Szövegfeldolgozás XML alapokon

168 Pages·2005·2.107 MB·Hungarian

by  Bíró Szabolcs

Szövegfeldolgozás XML alapokon

Bíró, Szabolcs

Created by XMLmind XSL-FO Converter.
Szövegfeldolgozás XML alapokon

Bíró, Szabolcs
A könyv az Oktatási Minisztérium támogatásával, az NKTH által lebonyolított Felsőoktatási Tankönyv- és
Szakkönyv-támogatási Pályázat keretében jelent meg. Az elektronikus kiadás DocBook XML formátumát Bíró
Szabolcs készítette.
Szerzői jog © 2005 Neumann Kht.
Szerzői jog © 2005 Bíró Szabolcs
Minden jog fenntartva. Jelen könyvet, illetve annak részeit tilos reprodukálni, adatrögzítő rendszerben tárolni, bármilyen formában vagy
eszközzel – elektronikus úton vagy más módon – közölni a szerző és a kiadó engedélye nélkül.

Created by XMLmind XSL-FO Converter.
Ajánlás

Köszönettel tartozom a Neumann János Digitális Könyvtár és Multimédia Központ Kht. minden jelenlegi és volt
munkatársának, hogy iránymutatásukkal, tanácsaikkal nagymértékben hozzájárultak jelen munkám, illetve a
kötet alapjául szolgáló Kulcs az SGML-hez című akkreditált tanfolyami jegyzet elkészítéséhez. Köztük kell
megemlítenem KORA Andrást, aki a Berzsenyi Dániel Főiskola Könyvtár- és Információtudományi
Tanszékének oktatójaként, majd később a Neumann-ház Könyvtár-Informatikai Osztályának vezetőjeként
bevezetett az SGML/XML alapú kódolás rejtelmeibe és felkeltette érdeklődésemet a szövegfeldolgozás mint
szakterület iránt. Ugyancsak köszönettel tartozom SZALAI Attila szoftverfejlesztőnek, akitől közös
projektfeladataink révén szintén rengeteget tanultam – különösen a TEI XML alapú szövegkódolás, illetve az
XML-re épülő webfejlesztések terén.
E könyv nem készülhetett volna el a Berzsenyi Dániel Főiskola Könyvtár- és Információtudományi Tanszékén,
illetve a Szegedi Tudományegyetem Könyvtártudományi Tanszékén elsajátított ismereteim, így volt oktatóim és
jelenlegi kollégáim tanórai és azon kívüli szakmai és emberi segítsége nélkül.
Köszönet illeti MARKÓJA Szilárdot, a Kempelen Farkas Hallgatói Információs Központ könyvtárvezetőjét és
BARTAL Tamás szoftverfejlesztőt, akik a kötethez rendelkezésemre bocsátották a HIK Felsőoktatási Digitális
Tankönyvtárában alkalmazott DocBook XML formátum magyar nyelvű leírását.
Ugyancsak köszönettel tartozom egykori tanáromnak, Dr. SÜTHEŐ Péternek, akinek megjegyzései és javaslatai
a könyvet messze használhatóbbá tették, mint amilyen nélkülük valaha is lehetett volna.
Köszönet HÁMORY Zsófiának a korrektúráért és nyelvi csiszolatlanságom javításáért, illetve BACSA
Andrásnak, a Digitize-IT ügyvezetőjének, volt kollégámnak a tördelésért és a nyomdai előkészítésért.
Végezetül hálás vagyok e munka elkészítése alatt tanúsított mérhetetlen megértésért és türelemért családomnak,
minden barátomnak, kollégámnak és ismerősömnek. Itt az idő, hogy végre nekik is több időt szenteljek!
Örömmel fogadok minden visszajelzést, megjegyzést és javaslatot a könyv esetleges jövőbeni kiadásához a
[email protected] címen. Frissítésekkel, bővítésekkel és javításokkal kapcsolatban ugyanitt lehet érdeklődni.
Budapest, 2005. februárja
Bíró Szabolcs
Neumann-ház
i
Created by XMLmind XSL-FO Converter.
Tartalom

