Sova v síti - 5/3 - vydáno 9. 9. 2003

Dobrý den,

Do rukou se vám dostává páté letošní číslo Sovy v síti. Přesněji
řečeno *dvojčíslo*, neboť v něm najdete hned dva články. Tím
prvním zahajuje Martin Kopta svůj seriál o kontrolovaných
slovnících a poprvé tak uvádí do emailové Sovy (a zřejmě i do
česky psané literatury vůbec) téma informační architektury na
Webu.

Druhý článek je pokračováním seriálu Romana Pichlíka ze světa XSL
transformací. Po úvodním dílu z čísla 3/3, který si můžete
zopakovat na adrese

http://www.sovavsiti.cz/2003/xslt-1.html

vás dnes čeká podrobnější výklad struktury stylových předpisů XSL
a zejména praktický příklad.

Dáváte-li přednost četbě ezinu na webu, zde jsou odkazy na HTML
verze dnešních článků:

+ Kontrolované slovníky při stavbě a správě webu (část první)
  http://www.sovavsiti.cz/2003/kontrolovane-slovniky-1.html

+ XSLT, svět transformací II
  http://www.sovavsiti.cz/2003/xslt-2.html

- - -

A teď se již můžete dát do čtení. Krásný den či večer vám přeje,

Marek Prokop


~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Denně aktualizované novinky, odkazy na články, zajímavé stránky:
Weblog Sovy v síti -- http://www.sovavsiti.cz/weblog/
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~


KONTROLOVANÉ SLOVNÍKY PŘI STAVBĚ A SPRÁVĚ WEBU (ČÁST PRVNÍ)

Martin Kopta

Když přede mnou někdo ještě před pár měsíci prohodil tajemná
slova "kontrolovaný slovník" (controlled vocabulary), koukal jsem
na něj jako sůva z nudlí. Záhy jsem ale pochopil, že kontrolované
slovníky při stavbě, a především při správě webu, běžně používám.

Proč ne slovník, ale rovnou slovníky? Je jich více druhů
a na webu jich ke slovu přijde hned několik:

+ AUTORITATIVNÍ SEZNAM (authority file)
+ SYNONYMICKÁ ŘADA (synonym ring)
+ TŘÍDICÍ SCHÉMA (classification scheme)
+ TEZAURUS (thesauri)

Rozdělení jsem převzal z knihy Information Architecture for
the World Wide Web [1], kde o kontrolovaných slovnících najdete
kapitolu. Nyní si probereme autoritativní seznamy a synonymické
řady a příště se podíváme na třídicí schémata a tezaury.


== Autoritativní seznam ==

(Jinak také: vertikální seznam)

S jedním autoritativním seznamem se setkáváte už od základní
školy a měli byste se ho držet i na webu -- znáte ho pod názvem
Pravidla pravopisu. Autoritativní seznam není nic jiného než
seznam slov, která je záhodno na webu používat. Takový seznam
se hodí v případě, že existuje více variant psaní téhož výrazu.

Budete psát název své firmy s iniciálami "Český Telecom", nebo
VERZÁLKAMI? Budete psát "on-line" se spojovníkem, nebo bez?
Rozhodněte se mezi možnostmi a do autoritativního seznamu své
rozhodnutí zvěčněte. Příště už budete mít, kam se podívat.

Autoritativní seznam ale není náhradou pravopisných pravidel --
to bychom pak nepotřebovali Ústav pro jazyk český. Autoritativní
seznam pakřijde vhod především v těch případech, kdy existuje
několik alternativ nebo synonym pro pojmenovávanou skutečnost.

Například v obchodě s digitální technikou se budete muset
rozhodnout, zda nazvete kategorii výrobků "digitály", "digiťáky"
nebo "digitální fotoaparáty". Tady už přichází vedle libovůle
a pravopisu ke slovu také optimalizace pro vyhledavače.

