#x41;` → A |

> Odwołania numeryczne są użyteczne dla znaków spoza klawiatury lub trudnych do wpisania.

---

## Unicode — standard kodowania

**Unicode** to światowy standard kodowania znaków — obowiązkowy dla dokumentów XML.

### Odmiany Unicode

| Odmiana | Opis |
|---|---|
| **UTF-7** | Korzysta tylko z 7-bitowego zestawu znaków ASCII |
| **UTF-8** | Pierwsze 128 znaków to ASCII; znak zajmuje 1–6 bajtów; **najczęściej używana** |
| **UTF-16** | Każdy znak to jedno lub dwa słowa 16-bitowe |
| **UTF-32** | Każdy znak to jedno słowo 32-bitowe |
| **UCS-4** | Znak zajmuje zawsze 4 bajty |

### Zasady użycia w XML

- Każde narzędzie XML musi wspierać **przynajmniej UTF-8**,
- UTF-8 jest **domyślnym** kodowaniem dokumentów XML,
- Kodowanie deklaruje się w prologu: `encoding="UTF-8"`.

> UTF-8 jest kompatybilny wstecz z ASCII — pierwsze 128 znaków kodowane jest identycznie.

---

# Część 4
## Poprawność dokumentów XML

---

## Dwa poziomy poprawności

W XML wyróżnia się **dwa niezależne poziomy poprawności**:

```mermaid
flowchart LR
    A["📄 Dokument XML"] --> B{"Poprawny składniowo?\n(well-formed)"}
    B -->|"Nie"| C["❌ Odrzucony przez parser"]
    B -->|"Tak"| D{"Poprawny strukturalnie?\n(valid)"}
    D -->|"Nie"| E["⚠️ Składniowo OK,\nale niezgodny ze schematem"]
    D -->|"Tak"| F["✅ Pełna poprawność"]
```

### Poprawność składniowa (well-formed)

Dokument jest **well-formed**, gdy spełnia reguły składni XML:
- każdy element jest zamknięty,
- brak nakładających się elementów,
- wartości atrybutów w apostrofach lub cudzysłowach,
- dokładnie jeden element główny,
- encje poprawnie zapisane.

### Poprawność strukturalna (valid)

Dokument jest **valid**, gdy dodatkowo:
- jego struktura jest zgodna ze schematem (DTD, XML Schema),
- obecne są wszystkie wymagane atrybuty i elementy.

> **Valid implikuje well-formed, ale nie odwrotnie.** Dokument może być poprawny składniowo, ale niezgodny ze schematem.

---

## Poprawność składniowa — reguły szczegółowe

### Przykłady dokumentów poprawnych składniowo

```xml
<notatka>Prosty tekst</notatka>

<notatka>
  <tytul>Ważne</tytul>
  <tresc>Treść notatki</tresc>
</notatka>

<notatka priorytet="wysoki"/>

<notatka>Tekst z <b>pogrubieniem</b> w środku</notatka>
```

### Przykłady dokumentów niepoprawnych

| Błąd | Przykład | Problem |
|---|---|---|
| **Niezamknięty tag** | `<notatka>tekst` | brak `</notatka>` |
| **Nakładające się tagi** | `<b><i>tekst</b></i>` | zła kolejność zamknięcia |
| **Niespójne nazwy** | `<Notatka>...</notatka>` | XML rozróżnia wielkość liter |
| **Brak cudzysłowu** | `<notatka priorytet=wysoki>` | atrybut bez cudzysłowu |
| **Dwa korzenie** | `<a/><b/>` | więcej niż jeden element główny |

---

## Poprawność strukturalna — rola schematu

Dokument **valid** wymaga istnienia definicji struktury (schematu):

```xml
<!-- Schemat (DTD) -->
<!ELEMENT notatka (tytul, tresc)>
<!ELEMENT tytul (#PCDATA)>
<!ELEMENT tresc (#PCDATA)>
```

```xml
<!-- Dokument zgodny ze schematem -->
<notatka>
  <tytul>Ważne</tytul>
  <tresc>Treść notatki</tresc>
</notatka>
```

```xml
<!-- Dokument NIEzgodny ze schematem (brak <tresc>) -->
<notatka>
  <tytul>Ważne</tytul>
</notatka>
```

> Walidacja strukturalna przenosi **ciężar sprawdzania poprawności** z aplikacji na narzędzie walidujące.