Előszó ................................................................................................................................................ vi
1. Bevezetés ........................................................................................................................................ 1
1. A témaválasztás indoklása .................................................................................................... 1
2. A kötet célja, feladatai ........................................................................................................... 1
3. Az anyaggyűjtés forrásai ....................................................................................................... 2
3.1. Szakkönyvek ............................................................................................................. 2
3.2. Nyomtatott és elektronikus szakfolyóiratok, online források ................................... 3
3.3. Konferenciák, fórumok, szakmai tapasztalat ............................................................ 3
4. Jelölésmutató, a szerkesztés elvei ......................................................................................... 3
2. Az XML-hez vezető út – áttekintés ................................................................................................ 5
1. Hardver és szoftverkörnyezet, felhasználók, formátumok .................................................... 5
2. Kísérletek a tartalom és forma szétválasztására .................................................................... 6
2.1. SGML – az XML „bátyja” ....................................................................................... 6
2.1.1. Az SGML létrejöttének körülményei ........................................................... 6
2.1.2. Az SGML lehetséges használati területei ..................................................... 7
2.1.3. Az SGML előnyei és hátrányai .................................................................... 9
2.2. HTML – az SGML „gyermeke” ............................................................................. 10
2.3. XML – az SGML „öccse” ...................................................................................... 10
3. Az SGML/XML jelölésrendszer – kódolás .................................................................................. 13
1. Leíró kontra műveleti jelölés ............................................................................................... 13
1.1. Leíró jelölés ............................................................................................................ 13
1.2. Műveleti jelölés ...................................................................................................... 13
2. Szintaktika – SGML/XML .................................................................................................. 14
2.1. Elemek .................................................................................................................... 14
2.1.1. Jelölőkódok ................................................................................................ 15
2.1.2. Elemnevek .................................................................................................. 15
2.1.3. Elemek egymásba ágyazása ....................................................................... 17
2.1.4. Üres elemek ................................................................................................ 17
2.1.5. Minimalizálási lehetőségek ........................................................................ 18
2.2. Attribútumok .......................................................................................................... 20
2.2.1. Attribútumok felépítése .............................................................................. 20
2.2.2. Attribútumnevek ........................................................................................ 21
2.2.3. Attribútumértékek ...................................................................................... 24
2.3. Entitások ................................................................................................................. 24
2.3.1. Az entitásokról általában ............................................................................ 25
2.3.2. Entitáshivatkozások .................................................................................... 25
2.3.3. Karakterentitás-hivatkozások ..................................................................... 26
2.3.4. Beépített entitáshivatkozások – foglalt karakterek ..................................... 28
2.4. Megjegyzések ......................................................................................................... 28
2.5. Nem elemzett karakteres adatok ............................................................................. 29
2.6. XML-deklaráció ..................................................................................................... 30
2.7. Dokumentumtípus-deklaráció (DTD) ..................................................................... 31
4. A DTD-k szerkezeti felépítése ...................................................................................................... 34
1. A DTD-kről általában ......................................................................................................... 34
1.1. Elem-típus deklarációk ........................................................................................... 35
1.1.1. Minimalizálási szabályok ........................................................................... 35
1.1.2. Tartalmi modell .......................................................................................... 36
1.1.3. Előfordulási gyakoriság jelzése .................................................................. 36
1.1.4. Sorrendiség, csatolójelek ............................................................................ 37
1.2. Attribútum-lista deklarációk ................................................................................... 38
1.2.1. Attribútum-minimalizálás .......................................................................... 40
1.2.2. Attribútum-öröklődés ................................................................................. 41
1.3. Entitás deklarációk ................................................................................................. 42
1.3.1. Általános entitások ..................................................................................... 42
1.3.2. Paraméter-entitások .................................................................................... 43
1.4. NOTATION deklarációk ........................................................................................ 47
ii
Created by XMLmind XSL-FO Converter.
Szövegfeldolgozás XML alapokon
5. Szövegjelölés TEI DTD alapján ................................................................................................... 49
1. TEI ...................................................................................................................................... 49
1.1. A TEI alapelvei és előnyei ...................................................................................... 49
1.1.1. Alapelvek ................................................................................................... 49
1.1.2. Előnyök ...................................................................................................... 50
1.2. A TEI felépítése ...................................................................................................... 50
1.2.1. TEI P5 fejléc – metainformációk ............................................................... 51
1.2.2. TEI P5 szövegstruktúra .............................................................................. 54
1.3. A TEI jövője ........................................................................................................... 65
6. Szövegjelölés DocBook DTD alapján .......................................................................................... 67
1. DocBook ............................................................................................................................. 67
1.1. A DocBook előnyei ................................................................................................ 67
1.2. A DocBook felépítése ............................................................................................. 68
1.2.1. DocBook fejléc – metainformációk ........................................................... 68
1.2.2. DocBook szövegstruktúra .......................................................................... 71
1.3. A DocBook jövője .................................................................................................. 81
7. A megjelenítésről általában .......................................................................................................... 82
1. Röviden a megjelenítésről ................................................................................................... 82
2. Stílusorientált szolgáltatási formátumok ............................................................................. 82
2.1. (X)HTML ............................................................................................................... 83
2.2. PDF ......................................................................................................................... 83
2.3. RTF ......................................................................................................................... 84
3. Stíluslapnyelvek .................................................................................................................. 86
3.1. DSSSL .................................................................................................................... 86
3.2. CSS ......................................................................................................................... 87