Když to shrneme, autoritativní seznam je seznam slov a tvarů,
které budete závazně používat na webu. Jejich výhodou je
konzistentnost stylu, a tedy zjednodušení orientace na webu
pro uživatele a lepší připravenost pro vyhledavače.

= Seznam pro rejstříky a křížové odkazy =

Autoritativní seznam má několik ryze praktických využití.
Hodí se při automatickém generování rejstříků nebo křížových
odkazů -- prostě stačí postupně vyhledat všechny položky seznamu
a nalezené dokumenty vzájemně provázat odkazy (například:
"O domácích robotech také na stránkách...").

= Seznam pro manuál editora, neboli styleguide =

Autoritativní rejtřík je základem redakčního manuálu. Editoři
budou vědět, že "ČESKÉ RADIOKOMUNIKACE" se píší jako "České
Radiokomunikace" a při prvním výskytu mají do závorky za názvem
firmy uvést zkratku "ČRa", jež se pak bude objevovat místo něj.


== Synonymická řada ==

(Jinak také: horizontální seznam)

Kdo četl knihy Karla Čapka, jistě si vzpomene, jak vodník kašlal,
kejchal, chrchlal, sípal, chroptěl... Synonymické řady na webu
ale nevyužíváme ke zvýšení literární hodnoty. Naopak dá se říci,
že pokud se synonym vzdáte a budete se řídit autoritativním
seznamem, zkrátí se doba, kterou uživatelé budou potřebovat
k pochopení vašeho webu.

Na druhou stranu, pokud někdo bude hledá "mikrovlnky" a vy máte
na webu jen "mikrovlnné trouby", asi těžko k vám přijde nakoupit.
To je také největší úskalí autoritativních seznamů.

= Synonyma pro vnitřní prohledávání =

Při pohledu na dotazy, které pokládají uživatelé na vašem webu
zjistíte, že ať se snažíte sebelépe vystihnout nejběžnější
pojmenování, vždy se najde dost lidí, kteří slovo zadají
s drobnou odlišností, s překlepem, pravopisnou chybou, v jiném
jazyku, synonymem nebo zkratkou. Interní vyhledavač pak nemůže
dotaz obsloužit tak, aby se uživatel dostal k požadovaným
informacím.

Právě překlepy, zkratky, varianty, chyby a synonyma uplatníte
při řozšiřování vertikálního autoritativního seznamu o vodorovnou
osu. Interní vyhledavač pak může hledaná slova ověřit proti
synonymickým řadám a nahradit výrazy jejich autoritativní
variantou a hledat teprve tu. Případně, pokud na webu používáte
více variant hledaného slova (například zkrácený tvar), můžete
o něj hledání rozšířit.

Minimálním rozšířením autoritativních seznamů v češtině je
skloňování a časování -- pokud ohýbat slova neumí už vyhledavač.

Nezapoměňte uživateli vždy sdělit, co jste s dotazem provedli,
aby nebyl zmatený, až nalezené dokumenty jím hledané slovo
nebudou obsahovat.

= Synonyma pro zvýšení návštěvnosti =

V případě, kdy potřebujete použít synonyma, abyste získali vyšší
návštěvnost z fulltextových vyhledavačů, musíte často hledaná
slova dostat do textu na svém webu -- metadata vám v tomhle
případě nepomohou.

Zvažte, která ze synonym použít, a která nikoli. Asi nemá smysl
psát do textu záměrně překlepy, ale někdy se může vyplatit zmínit
se o častých pravopisných chybách v drobné poznámce -- například
"mikrovlné trouby". Obvykle stačí použít odborný (oficiální)
a hovorový (běžný) výraz. Poraďte se o poměru způsobu použití
variant s konzultantem optimalizace pro vyhledavače.