---

# Część 5
## Definiowanie języków XML

---

## XML jako metajęzyk

**XML i SGML to metajęzyki** — same w sobie nie definiują żadnego konkretnego języka, lecz pozwalają **tworzyć** języki (zastosowania, struktury dokumentów).

### Definiowanie języka obejmuje

- określanie zestawu dopuszczalnych **elementów i atrybutów**,
- definiowanie dopuszczalnej **zawartości** elementów (tekst, inne elementy),
- przypisywanie **atrybutów** do elementów.

### Metody definiowania struktury

| Metoda | Charakterystyka |
|---|---|
| **Bez formalnej definicji** | XML bez schematu — tylko poprawność składniowa |
| **DTD** | *Document Type Definition* — klasyczny mechanizm ze SGML |
| **XML Schema (XSD)** | Rekomendacja W3C z 2 maja 2001 — nowoczesny standard |
| **Relax NG** | Alternatywny, prostszy język schematów |

> Każda z tych metod jest szczegółowo omówiona w kolejnych wykładach: **DTD** w wykładzie 4, **XML Schema** w wykładach 5–7, **Relax NG** w wykładzie 8.

---

## Modelowanie typów dokumentów

Definiowanie typu dokumentu to **wieloetapowy proces analityczno-projektowy**:

```mermaid
flowchart TD
    A["1. Analiza struktury bytów"] --> B["2. Analiza przykładowych dokumentów"]
    B --> C["3. Analiza zastosowań i przypadków użycia"]
    C --> D["4. Abstrakcyjny projekt struktury"]
    D --> E["5. Kodowanie projektu (DTD / XML Schema)"]
    E --> F["6. Testowanie"]
    F --> G["7. Pielęgnacja i zarządzanie zmianami"]
```

### Opis etapów

| Etap | Opis |
|---|---|
| **1. Analiza struktury** | Analiza struktury modelowanych bytów (obiektów dziedziny) |
| **2. Analiza dokumentów** | Analiza przykładowych, istniejących dokumentów |
| **3. Analiza zastosowań** | Analiza potencjalnych zastosowań i przypadków użycia |
| **4. Projekt abstrakcyjny** | Abstrakcyjny projekt struktury (niezależny od składni) |
| **5. Kodowanie** | Zapis struktury przy pomocy DTD lub XML Schema |
| **6. Testowanie** | Weryfikacja poprawności schematu na przykładach |
| **7. Pielęgnacja** | Zarządzanie zmianami schematu w czasie |

---

## Projektowanie struktury — przykład

Projektując strukturę dokumentu, tworzy się najpierw **model abstrakcyjny**, potem koduje w wybranym języku schematów.

### Model struktury wiersza

```mermaid
flowchart TD
    A["wiersz"] --> B["autor (1)"]
    A --> C["tytuł (opcjonalny)"]
    A --> D["zwrotka (0 lub więcej)"]
    D --> E["wers (0 lub więcej)"]
```

### Notacja modelowania (wyrażenia regularne)

| Symbol | Znaczenie | Przykład |
|---|---|---|
| *(brak)* | dokładnie raz | `autor` |
| `?` | zero lub raz (opcjonalny) | `tytul?` |
| `*` | zero lub więcej | `zwrotka*` |
| `+` | jeden lub więcej | `wers+` |
| `,` | sekwencja | `(autor, tytul?)` |
| `\|` | alternatywa | `(a\|b)` |

> Ta notacja jest **podstawą** definiowania modeli zawartości — omówiona szczegółowo w wykładzie 4 (DTD) i wykładach 5–7 (XML Schema).

---

## Podsumowanie

| Temat | Kluczowe wnioski |
|---|---|
| **Rola XML** | Fundament CMS — oddzielenie treści od prezentacji, wymiana danych |
| **Struktura** | Drzewiasta, z jednym elementem głównym (korzeniem) |
| **Składnia** | Znaczniki, atrybuty, komentarze, CDATA, instrukcje przetwarzania |
| **Encje** | 5 encji predefiniowanych + odwołania numeryczne |
| **Unicode** | UTF-8 jako standard kodowania |
| **Poprawność** | Well-formed (składniowa) → valid (strukturalna) |
| **Metajęzyki** | XML definiuje języki przez DTD, XML Schema, Relax NG |
| **Modelowanie** | 7-etapowy proces od analizy po pielęgnację |

---

# Dziękuję za uwagę

**Systemy Zarządzania Treścią**  
Politechnika Poznańska