3.3. XSL ........................................................................................................................ 88
3.3.1. CSS vagy XSL ........................................................................................... 88
3.3.2. Stíluslap-kombinációk különböző kimenetekhez ....................................... 88
8. Az XHTML .................................................................................................................................. 92
1. Mi is valójában az XHTML ................................................................................................ 92
1.1. Az XHTML létrejöttének okai ................................................................................ 92
1.2. Az XHTML haszna ................................................................................................ 93
2. XHTML típusdefiníciók ...................................................................................................... 94
3. XHTML dokumentum-sablon ............................................................................................. 95
3.1. Dublin Core kódolás XHTML-be ........................................................................... 96
4. XHTML szabályok ............................................................................................................. 99
4.1. Különbségek a HTML 4.01-től ............................................................................... 99
4.2. Elemhasználati tilalmak ........................................................................................ 101
4.3. Karakterkódolási szabályok .................................................................................. 101
5. Vegyes DTD-k használata XHTML-ben .......................................................................... 102
5.1. MathML DTD és névtér ....................................................................................... 102
5.2. MathML és SVG DTD, illetve névtér .................................................................. 106
6. Validitás-vizsgálat ............................................................................................................. 110
6.1. XHTML ellenőrzők .............................................................................................. 110
6.1.1. W3C HTML Validator ............................................................................. 110
6.1.2. W3C Link Checker .................................................................................. 111
6.1.3. HTML Tidy .............................................................................................. 112
6.2. WAI tippek – akadálymentesítés .......................................................................... 112
9. Lépcsős stíluslapok – CSS .......................................................................................................... 114
1. A CSS rövid története ....................................................................................................... 114
2. CSS szintaktika ................................................................................................................. 115
2.1. CSS utasítások felépítése ...................................................................................... 116
2.2. Csoportképzés ....................................................................................................... 117
2.3. CLASS szelektor – osztályképzés ........................................................................ 118
2.4. ID szelektor .......................................................................................................... 118
2.5. Összekapcsolt szelektorok .................................................................................... 119
2.6. Pszeudo-osztályok ................................................................................................ 119
2.7. Megjegyzések CSS-ben ........................................................................................ 120
3. Betűstílus tulajdonságok ................................................................................................... 120
3.1. Betűcsaládok és általános családok ...................................................................... 120
iii
Created by XMLmind XSL-FO Converter.
Szövegfeldolgozás XML alapokon
3.2. Betűtípus-vastagság .............................................................................................. 121
3.3. Betűstílus .............................................................................................................. 121
3.4. Betűváltozatok ...................................................................................................... 122
3.5. Betűméret ............................................................................................................. 122
3.6. Összetett betűtulajdonságok ................................................................................. 123
4. Szövegstílus-tulajdonságok ............................................................................................... 123
4.1. Betűközök ............................................................................................................. 124
4.2. Szóközök .............................................................................................................. 124
4.3. Szövegdekoráció ................................................................................................... 124
4.4. Kis- és nagybetűk ................................................................................................. 124
4.5. Szövegigazítás ...................................................................................................... 125
4.6. Szövegbehúzás ...................................................................................................... 125
4.7. Szöveg előformázása ............................................................................................ 125
4.8. Szövegsorok közti távolság .................................................................................. 126
4.9. Függőleges szövegelrendezés ............................................................................... 126
5. Egyéb, megjelenést szabályozó tulajdonságok ................................................................. 127
5.1. Színek ................................................................................................................... 127
5.2. Margók ................................................................................................................. 127
5.3. Keretek ................................................................................................................. 128
5.4. Kitöltés ................................................................................................................. 129
6. CSS és XHTML ................................................................................................................ 130
7. CSS és XML ..................................................................................................................... 131
8. A CSS érvényesség-vizsgálata .......................................................................................... 135
9. A CSS jövője ..................................................................................................................... 135
10. XSLT és XPath ......................................................................................................................... 136
1. XSLT ................................................................................................................................. 136
1.1. XSLT-állományok szerkezeti váza ....................................................................... 136
2. XPath ................................................................................................................................. 138
2.1. Elérési utak ........................................................................................................... 138
2.1.1. Relatív elérési utak ................................................................................... 139
2.1.2. Abszolút elérési utak ................................................................................ 142
3. XML és XSLT .................................................................................................................. 142
4. Az XSLT jövője ................................................................................................................ 144
11. A szövegfeldolgozás formátumainak jövője ............................................................................. 146
1. Tárolási, archiválási formátumok ...................................................................................... 146
1.1. SGML ................................................................................................................... 146
1.2. XML ..................................................................................................................... 147
2. Megjelenítési, szolgáltatási formátumok ........................................................................... 147
2.1. HTML vs. XHTML .............................................................................................. 147
2.2. Egyéb, megjelenítésre szánt formátumok ............................................................. 147
3. Összegzés .......................................................................................................................... 148
A. Utószó ........................................................................................................................................ 149
12. Irodalomjegyzék ....................................................................................................................... 150
iv
Created by XMLmind XSL-FO Converter.
A táblázatok listája