(Příště: TŘÍDICÍ SCHÉMA  a TEZAURUS)


== Doporučené odkazy ==

[1] ROSENFELD, Louis. MORVILLE, Peter. "Chater 9. Thesauri,
Controlled Vocabularies, and Metadata". in Information
Architecture for The World Wide Web. Second Edition.
Strany 176--208. O'Reilly & Associates. Sebastopol (USA,
Kalifornie). Srpen 2002. ISBN 0-596-00035-9. Dostupné v síti
WWW <http://safari.oreilly.com/0596000359/infotecture2-CHP-9>

[2] Riecks, David. "Controlled Vocabulary.com". Dostupné v síti
WWW <http://ControlledVocabulary.com/>

[3] "Web Style Guide". Dostupné v síti WWW
<http://www.webstyleguide.com/>

(c) 2003 Martin Kopta, mailto:martin.kopta@garcon.cz

- - -

O autorovi:

Martin Kopta je wedoucím projektu DigiWeb.cz
http://DigiWeb.cz/weblog

HTML verzi tohoto článku naleznete na adrese:

  http://www.sovavsiti.cz/2003/kontrolovane-slovniky-1.html


~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Ukázky z knihy CSS - Kaskádové styly pro webdesignéry
http://www.sovavsiti.cz/css-pro-webdesignery/
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~


XSLT, SVĚT TRANSFORMACÍ II

Roman Pichlík

V druhém pokračování našeho povídaní pronikneme do tajů XSLT
transformace, ukážeme si jak transformovat jednoduchý XML
dokument a podíváme se pod pokličku jazyku XPath.

== Základní struktura ==

Každý styl, nebo chcete-li stylový předpis, je sám o sobě pouze
XML dokumentem. Platí pro něj tedy základní pravidla, která musí
splňovat jakýkoliv jiný XML dokument. Tato pravidla jsou
notoricky známá a nebudeme se jich dotýkat.

Všechny XSL elementy jsou uvozeny jmenným prostorem xsl, aby bylo
možné ve stylu kombinovat různé sady elementů. Například XSL
elementy s HTML elementy nebo vlastními XML elementy.

Vstupním bodem každého stylu a jeho kořenovým elementem je
<xsl:stylesheet>, který následuje hned po XML hlavičce. Styl se
skládá z jednotlivých šablon, které určují, jak se budou části
XML dat transformovat do zvoleného výstupního formátu. Pokud
otevřeme soubor stylů (obvykle má příponou xsl) uvidíme
následující zápis:

<?xml version="1.0"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="1.0">
.
.
. zápis stylů
.
</xsl:stylesheet>

URL identifikující jednoznačně jmenný prostor XSL je velice
důležitá informace pro zpracování XSLT procesorem. Proto si na
její přesný zápis dejte pozor.

<xsl:stylesheet
 id = id
 extension-element-prefixes = hodnota
 exclude-result-prefixes =  hodnota
 version = číslo
>

id - (nepovinný) jedná se o identifikátor XSLT stylu

version - (povinný) verze jazyka XSLT

extension-element-prefixes - (nepovinný) definuje prefix elementů
rozšiřujících XSL

exclude-result-prefixes - (nepovinný) definuje jmenný prostor
XSLT stylů nekopírovaných na výstup

Verze určená atributem version by měla v současnosti nabývat
pouze hodnotu 1.0, neboť jedině tato specifikace má status
doporučení W3C. XSLT 1.1 zůstalo ve stádiu rozpracování a nic
nenasvědčuje tomu, že by se pokračovalo v jeho dalším vývoji.
K finálnímu vydání se blíží verze 2.0, ale na tu si budeme muset
ještě počkat.

Atribut extension-element-prefixes slouží pro rozšíření
jednotlivých XSLT procesorů. Skoro každý procesor nabízí
nadstandardní funkce, které lze pro transformaci využít. Takové
rozšíření je uvozeno jmenným prostorem, který zpracuje pouze daný
XSLT procesor. Ostatní XSLT procesory tyto elementy ignorují.


== SQL pro XML aneb XPath v akci ==

Než si ukážeme volbu výstupní metody, stručně se seznámíme
s jazykem XPath. Nebojte se bude to pouze lehounké nakouknutí
nezbytné k prvním krůčkům.

