SGML-HTML-DTD : Il solito triangolo

[iomega ZIP] [About] [Copertina] [Postscript]

Articoli

SGML-HTML-DTD : Il solito triangolo SGML - HTML - DTD : Il solito triangolo
Ma, che c'entra Elvis, buonanima?

Già, che c'entra il compianto?
Triangoli, strane sigle, fantasmi del passato ... sta a vedere che 'sto qua mò ci tira fuori pure Renato Zero!
Buoni, buoni, è una lunga storia, ma vedrò se riesco a farla corta.
Vedete, tutto ebbe inizio negli anni sessanta, quando un certo Donald Knuth ...
Come dite? Non così da lontano? Va beh, come volete:

Qualche giorno fa, leggendo un niusgrup, ho incontrato una affermazione che prima mi ha fatto sorridere, poi mi ha fatto indignare, e quindi, smaltito il sacro furore, mi ha fatto riflettere sulla necessità di scrivere questo articolo.
Non lo avrei fatto altrimenti, più che altro per la delusione dovuta ai miei precedenti interventi su queste pagine cui, senza mia richiesta, erano stati promessi prima tre, poi due, infine un CD premio, che non si è mai degnato di farsi vedere. Segno che i miei precedenti interventi non erano all'altezza, e su questo sono certamente d'accordo. Vediamo se mi riesce di fare meglio stavolta.

Ma torniamo alla nostra affermazione; qualcuno ha scritto:
Come sarebbe a dire Chi? Come direbbe il celebre parroco di Dalla, si dice il peccato, non il peccatore!

L'SGML e' un sistema generalizzato per scrivere documenti, tipo HTML ma con i tag leggermente diversi.

Lo Structured Generalized Markup Language, detto comunemente SGML, è un metalinguaggio, definito in svariati e corposi standard ISO, che consente di descrivere formalmente un linguaggio a markup. Il beneficio della descrizione formale risiede nella possibilità di usare strumenti automatici per la verifica di documenti (non voglio chiamarli testi), la loro stampa/visualizzazione e/o la loro conversione ad altri formati. Con questo voglio mettere in chiaro che la cosa non è limitata ai soli testi, ma spazia in un campo vastissimo di applicazioni (un esempio per tutti: l'industria aeronautica utilizza un'applicazione SGML per archiviare disegni e descrizioni delle parti che compongono un aereoplano).

L'HTML è invece una applicazione dell'SGML in quanto la sua grammatica può essere descritta formalmente in SGML.
Questa descrizione formale è composta dal DTD, il Document Type Definition e dallo Style Sheet (a sua volta definito in base al linguaggio DSSSL) che descrive grosso modo come gli oggetti referenziati dagli elementi del DTD vadano elaborati.

Si può illustrare questa relazione con una bella analogia:
L'SGML corrisponde ad un linguaggio di programmazione di alto livello, con la sua sintassi formalmente definita.
L'HTML è una applicazione, un programma scritto in questo linguaggio di programmazione, e il suo DTD ne è il sorgente.
Il documento, la vostra pagina HTML sono i dati oggetto dell'elaborazione del programma.

Fatte queste premesse (doverose, per soddisfare il mio smodato ego), voglio subito entrare nel vivo di questo monologo e parlarvi dell'argomento di questo articolo:

un modo diverso di scrivere in HTML

Diverso da che?
Ma dalla moda imperante degli editor HTML, vere e proprie contraddizioni nei termini; dall'abuso di tomi e libroni tutti tesi nello sforzo di spiegarvi quanto belle sembreranno le vostre pagine sugli schermi di Netscape o, peggio, di Explorer.

Intendiamoci: se siete tra quelli che ritengono che l'HTML serva solo per creare pagine fugaci da far apparire sul Web come comete, allora potete tranquillamente smettere di leggere e andare a pascolare nel cortile del Netscape Gold e degli altri editor Wysiwyg per HTML! Qui non troverete nulla per voi, e vi annoierete a morte.

