7

Bijlagen

In dit hoofdstuk treft u een overzicht aan van de functies en conventies in XML om u snel te kunnen redden in avenue.quark.

Een XML-document bestaat uit de volgende onderdelen, in deze volgorde:

1. Een XML-declaratie (optioneel, maar ten sterkste aanbevolen)

2. Een DOCTYPE-declaratie en DTD (optioneel), met commentaar, verwerkingsinstructies en entiteitsreferenties

3. XML-elementen (en hun attributen), commentaar, verwerkingsinstructies en entiteitsreferenties)

De XML-declaratie, indien aanwezig, moet de eerste regel in een XML-document zijn. Deze geeft aan de XML-versie waarmee het document is gemaakt en of er in het bestand ook verwijzingen zijn naar andere bestanden. Bijvoorbeeld:

De DOCTYPE-declaratie die de DTD van het document specificeert hoort na de XML-declaratie te staan en vóór de begincode van het rootelement. Een DTD kan uit twee delen bestaan: De externe subset en de interne subset. Als een document alleen een externe subset heeft, ziet het eruit als volgt:

Heeft een document alleen een interne subset dan ziet het er als volgt uit:

Heeft een document zowel een externe als een interne subset, dan ziet het eruit als volgt:

Een element bestaat uit een begincode (<codeNaam>), een beetje content, en een eindcode (</codeNaam>):

Een uitzondering is de lege code, wat één code kan zijn met een schuine streep vóór de >:

Alle elementen moeten goed zijn genest, wat inhoudt dat de meest recent ge-opende code moet zijn gesloten voordat u andere codes kunt sluiten. De volgende regel in een XML-document zou bijvoorbeeld illegaal zijn, omdat <code2> niet wordt gesloten voordat <code1> wordt gesloten:

Elk XML-document moet een zogenaamd rootelement hebben waarin alle andere elementen in het document staan.

Bij het invoeren van elementnamen spelen hoofd- en kleine letters een grote rol. Iedere elementnaam moet beginnen met een letter of een onderstreepteken (_); de resterende tekens in de namen kunnen letters, onderstreeptekens, getallen, afbreekstreepjes en punten zijn, maar geen spaties of tabstops.

Elementen kunnen attributen hebben als onderdeel van hun begincodes (of, voor lege elementen, als onderdeel van de gecombineerde begin/eindcode). Een attribuut bestaat uit een attribuutnaam gevolgd door een is gelijk-teken en vervolgens een attribuutwaarde tussen aanhalingstekens. Bijvoorbeeld:

Commentaar bestaat uit tekst die tussen een <!-- en een --> staat. De content van commentaren wordt door de XML processors genegeerd. In commentaren mag geen "--" of andere commentaren staan.

Een verwerkingsinstructie bestaat uit tekst die tussen een <? en een ?> staat. Verwerkingsinstructies worden alleen door XML processors gelezen en mogen geen content bevatten. De syntax voor verwerkingsinstructies is als volgt:

Een tekenverwijzing is een manier om Unicode-tekens weer te geven in geparsde ofte wel geanalyseerde tekstgegevens. De syntax voor tekenverwijzingen is als volgt:

Een entiteitsreferentie is een gegeven dat de plaats inneemt van een specifiek teken, een bepaalde tekststring of specifiek bestand. Entiteitsreferenties in een XML-document staan altijd tussen een ampersand (&) en een puntkomma (;). &gt; bijvoorbeeld is een groter dan-teken (<), dat niet in XML-content mag worden opgenomen, behalve als entiteitsreferentie.

De betekenis van iedere entiteitsreferentie die in een XML-document wordt gebruikt, moet worden gedefinieerd in de DTD van het document, met uitzondering van de volgende reeds gedefinieerde tekenentiteitsreferenties, die kunnen worden gebruikt zonder dat ze zijn gedefinieerd:

Om zich goed gestructureerd te mogen noemen, moet een XML-document zich houden aan de volgende regels:

• De eerste regel moet een XML-declaratie zijn
• Voor iedere begincode moet er ook een eindcode zijn (behalve in lege codes)
• Lege codes moet eindigen op />
• Er moet een rootelement zijn dat alle andere elementen bevat
• Alle elementen moeten goed zijn genest, wat betekent dat de meest recent geopende code moet zijn gesloten voordat u andere codes kunt sluiten
• Alle attribuutwaarden moeten tussen aanhalingstekens staan ("")
• Alle codes moeten beginnen met <, terwijl alle entiteiten moeten beginnen met &
• De enige entiteitsreferenties die mogen worden gebruikt mits het document een DTD heeft zijn de reeds gedefinieerde tekenentiteitsreferenties in bovenstaand overzicht

Een geldig XML-document is een XML-document dat goed gestructureerd is en zich houdt aan de conventies van de DTD die is gespecificeerd door zijn DOCTYPE-declaratie.