XPath je samotný standard W3C, který slouží pro práci s XML daty.
Umožňuje vybírat jednotlivé části XML dat pomocí jednoduchých
výrazu. Každý XML dokument si můžeme představit jako strom, jehož
uzly tvoří jednotlivé elementy, jejich atributy a textový obsah.

Řekněme, že máme XML data s následují strukturou:

<?xml version="1.0"?>
<seznam-prispevku>
 <prispevek id="xsl_uvod">
   <autor>Roman Pichlík</autor>
   <datum-vydani>23.08.2003</datum-vydani>
   <abstract>Vstupní brána do světa XSL, který skrýva
   neuvěřitelné množství možností pro prezentaci XML
   dat.</abstract>
   <nadpis>XSLT, svět transformací</nadpis>
   <text>
     Když jsem přemýšlel o tomto, článku napadaly mě nejrůznější
     představy...
     ...
   </text>
 </prispevek>

 <prispevek id="xsl_prvni_krucky">
   <autor>Roman Pichlík</autor>
   <datum-vydani>28.08.2003</datum-vydani>
   <abstract>Úvod do problematiky XSLT, základní struktura stylu,
   Xpath a výstupní metody transformace.</abstract>
   <nadpis>XSLT, svět transformací II</nadpis>
   <text>
     V druhém pokračování našeho povídaní...
     ...
   </text>
 </prispevek>
</seznam-prispevku>

Stromovou reprezentaci těchto XML dat si můžeme představit takto:

 /
 |-kořen stromu
 |
 |-seznam-prispevku - kořenový element
 |
 |-prispevek
 |   |- @id
 |   | |-TO
 |   |
 |   |- autor
 |   | |-TO
 |   |
 |   |- datum-vydani
 |   | |-TO
 |   |
 |   |- abstract
 |   | |-TO
 |   |
 |   |- nadpis
 |   | |-TO
 |   |
 |   |_ text
 |        |-TO
 |
 |-prispevek
     |- @id
     |  |-TO
     |
     |- autor
     |  |-TO
     |
     |- datum-vydani
     |  |-TO
     |
     |- abstract
     |  |-TO
     |
     |- nadpis
     |  |-TO
     |
     |_ text
          |-TO

Tata struktura obsahuje uzly čtyř typů:

1) kořen stromu zapsný znakem /
2) elementy zapsané jejich názvy
3) atributy označené znakem @ a jeich názvem
4) textový obsah označen zkratkou TO

Povšimněte si, že textový obsah tvoří další úroveň stromu, stejně
jako kořen stromu. Samotný jazyk XPath, nebo lépe řečeno jeho
výrazy, které umožňují vybrat jednotlivé části XML, se podobají
zápisu adresářové struktury. Toto přirovnání použil ve svém
seriálu o XML i Jiří Kosek a mě se zdá nejvýstižnější. Proto jsem
ho použil a budu se ho držet.

Pro výběr elementu prispevek má výraz XPath podobu:

   /seznam-prispevku/prispevek

pro vybrání prvního prispevku použijeme:

   /seznam-prispevku/prispevek[1]

a pro výběr jeho atributu:

   /seznam-prispevku/prispevek[1]/@id

Pokud chcete vybrat všechny nadpisy, použijte zápis:

   //nadpis

Pro tyto výrazy se používají daále popsané vzory


= Základní vzory XPath =

jméno elementu
- vzoru vyhovují všechny elementy odpovídajícího jména.

x/y
- vzoru odpovídají všechny elementy, jež jsou přímými potomky
elementu x a jmenují se y.

//x
- vzoru vyhovují všechny elementy se jménem x.

vzor[podmínka]
- vzoru vyhovuje pokud je splněna podmínka.

@x
- vzoru vyhovuje pouze atribut se jménem x.

Tyto základní vzory postačují pro většinu požadavků, na které
může normální smrtelník narazit. Pokud se cítíte trochu zmateni,
nic si z toho nedělejte. S praktickou ukázkou bude vše jasnější.