Scopo di questo articolo è di liberarvi da questo ciarpame e portarvi ad abbeverarvi direttamente alla fonte, cioè a scrivere HTML consultandone il DTD.

Suona terribilmente difficile, vero?
Beh, non lo è.
Anche il compilare il kernel di Linux suona come un'operazione terribilmente difficile, molto più che installare il DOS. Eppure io e voi sappiamo benissimo che è, in realtà, assai più facile.
Così è anche per il DTD dell'HTML.

Seguitemi, vi porterò per mano a scoprirne i temibili segreti!

Dentro i segreti dell'SGML

Della sua sintassi, per il momento, ci occuperemo solo di Entità, Elementi ed Attributi.

Le ENTITÀ

Per gli scopi di questo articolo, ci basti dire che una Entità SGML è simile ad una macro che verrà espansa nel DTD o nel documento stesso.
Troviamo perciò definiti come entità dei nomi riferiti a liste di elementi sintattici o terminali, o a singoli caratteri o addirittura ad interi documenti pubblici, cioè implicitamente noti, o reperibili in ben determinati cataloghi. Il termine #PCDATA indica del testo che non deve essere considerato ai fini del riconoscimento degli elementi propri dell'SGML, come ad esempio un testo da considerare letteralmente.

La sintassi di una entità è la seguente:

Dichiarazione di entità.
<!ENTITY
Il nome dell'entità.
Speciali entità, dette entità parametro, vengono marcate precedendole dal carattere % e potranno essere usate solo all'interno delle dichiarazioni degli elementi SGML.
Nel DTD HTML sono utilizzate solo queste ultime.
Il testo letterale da sostituire ad ogni occorrenza del nome dell'entità,
ovvero
la parola SYSTEM seguita da un identificatore di un oggetto del sistema operativo (tipicamente un file) il cui contenuto verrà usato in sostituzione del nome dell'entità.

Un tipico utilizzo di entità è dato dalla definizione dell'intero set di caratteri, o per dare un nome ad una lista di elementi.

Gli ELEMENTI

Gli elementi sono le componenti strutturali principali dell'SGML, e sono utilizzati per marcare, all'interno del documento, le sue componenti logiche.
I tag, insomma.
Gli elementi sono nomi normali e quindi virtualmente indistinguibili dal testo che li circonda. Perciò vanno racchiusi tra entità speciali, chiamati STAGO (start of tag open = "<"), ETAGO (end of tag open = "</") e TAGC (tag close = ">").
Queste entità sono riservate ed il loro uso all'interno dei documenti è inibito. Speciali entità sono definite per consentirne la rappresentazione all'interno di un documento.

La sintassi di un elemento è la seguente:

Dichiarazione di elemento.
<!ELEMENT
Il nome dell'elemento (o un gruppo di nomi).
Due caratteri specificanti le regole di minimizzazione.
Queste regole indicano l'obbligo ( - ) ovvero l'opzionalità ( o ) rispettivamente dell'Apertura di Tag e della Chiusura di Tag
Il modello del contenuto.
I contenuti possono essere specificati sia in termini di altri elementi che di entità, o gruppi di esse.
Un tag vuoto, privo di contenuto, indicherà qui la parola chiave EMPTY .
Gli elementi sintattici che descrivono il modello del contenuto di un elemento sono:
Raggruppamenti.

()
le parentesi, liberamente annidate, raggruppano gli elementi contenuti.

Indicatori di ripetizione.
Seguono sempre, senza spazi interposti, gli elementi o il raggruppamento cui si applicano.

*
l'asterisco indica una ripetizione di zero o più volte.
+
il più indica uno o più ripetizioni.
?
il punto di domanda indica zero o esattamente una sola ripetizione.

Connettori di gruppo.
Si interpongono tra due o più elementi o raggruppamenti.

,
la virgola indica una sequenza ordinata in cui gli elementi separati da virgole devono comparire tutti e nell'ordine indicato.
&
l'ampersand indica una sequenza non-ordinata in cui gli elementi separati da ampersand devono comparire tutti, ma senza vincolo di ordine.
|
la barra o pipe indica una alternativa in cui deve comparire uno ed uno solo degli elementi elencati.