4.1. Kulcsszavak SGML/XML-ben .................................................................................................. 38
6.1. Bonyolult táblázat ...................................................................................................................... 77
v
Created by XMLmind XSL-FO Converter.
Előszó

Az egész a két- és hárombetűs rövidítésekkel kezdődött…
A Föld nevű bolygón – ahol mindez megtörtént –, több ezer időegységgel ezelőtt különös létforma ütötte fel
fejét. Ezek a szénalapú, majomszerű teremtmények embereknek nevezték magukat, és úgy gondolták, hogy a
kommunikáció valami nagyon jó dolog.
Időszámításuk szerint követve az eseményeket napjainkra ez odáig fajult, hogy az emberek megpróbáltak
minden kezükbe akadó eszközzel kommunikálni. Leginkább két cselekvést végeztek naphosszat: beszéltek és
írtak.
A beszédhez nem volt szükségük különösebb eszközre, de hamar rájöttek: maradandó nyomot hagyni igazából
csak írással lehet. Gépeket alkottak tehát, amelyek adatokat tároltak és közvetítettek a többi ember felé. A
kommunikációra különböző nyelveket használtak, az íráshoz jelrendszereket fejlesztettek ki. Szerettek írni.
Valaki néhány időegységgel ezelőtt úgy gondolta, milyen jó is lenne, ha az emberek a gyakran használt
kifejezéseiket írásban a szavak nagy kezdőbetűivel rövidítenék. Sokan egyetértettek ezzel, és úgy gondolták, ez
remek ötlet. Elkezdték hát gyártani a rövidítéseket. Gondosan ügyeltek arra, hogy minden lehetséges
kifejezésnek legyen egy rövidített alakja.
Sikerrel jártak…
Később civilizációjuk fejlődéstani szempontból újabb korszakba lépett. Az emberiség egyre lustább lett. Ennek
nyomait felfedezhetjük ránk maradt írásaikban. Beszélni szerettek, de amint írásra került a sor, ahol lehetett,
rövidítettek.
Tőlünk egy egérkattintásnyival nyugatabbra az emberek tehát boldogok voltak. Vidáman, minden probléma
nélkül használták a rövidítéseket. Egyedül csak a nyelvészek szomorkodtak. Szerintük ez a folyamat kifejezetten
káros volt. Visszaemlékezéseikben halványan feldereng még, hogy a kétbetűsökkel kezdődött minden…

IC, AI, IO,
KB, DB, PS,
DC, HF, HQ, IP, IT, és még sorolhatnánk.
A nyelvészek a zárójelekhez ragaszkodtak. Minden esetben a kifejezés teljes feloldását zárójelek között, a
rövidítések után kell írni, hirdették.

IC (Integrated Circuit),
IO (Input/Output),
IP (Internet Protocol),
IT (Information Technology),
…
Ez nem nyerte el egyöntetűen mindenki tetszését, sőt sokan kifejezetten rosszallóan gondoltak az így leírt
kifejezésekre. Szegény zárójelek igazán nem értették, hogy miért is kerültek ilyen kellemetlen helyzetbe. A
nagybetűk viszont rendkívül hálásak voltak. Csillaguk szépen ívelt felfelé. Büszkén álltak a mondatok közepén,
olykor egy-egy mondaton belül többen össze is csoportosultak.
Az emberek úgy tartották, hogy ez így szép. Szemük és agyuk is hozzászokott már. Egy szakkönyvben vagy a
szaksajtó olvasásakor szemük a csupa nagybetűvel szedett rövidítések között cikázott. A többit át is ugrották,
mondván: nem fontos.
Később megjelentek a hárombetűs rövidítések, és az emberek ettől kezdve egyre lelkesebbek lettek.
BBS, ASP, BPS, BTW, PDA, DAT, DLL, DOS, FAQ, IRC, FTP, FYI, LAN, WAN, ISP, JDK, NAT, NIC,
OCR, POP, PPP, RFC, SMS, MMX, SSL, TCP, UDP, UPS, URL, VPN, és így tovább a végtelenségig.
Mindez a beszédükben is érzékeltette hatását:
• Láttad a legújabb CSS ajánlásokat a W3C-től?
vi
Created by XMLmind XSL-FO Converter.
Előszó
• Hogy állsz a WAP-oldalakkal? WML-ben lehet DSO-t kezelni?
• Fejlesztettél már XML-ben?
• Neked melegedik a CPU-d?
• Láttad volna a PHP oldalamat! Jobb a CGI-s megoldásoknál!
• PDF-ben dokumentálom.
• Szerinted is jó, ha CF kártyával bővítem a PDA-m?
• Átírtam az XSL lapot. Így most szebb lett a HTML kimenet.
• A SAX-ot használom az eseményvezérelt feldolgozáshoz.
Ekkor valaki felkiáltott: No more TLA please! (TLA = Three Letter Abbreviations)
Magyarul: Elég a HBR-ekből! (HBR = Három Betűs Rövidítés)
Hirtelen súlyos csönd lett, majd kis idő elteltével bekövetkezett a Föld nevű bolygón az igazi katasztrófa:
megjelentek a négybetűs rövidítések…
SGML, HTML, JPEG, XSLT, MARC, HTTP, IMAP, LDAP, IRDA, BIOS, DHCP, FDDI, ICMP, ADSL,
MIME, MPEG, NNTP, SMDS, DBMS stb. álltak rendezett sorokban.
A nagybetűk örömujjongásban törtek ki, és már a nyelvészek sem szomorkodtak. Beletörődtek a
megmásíthatatlanba. Tudták, hogy a folyamat megállíthatatlan és nem ér véget négy betűnél. Igazuk lett.
Ez a könyv is ilyen nagy- és sokbetűs rövidítésekről szól…
London, 2005. februárja
KORA András
Walt Disney Internet Group
vii
Created by XMLmind XSL-FO Converter.