== První transformace ==

Se základní znalostí XPath se můžeme pustit do první
transformace, ve které si ukážeme základní stavební kameny každé
šablony a použijeme XPath v praxi. Současně si ukážeme jak zvolit
výstupní metodu pro transformaci.

= První šablona =

<?xml version="1.0"?>
<xsl:stylesheet version="1.0" xmlns:xsl="
http://www.w3.org/1999/XSL/Transform">
  <xsl:output method="html" indent="yes" encoding="utf-8"
  doctype-public="-//W3C/DTD HTML 4.01 Transitional//EN"/>

  <xsl:template match="/">
    <html>
      <head>
         <meta http-equiv="Content-language" content="cs" />
         <title>První stránka vytvořená XSLT transformaci -
         souhrn příspěvků</title>
      </head>
      <body>
        <h1>Seznam všech aktuálních příspěvků</h1>
        <xsl:apply-templates select="/seznam-prispevku/prispevek"
        />
      </body>
    </html>
  </xsl:template>

  <xsl:template match="prispevek">
    <h2>
      <a>
        <xsl:attribute name="name">
          <xsl:value-of select="@id" />
        </xsl:attribute>
        <xsl:value-of select="nadpis" />
      </a>
    </h2>
    <p>
      <xsl:value-of select="text" />
    </p>
    <p>
      <span>
        Zapsal <xsl:value-of select="autor" />, dne <xsl:value-of
        select="datum-vydani" />
      </span>
      <xsl:text> </xsl:text>
      <a>
        <xsl:attribute name="href">
          <xsl:text>http://example.com/foo.html#</xsl:text>
          <xsl:value-of select="@id" />
        </xsl:attribute>
        <xsl:text>Trvalý odkaz</xsl:text>
      </a>
    </p>
  </xsl:template>
</xsl:stylesheet>


Nyní s připraveným stylem můžeme provést transformaci předešlých
XML dat (na konci článku najdete ukázkové příklady v PHP, Jave
a Mozille). Výsledkem transformace je následující kód.

<!DOCTYPE HTML PUBLIC "-//W3C/DTD HTML 4.01 Transitional//EN">
<html>
  <head>
    <meta http-equiv="Content-Type" content="text/html; charset=
    utf-8">
    <meta content="cs" http-equiv="Content-language">
    <title>První stránka vytvořená XSLT transformaci - souhrn
    příspěvků</title>
  </head>
  <body>
    <h1>Seznam všech aktuálních příspěvků</h1>
    <h2><a name="xsl_uvod">XSLT, svět transformací</a></h2>
    <p>
      Když jsem přemýšlel o tomto článku napadali mě nejrůznější
      představy...
    </p>
    <p>
      <span>Zapsal Roman Pichlík, dne 23.08.2003</span> <a href="
      http://example.com/foo.html#xsl_uvod">Trvalý odkaz</a>
    </p>
    <h2><a name="xsl_prvni_krucky">XSLT, svět transformací II</a>
    </h2>
    <p>
      V druhém pokračování našeho povídaní...
    </p>
    <p>
      <span>Zapsal Roman Pichlík, dne 28.08.2003</span> <a href="
      http://example.com/foo.html#xsl_prvni_krucky">Trvalý
      odkaz</a>
    </p>
  </body>
</html>

Povšimněte si deklarace DTD, meta tagu určujícího typ dokumentu
a kódování, které přidá XSLT procesor automaticky. To je
způsobeno xsl elementem output, na který se podíváme v příštím
pokračování.


== Příklady transformace v PHP, Jave, Mozille ==

Přílohu článku tvoří soubory source.xml a stylesheet.xsl, ve
kterých jsou dnešní probírané příklady. Přílohu naleznete na
adrese

   http://www.sovavsiti.cz/download/priklady-0305.zip

Mnohem typičtějším případem je tvorba XML dat tzv. on the fly
tedy za běhu aplikace, kdy je výstup tvořen například z výsledku
SQL dotazu. My ale zvolíme statické uložení do souboru, které se
pro naše ukázky hodí lépe.