Inclusori ed Esclusori.
Precedono sempre, senza spazi interposti, gli elementi o il raggruppamento cui si applicano.

+
include gli elementi nella entità dichiarata, senza limiti.
-
esclude gli elementi nella entità dichiarata, senza eccezioni.

Gli ATTRIBUTI

Gli attributi descrivono caratteristiche di un elemento che non fanno parte del suo contenuto.

La sintassi di un attributo è la seguente:

Dichiarazione di attributo.
<!ATTLIST
nome dell'elemento a cui si riferisce la lista di attributi:
- nome dell'attributo
- una parola chiave ( CDATA , IDREF , NMTOKEN o NUMBER )
  ovvero
  una lista dei possibili valori dell'attributo.
- un valore di default
  ovvero
  una parola chiave ( #REQUIRED , #IMPLIED o #CURRENT ) indicanti nell'ordine, l'obbligatorietà, l'opzionalità o la persistenza del valore dell'attributo).

Diamo un'occhiata al DTD.

Per poter consultare un DTD, la prima cosa da fare, la più ovvia, è procurarsi il documento. Nel nostro caso, quello dell'HTML 3.2, dobbiamo frugare il sito Web di W3.org, dove troviamo il nostro DTD.

Stampiamolo, per prima cosa, perché il contatto fisico stimola la libido.
Lo so, non c'entra niente, ma ... suonava tanto bene!

Proprio all'inizio, come primissima cosa, incontriamo una dichiarazione piuttosto complessa:
```
<!ENTITY % HTML.Version
	"-//W3C//DTD HTML 3.2 Draft//EN"

-- Typical usage:
	<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2 Draft//EN">
	<html>
	...
	</html>
--
>	
```
Questa dichiara una entità parametro di nome % HTML.Version il cui utilizzo tipico è mostrato nel commento inglobato nella dichiarazione (e che io ho evidenziato in rosso, per chi ha un browser a colori).
Per chi non se ne fosse accorto, diremo che, in SGML, è considerato commento tutto quanto racchiuso tra due coppie di -- (doppi trattini)
Questa scelta appare particolarmente infelice, in quanto non distingue l'apertura di un commento dalla sua chiusura: in parole povere l'inserimento accidentale di un doppio trattino ha il perfido effetto di rovesciare il significato di tutti i doppi trattini successivi! Vi consiglio di rinunciare fin d'ora all'idea di usare i trattini per evidenziare parti di testo, soprattutto se racchiusi in un commento.
Orbene, quella strana riga che dovremo mettere in testa ad ogni documento html altro non è che la dichiarazione di quale applicazione SGML (cioè di quale DTD) dovrà essere usata per verificare, consultare, visualizzare o stampare il documento che segue.
Senza quella riga nessun sistema SGML (come un browser sgml o un sistema di stampa o conversione) potrà comprendere i tag inseriti nel nostro testo, nè elaborarli conseguentemente.
Una pagina HTML priva di questa dichiarazione iniziale rimarrà confinata nell'ambito dei soli browser html, con la spada di Damocle della possibilità di future incompatibilità tra diverse versioni dello standard HTML. Finora non è ancora successo, ma certamente prima o poi salterà fuori la necessità di introdurre nello standard una modifica che rende incompatibili i documenti di due diverse versioni. Un browser (o un sistema di stampa) limitato a HTML dovra tentare di indovinare la corretta interpretazione, mentre un sistema SGML se la troverà indicata proprio qui, nella prima riga. Non per nulla l'SGML viene considerato come lo stato dell'arte nella manutenzione della documentazione.
Seguono una serie di dichiarazioni di entità che possiamo tranquillamente saltare, riservandoci di tornarci solo quando avremo bisogno di dereferenziarle; saltiamo quindi le sezioni Imported Names, Character mnemonic entities, special symbols e soffermiamoci invece sulla sezione del
```


<!ENTITY % font "TT | I | B  | U | STRIKE | BIG | SMALL | SUB | SUP">
<!ENTITY % phrase "EM | STRONG | DFN | CODE | SAMP | KBD | VAR | CITE">
<!ENTITY % special "A | IMG | APPLET | FONT | BR | SCRIPT | MAP">
<!ENTITY % form "INPUT | SELECT | TEXTAREA">

<!ENTITY % text "#PCDATA | %font | %phrase | %special | %form">

<!ELEMENT (%font|%phrase) - - (%text)*>

<!ELEMENT FONT - - (%text)*     -- local change to font -->
<!ATTLIST FONT
	size    CDATA   #IMPLIED    -- [+]nn e.g. size="+1", size=4 --
	color   CDATA   #IMPLIED    -- #RRGGBB in hex, e.g.  red: color="#FF0000" --
	>

<!ELEMENT BR    - O EMPTY   -- forced line break -->
<!ATTLIST BR
	clear (left|all|right|none) none -- control of text flow --
	>
	
```
In testa vediamo subito la dichiarazione di quattro entità parametro che fungono da nome per altrettante liste di elementi correlati tra loro. Una quinta entità dichiara una lista delle precedenti quattro più, ovviamente, normale testo, e la pone sotto il significativo nome di %text. Vedremo ora come, grazie ad un sapiente gioco di entità, si ottengano dichiarazioni recursive di elementi che ammettono sè stessi nel loro contenuto. Infatti, la riga
```
<!ELEMENT (%font|%phrase) - - (%text)*>
	
```
dichiara che uno qualunque degli elementi delle due liste %font oppure %phrase può essere composto da zero o più occorrenze dell'entità %text, che contiene recursivamente anche l'elemento in questione, che potrà perciò essere annidato a volontà in sè stesso da solo o intervallato da altri elementi presenti nella lista. Capirete subito come una tale informazione non possa essere elencata in alcuna tavola o manuale di riferimento HTML (pena la noiosità e l'inutilità di tale elenco) mentre sia chiarissima a chi sa leggere queste dichiarazioni.
Esaminiamo ora la lista degli attributi dell'elemento FONT:
```
<!ATTLIST FONT
	size    CDATA   #IMPLIED    -- [+]nn e.g. size="+1", size=4 --
	color   CDATA   #IMPLIED    -- #RRGGBB in hex, e.g.  red: color="#FF0000" --
	>
	
```
Questa dichiarazione ci informa che l'elemento FONT dispone di due attributi, SIZE e/o COLOR, ciascuno dei quali ammette del testo come valore dell'attributo, mentre la costante #IMPLIED indica l'opzionalità di questi attributi, che possono cioe essere entrambi presenti, o uno dei due, o essere totalmente assenti. I commenti ricordano con esempi i valori ammessi per gli attributi. In particolare occorre ricordare che se il testo contiene spazi o caratteri non alfanumerici (come il +/- o il # degli esempi) allora il testo dovrà essere racchiuso tra virgolette. Un altro commento ci dà l'elenco dei nomi dei colori ammessi nel relativo attributo:
```
aqua, black, blue, fuchsia, gray, green, lime, maroon,
navy, olive, purple, red, silver, teal, white, and yellow
	
```
Io, di norma, preferisco usare questi nomi per la chiarezza del testo, benchè si debba notare come i colori effettivamente usati siano dipendenti dall'applicativo.
Un elemento semplice semplice è il noto <BR>:
```
<!ELEMENT BR    - O EMPTY   -- forced line break -->
<!ATTLIST BR
	clear (left|all|right|none) none -- control of text flow --
	>
	
```
Notate l'opzionalità del tag di chiusura (la O) e l'assenza del contenuto del tag (la parola chiave EMPTY); indicano che il tag viene utilizzato da solo, senza contenuto nè chiusura.
Come spesso nel caso di tag vuoti, sono presenti uno o più attributi, di solito (ma non in questo caso) la vera ragione d'essere del tag. L'attributo clear, per chi non lo sapesse, serve per ripristinare l'allineamento del testo ai margini del browser, solitamente in presenza di immagini. Osservate la lista dei valori possibili dell'attributo, e l'indicazione del valore di default.

Passiamo ora ad un esempio un più complicato:

<!--================= Preformatted Text ======================-->

<!-- excludes images and changes in font size -->

<!ENTITY % pre.exclusion "IMG|BIG|SMALL|SUB|SUP|FONT">

<!ELEMENT PRE - - (%text)* -(%pre.exclusion)>
<!ATTLIST PRE
        width NUMBER #implied -- is this widely supported? --
	>

Ripetiamo anche la dichiarazione dell'entità text, che abbiamo visto prima:

<!--============ Text Markup ==============================-->

<!ENTITY % font "TT | I | B  | U | STRIKE | BIG | SMALL | SUB | SUP">
<!ENTITY % phrase "EM | STRONG | DFN | CODE | SAMP | KBD | VAR | CITE">
<!ENTITY % special "A | IMG | APPLET | FONT | BR | SCRIPT | MAP">
<!ENTITY % form "INPUT | SELECT | TEXTAREA">

<!ENTITY % text "#PCDATA | %font | %phrase | %special | %form">

<!ELEMENT (%font|%phrase) - - (%text)*>

Osservate la dichiarazione dell'elemento:

<!ELEMENT PRE - - (%text)* -(%pre.exclusion)>

dove si nota l'obbligatorietà dei tag di apertura e di chiusura, il contenuto del tag (zero o più elementi definiti dall'entità %text) con l'esclusione (il meno immediatamente precedente la parentesi) di qualunque elemento definito dall'entità %pre.exclusion.
Osservate come in sole due righe vengano definiti i tag che potete utilizzare nel contenuto del tag PRE; molti credono che questo tag corrisponda più o meno ad un verbatim e che al suo interno nulla sia ammesso! Invece molti tag sono utilizzabili e bisogna inoltre convertire tutti i caratteri < e & nelle corrispondenti entità < e & .

Il resto ve lo lascio come esercizio: leggetevi il DTD, seguite le varie definizioni incrociate; le liste e le tabelle sembrano incredibilmente intricate, ma, se vi dedicate qualche minuto a seguire la rincorsa di elementi, attributi ed entità, scoprirete che tutto appare semplice e familiare.

Infine ...

A questo punto spreo di avere stimolato sufficientemente la vostra curiosità. Se vi siete domandati come abbia fatto a modificare il colore dei marcatori degli elementi di una lista o a cambiare il colore entro un testo taggato con <pre> senza usare il tag <font> (che Netscape visualizza, ma che è vietato dal DTD), vi consiglio di rileggervi questo articolo usando un ... normale editor (sempre nella speranza che gli impaginatori del PLUTO JOURNAL non l'abbiano stravolto, sigh).
Potrete osservare come, con pochi accorgimenti stilistici, un testo html possa essere reso leggibilissimo fin dal suo sorgente. Se vi venisse il sospetto che tutto quello spazio poteva essere risparmiato per diminuire la lunghezza del file, allora ho una sorpresa per voi: nonostante sul vostro schermo il testo appaia molto spaziato (e di conseguenza leggibile) questo è ottenuto inserendo solo un paio di newline per paragrafo ed un tab per riga. Poche centinaia di byte, ma in compenso ho usato molti meno tag di quanti ne inserisca un editor HTML, ad esempio ho sempre omesso i tag di chiusura che sono indicati come opzionali nel DTD. Solo di </p> e di </li> sono circa 300 byte in meno!

E il compianto? Non so, non saprei in verità dirvi quanto e cosa c'entri il compianto Elvis in tutto questo, eccetto che elvis è il nome di un editor della classe vi che ha una interessante capacità di visualizzare ed editare un testo HTML sia dandogli una leggera formattazione per rendere l'idea di come apparirebbe il vostro testo su un browser, sia di evidenziare con l'uso dei colori, i commenti e gli elementi sintattici dell'HTML, rendendo più piacevole (e facile) il lavoro.

A risentirci!

[iomega ZIP] [About] [Copertina] [Postscript]