In dit hoofdstukje treft u een overzicht aan van de functies en conventies van DTD's om u snel te kunnen redden in avenue.quark

Een DTD kan zijn samengesteld uit de volgende onderdelen, niet per se in onderstaande volgorde:

• Elementtypedeclaraties
• Attribuutdeclaraties
• Commentaar
• Entiteitsreferentiedeclaraties
• Notatiedeclaraties
• Verwerkingsinstructies
• Geparsde ofte wel geanalyseerde entiteitsreferenties
• Voorwaardelijke secties

De syntax voor een elementtypedeclaratie is als volgt:

Elementnamen zijn gevoelig voor het gebruik van hoofd- en kleine letters. Iedere elementnaam moet beginnen met een letter of een onderstreepteken (_); resterende lettertekens in de naam kunnen letters, onderstreeptekens, getallen, afbreektekens en punten zijn, maar spaties of tabstops zijn niet toegestaan.

Elementcontent kan bestaan uit geanalyseerde tekstgegevens (dat wil zeggen tekst en entiteitsreferenties, uitgedrukt als ) en/of andere elementtypes. De volgende symbolen kunnen na iedere elementnaam of haakje sluiten in de elementcontentdefinitie worden ingevoegd:

Wilt u na één element nog een element opnemen, gebruik dan een komma:

Om aan te geven dat content óf het ene óf het andere element kan bevatten, moet u gebruik maken van een |:

Om in een element een combinatie van specifieke elementen en #PCDATA in willekeurige volgorde op te kunnen nemen, moet u de volgende syntax hanteren:

Om in een element een willekeurige combinatie van elementen en #PCDATA in willekeurige volgorde op te kunnen nemen, moet u de volgende syntax hanteren (let op het ontbreken van haakjes):

Om een leeg element te definiëren, moet u de volgende syntax hanteren (let op het ontbreken van haakjes):

De syntax voor één attribuutdefinitie is als volgt:

Attribuutnamen zijn gevoelig voor het gebruik van hoofd- en kleine letters. Iedere attribuutnaam moet beginnen met een letter of een onderstreepteken (_); resterende lettertekens in de naam kunnen letters, onderstreeptekens, getallen, afbreektekens en punten zijn, maar spaties of tabstops zijn niet toegestaan.

U kunt met de volgende attribuuttypes werken:

*Namen moeten beginnen met een letter of onderstreepteken (_); resterende lettertekens in de naam kunnen letters, onderstreeptekens, getallen, afbreektekens en punten zijn, maar spaties of tabstops zijn niet toegestaan.

**NaamTeken-tekens zijn letters, onderstreeptekens, getallen, afbreektekens of punten, maar geen spaties of tabstops.

We kennen de volgende standaardattribuutwaarden:

Commentaar bestaat uit tekst die tussen een <!-- en een --> staat. De content van commentaren wordt door de XML- processors genegeerd. In commentaar mogen geen "--" en andere commentaren staan.

Een tekenverwijzing is een manier om Unicode-tekens weer te geven in geparsde ofte wel geanalyseerde tekstgegevens. De syntax voor tekenverwijzingen is als volgt:

Er zijn vijf entiteitstypen. De syntax voor hun declaratie is als volgt:

De syntax voor het gebruik van de eerste drie types entiteitsreferenties is &entiteitsNaam;. De syntax voor een parameterentiteit is %entiteitsNaam;. Parameterentiteitsreferenties worden altijd geparsd en mogen alleen in een DTD worden gebruikt.

Notatiedeclaraties moeten op een van beide onderstaande manieren worden gespecificeerd:

De externe ID-code moet de naam zijn van een programma dat bestanden waaraan deze notatie is toegekend, kan verwerken of op het scherm weergeven. Bijvoorbeeld:

N.B.: Het is aan het programma dat de XML verwerkt om de URL door te geven aan het programma dat door de externe ID-code wordt gedefinieerd.