= Java =

Pokud soubory transformer.jar, source.xml a stylesheet.xsl
uložíte do adresáře temp, můžete transformaci spustit
v příkazovém řádku takto:

c:\temp>java -jar transformer.jar source.xml stylesheet.xsl
output.html 1

Parametry:

- jméno zdrojového xml souboru
- jméno šablony stylu
- jméno souboru, do kterého bude uložen výstup
- výstup transformace (1 - do souboru, 0 - výpis na konsolu)

Pokud jar rozbalíte například zipem, najdete vedle binárních
souborů .class i zdrojové soubory .java, kterými se můžete
inspirovat. Pro bezproblémový chod doporučuji JRE 1.4, které má
v sobě již XSLT procesor. Pokud použijete starší JDK musíte
nastavit CLASSPATH na zvolený XSLTC procesor.

= PHP =

Předem upozorňuji, že nejsem nijak zdatný odborník na PHP.

<?php
$xmlPath = "file://c:/temp/source.xml";
$xslPath = "file://c:/temp/stylesheet.xsl";

$xh = xslt_create();
$result = xslt_process($xh,$xmlPath,$xslPath);

if (!$result) {
  die(sprintf("Cannot process XSLT document [%d]: %s",
  xslt_errno($xh), xslt_error($xh)));
}

print($result);
xslt_free($xh);

?>

Kód jsem testoval na PHP 4.3, kde bylo XSLT přidáno jako
experimentální podpora a jako XSLTC procesor se používal
Sablotron. Rozkopírování příslušných extensions a nastavení PHP
je dokumentováno v distribuci.

= Mozilla =

Transformovat umí i Mozilla, což dokládá soubor mozilla.html,
který provede transformaci. Opět stačí mít mozilla.html ve
stejném adresáři jako soubory source.xml a stylesheet.xsl.
Zkoušeno v Mozille 1.4.

Více informací o transformaci v prohlížečích založených na jádře
Gecko naleznete na adrese

http://devedge.netscape.com/viewsource/2003/xslt-js/

Transformaci můžeme provádět v jakémkoliv XSLT procesoru.
Hodně zábavy.

(c) 2003 Roman Pichlík, mailto:roman.pichlik@asei.cz

- - -

O autorovi:

Roman "Dagi" Pichlík se specializuje na na webové skriptování. Od
konce roku 2002 vydává vlastní weblog pro kodéry Dagblog, který
najdete na adrese

  http://www.sweb.cz/pichlik/

HTML verzi tohoto článku naleznete na adrese:

  http://www.sovavsiti.cz/2003/xslt-2.html

Předešlý díl seriálu XSLT, svět transformací naleznete na adrese:

  http://www.sovavsiti.cz/2003/xslt-1.html


~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Doporučte sovu v síti vašim přátelům. Přepošlete jim toto číslo,
nebo použijte formulář na http://www.sovavsiti.cz/recommend.html
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

A to je pro dnešek vše. Na shledanou za dva týdny.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Nechcete, nebo naopak chcete dostávat Sovu v síti?
Odběr lze odhlásit odesláním zprávy na unsubscribe@sovavsiti.cz.
Přihlásit se lze odesláním zprávy na subscribe@sovavsiti.cz, nebo
formulářem na adrese http://www.sovavsiti.cz/.
Chcete nám cokoli sdělit? Uvítáme vaše náměty, připomínky,
kritiku, atd. na adrese mailto:redakce@sovavsiti.cz.
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Není-li v konkrétním případě uvedeno jinak, je autorem
publikovaných textů Marek Prokop. Tento ezin, nebo jeho část
můžete volně šířit dále, pokud současně uvedete údaje o autorech
a odkaz na Sovu v síti.
_________________________________________________________________
Sova v síti -- (c) 2003 Marek Prokop -- http://www.sovavsiti.cz/