Dados Semi-Estruturados XML

O que são:

• Dados Estruturados: são os dados contidos nos bancos de dados, com formato definido.
• Dados Semiestruturados: são dados que permitem adicionar atributos mesmo depois de criados.
• A diferença entre os dois então, é a forma de criação do schema.

Linguagens de Marcação

• HTML foi a primeira. Trabalha com marcadores definidos. Cuida da forma como o dado é apresentado. A visualização é sempre fixada (ex. o dado é sempre em itálico).  
• XML nasceu para tratar do do conteúdo dos dados, trouxe flexibilidade, e não existe nenhuma preocupação com a  apresentação dos dados. Possui uma estrutura hierárquica. 

Utilização da XML

• Busca de dados na web
• Troca de dados
• Catálogos
• Automação de grandes redes (bancos, suprimentos, etc.)

Linguagens para manipular XML

• Xpath: trabalha através de grafos, para saber o caminho percorrido
• Xquery: voltada para recuperar o dados
• XSL: definir o estilo que o dados serão exibidos

Conceitos de XML

• Documento bem formado: ordem de abertura e fechamento das tags
• Documento válido: de acordo com o esquema definido

DTD (Document Type Description) 

Contém as regras para elaboração do XML. Define que um XML pode conter, a ordem, obrigatoriedade, cardinalidade (número de vezes que cada valor ocorre) e unicidade (se possui valor único ou não). Pode estar dentro ou fora do arquivo XML.

Declarações contidas em uma DTD

• ELEMENT: especifica um elemento do XML
• ATTLIST: declara uma lista de atributos associados a um elemento e o valores possiveis
• ENTITY: usado para declarar uma espécie de alias dentro do doc.
• NOTATION: usado para passar dados sobre impressora, ou a forma de impressão do doc.

Descrição de cada declaração

Tag ELEMENT

<!ELEMENT S Nome S EspecificacaoConteudo S ?>

• Nome - nome do elemento
• EspecificaçãoConteudo pode ser:
• EMPTY - não possui nenhum dado no elemento
• ANY - pode ser vazio ou não
• mixed - pode ter alguma informação dentro dele ou alguns filhos
• children - subdivide-se em outros elementos
• ? (Cardinalidade) pode ser
• ? -> No máximo uma ocorrência
• * -> Nenhuma ou diversas ocorrências
• + -> No mínimo uma ocorrência

Simbolo "|" -> o elemento pode se dividir em outros elementos e eles são alternativos

Tag ATTLIST

<!ATTLIST S Nome S EspecificacaoAtributo S ?>

• Nome - nome do atributo
• EspecificacaoAtributo é composto por:
• NomeAtributo S TipoAtributo S ValorPadrão S ValorDefault
• Onde:
• NomeAtributo - nome do atributo
• TipoAtributo são os tipos:
• CDATA: dados com formato de caracteres (não pode conter tag)
• ID: identificador do elemento (possui valor único)
• IDREF: é a referencia ao ID de um atributo
• IDREFS: mais de um ID
• NMTOKEN: palavra ou conjunto de palavras sem espaço 
• NMTOKENS: lista separadas por espaço 
• ENUMERADO: lista enumerada
• ValorPadrão - sempre será esse valor, não muda nunca
• ValorDefault - se nao definir um valor pro atributo, ele assume esse valor padrão
• ? Cardinalidade - mesma do elemento