Een verwerkingsinstructie bestaat uit tekst die tussen een <? en een ?> staat. Verwerkingsinstructies worden alleen gelezen door XML processors en er mag geen content instaan. De syntax voor verwerkingsinstructies is als volgt:

<?doelinstructie?>

Stel: u heeft zo juist een XML-bestand vanuit avenue.quark geëxporteerd en wanneer u dit gaat bekijken in uw tekstverwerker ziet u daar een kleine letter "a" staan met een accent waar u eigenlijk het symbool voor handelsmerk had verwacht. Bij nader inzien staan er veel verkeerde symbolen in de tekst. Wat is er gebeurd?

Dit is typisch een geval waarbij uw tekstverwerker de coderingen die worden gebruikt in uw XML-bestand niet ondersteunt. In de volgende alinea's zullen we dit probleem nader uit de doeken doen.

Een tekenset is een specificatie die een set lettertekens toewijst aan corresponderende numerieke waarden. De letter "M" bijvoorbeeld wordt door de ASCII-tekenset toegewezen aan de numerieke waarde 77, de "N" aan de numerieke waarde 78, de "O" aan 79 enzovoort.

Door de toepassing van een tekenset in een tekstbestand kan een programma het tekstbestand op het scherm vertalen in correcte lettertekens. Zonder tekenset is een tekstbestand gewoon een reeks getallen. Als u een tekstbestand bekijkt met behulp van de verkeerde tekenset, ziet u een hoop vreemde tekens op uw scherm, omdat het programma dat het bestand opent de numerieke waarden toewijst aan de verkeerde tekenset.

Hieronder ziet u een overzicht van alle tekensets:

• ASCII
• MacRoman (gebruikt door Mac OS)
• Windows Latin 1 (gebruikt door Windows)
• UTF-8
• UTF-16 (Unicode)
• Shift-JIS

Avenue.quark ondersteunt de UTF-8-, UTF-16- en Shift-JIS-tekensets.

U kunt de meeste tekensets verdelen in twee delen: de eerste 128 tekens (de lagere reeks) en alle tekens daarna (de bovenste reeks).

Over het algemeen worden de tekens in de lagere reeks van de meeste teken-sets toegewezen aan dezelfde lettertekens. In deze reeks vinden we de tekens a­z, A­Z, 0­9, een handjevol interpunctietekens, plus een paar speciale besturingstekens.

Pas als u terechtkomt in de bovenste reeks kunt u in de problemen komen. De lettertekens onder MacRoman en Windows Latin 1 bijvoorbeeld zijn onder de 128 vrijwel identiek. Als u dus bestanden heeft waarin alleen lettertekens voorkomen uit die reeks en deze bestanden overzet van Mac OS naar Windows, zullen deze er prima uitzien. Maar als in deze bestanden lettertekens uit de bovenste reeks voorkomen, dan kunt u nogal vreemde resultaten krijgen, omdat per platform aan veel van deze waarden weer andere symbolen zijn toegewezen. Een letterteken dat er onder Mac OS bijvoorbeeld uitkomt als een symbool voor handelsmerk kan onder Windows best wel een superieure letter "a" zijn.

Wanneer u op uw scherm dergelijke rare lettertekens ziet, komt dat omdat het programma dat de tekst op uw scherm zet niet weet welke tekenset voor die tekst is gebruikt, of omdat het programma de tekst niet met zijn speciale tekenset kan weergeven.

U kunt aangeven welke tekenset in een XML-bestand moet worden gebruikt door een tekensetspecificatie op te nemen in de XML-declaratie van het bestand, zoals hier:

Als een XM L-bestand geen tekensetspecificatie heeft, gaat avenue.quark ervan uit dat het bestand gebruik maakt van de UTF-8-tekenset.

Wanneer u een XML-bestand via avenue.quark bewaart, geeft u op welke tekenset wordt gebruikt in het venster-/uitrolmenu Tekenset, waarna avenue.quark automatisch het juiste tekensetattribuut gebruikt.

In XML kunt u de gebruikte tekenset in een XML-bestand specificeren. Het geeft echter geen manier aan om de tekenset voor een afzonderlijk DTD-bestand te definiëren.

Gelukkig doet avenue.quark dat wel. Om de tekenset te specificeren voor een afzonderlijke DTD, moet u gewoon de volgende tekst als de eerste regel in het bestand intikken:

Om van een afzonderlijke DTD bijvoorbeeld een UTF-16 DTD te maken, voegt u aan het begin van het bestand gewoon de volgende regel toe: