4.3. Componentes de um Documento SGML

4.3.2.1.1. Álgebra do Conteúdo

Nas expressões regulares que podem aparecer a definir o conteúdo dos elementos há dois tipos de operadores: operadores de sequência ou conexão e operadores de ocorrência.

L(#PCDATA) = {v1...vn|v1...vn ∈ &Sgr;, n ≥ 0}
L(a) = {a} para a ∈ V - {#PCDATA}
L(F|G) = L(F) U L(G)
L(F,G) = {vw | v ∈ L(F), w ∈ L(G)}
L(F?) = L(F) U {&egr;}
L(F*) = {v1...vn | v1, ..., vn ∈ L(F), n ≥ 0} 
L(F+) = {v1...vn | v1, ..., vn ∈ L(F), n ≥ 1} 
L(F1&...&Fn) = {v1...vn | vi ∈ L(F&phgr;(i)), i=1, ..., n e
    &phgr; é uma permutação de {1, ..., n}

4.3.2.1.2. Excepções

Como já foi referido, as excepções permitem alterar a expressão de conteúdo de um elemento, forçando a inclusão ou a exclusão de certos elementos. Trata-se de mais uma característica relacionada com as limitações da tecnologia informática da altura (1986): editores de texto simples, ausência de apoio contextual. As excepções surgiram para abreviar a escrita dos DTDs, no entanto, a sua presença num DTD torna o parsing deste muito complicado.

Os dois tipos de excepção demonstram-se nos exemplos seguintes.

O primeiro descreve a inclusão.

<!ELEMENT nome minimização (exp-conteúdo) +(inclusão)>

<!ELEMENT MEMO - - ((PARA & DE),CORPO,FECHO?) +(NOTA-RODAPE)>

O segundo exemplo descreve a exclusão.

<!ELEMENT nome minimização (exp-conteúdo) -(exclusão)>

<!ELEMENT NOTA-RODAPE - - (PARAGRAFO+) -(NOTA-RODAPE)>
<!ELEMENT PARAGRAFO   - - (TEXTO | NOTA-RODAPE)+>
<!ELEMENT TEXTO       - - (#PCDATA)>

4.3.2.3.1. Conceitos

O SGML tem um mecanismo que permite isolar fisicamente e armazenar separadamente qualquer parte de um documento. Por exemplo, cada capítulo de um livro pode ser gravado em ficheiros distintos, ou, as figuras podem estar guardadas separadamente e podem ser inseridas num dado ponto do documento. Cada uma destas unidades de informação é designada por entidade e tem um identificador único associado pelo qual é referenciada. A única excepção é a entidade correspondente ao documento principal que não precisa do identificador pois é normalmente referenciada pelo nome do ficheiro que a contém. Nos casos mais simples, esta será a única entidade relacionada com o documento (o documento SGML está contido num ficheiro - Figura 4-3 a). Noutros casos, o ficheiro principal terá a maior parte do conteúdo do documento, contendo referências a outras entidades que identificam os ficheiros com o conteúdo que preencherá alguns intervalos (Figura 4-3 b). No outro extremo, a entidade/ficheiro principal não é mais do que um esqueleto, usado para posicionar o conteúdo de outras entidades (Figura 4-3 c).

Uma entidade é definida numa declaração própria que normalmente aparece no início do DTD. Nesta declaração é atribuído um nome à entidade e é-lhe associado um conteúdo ou uma referência para um ficheiro externo onde está esse conteúdo.

As entidades são usadas por referência, i. e., o autor coloca uma referência no texto que identifica univocamente uma entidade. Não há limite para o número de referências a uma mesma entidade num documento. Mais tarde, quando o documento for processado as referências são substituídas pelos respectivos conteúdos.

No texto de uma entidade poderá haver referências a outras entidades. No entanto, não são permitidas referências cíclicas.

Deve-se ter algum cuidado na utilização de entidades e ter alguma atenção na limitação da sua utilização. O seu uso abusivo aumenta a complexidade do tratamento do documento. Há, no entanto, várias situações em que a utilização de entidades deve ser considerada:

• quando a mesma informação é utilizada algumas vezes no documento; a duplicação é sempre susceptível de erros e tem custos temporais.

• quando a informação tem representações diferentes em sistemas incompatíveis.

• quando informação diz respeito a um grande documento que deve ser separado em unidades mais pequenas de modo a facilitar a sua manutenção.

• quando a informação é composta por dados num formato diferente do SGML.

Dos princípios acima enunciados infere-se que é necessário mais de um tipo de entidade de modo a poder-se tratar informação SGML e informação que não é SGML, unidades de grandes dimensões e outras de pequenas dimensões:

As referências a entidades gerais devem ser colocadas no texto onde se pretender que aquelas sejam expandidas.

4.3.2.3.2. Entidades Gerais

Tal como os elementos e os atributos as entidades são definidas no DTD numa declaração própria.

<!ENTITY  SGML  "Standard Generalized Markup Language">

Depois, podem ser utilizadas no texto com uma sintaxe específica.

"A migração para uma tecnologia baseada em &SGML; tem custos que ...

Na escrita desta tese foram utilizadas entidades gerais de uma forma peculiar para resolver um problema prático e específico. O DTD usado traz nele incluídas algumas bibliotecas de entidades especiais que mapeiam caracteres matemáticos, gregos, etc. Para a escrita de algumas definições matemáticas estava-se a usar uma biblioteca de letras caligráficas, "ISOmscr.gml". O problema é que nenhum dos "back-ends" utilizados, RTF e HTML, mapeia aqueles caracteres na fonte apropriada e até um dia isso acontecer foi preciso arranjar uma solução de compromisso: mapeou-se cada um dos caracteres num elemento de realce como se pode ver no seguinte exemplo.

          <!ENTITY ascr "<EMPHASIS>a</EMPHASIS>">
          <!ENTITY bscr "<EMPHASIS>b</EMPHASIS>">
          <!ENTITY dscr "<EMPHASIS>d</EMPHASIS>">

4.3.2.3.3. Entidades carácter

O conjunto de caracteres definido no prólogo de um documento SGML pode ser muito mais lato do que os caracteres que o teclado disponibiliza. As entidades carácter vêm possibilitar a referência de qualquer carácter definido no prólogo.

O nome destas entidades é o número decimal correspondente ao carácter que se quer referenciar. Por exemplo, no caso dos caracteres ASCII a entidade de nome 65 corresponde ao carácter A.

  ... a flecha tinha-lhe trespassado o cora„ão.

4.3.2.3.4. Entidades externas

Quando um documento cresce e atinge dimensões consideráveis, a sua edição pode tornar-se penosa e difícil. Numa situação destas, a solução é dividir o documento em unidades mais pequenas, havendo um documento principal a integrar aquelas unidades. Esta tese, por exemplo, encontra-se repartida em vários ficheiros SGML. A política seguida foi a separação por capítulos.

Esta filosofia é implementada em SGML através de entidades externas. Uma entidade externa corresponde a uma das partições do documento original. No documento principal, colocam-se referências às entidades externas no local onde deveriam ser inseridos os respectivos ficheiros SGML.

<!ENTITY capitulo1 SYSTEM "a:\cap1.sgm">
<!ENTITY capitulo2 PUBLIC " -//jcr//Capitulo 2 da tese//PT">
<!ENTITY fig1 PUBLIC " -//jcr//Figura 1//PT" "a:\fig1.gif">

Como foi referido, a utilização de identificadores públicos é um mecanismo indirecto para o endereçamento de ficheiros que relega para um catálogo a missão de emparelhar os identificadores com os ficheiros do sistema. Apresenta-se a seguir um exemplo de um pequeno catálogo que deveria acompanhar o exemplo anterior.

PUBLIC " -//jcr//Capitulo 2 da tese//PT" "a:\cap2.sgm"
PUBLIC " -//jcr//Figura 1//PT" "a:\fig1.gif"
...

As entidades externas são referenciadas como todas as outras que vistas até agora.

A seguir apresenta-se um exemplo que mostra como as entidades externas foram utilizadas para modularizar a escrita desta dissertação seguindo o esquema apresentado na Figura 4-3.

<!DOCTYPE BOOK PUBLIC "-//Davenport//DTD DocBook V3.0//EN"
[
<!ENTITY capítulo1 SYSTEM "chap-doc-est.sgm" --Documentação Estruturada-->
<!ENTITY capítulo2 SYSTEM "chap-int.sgm" --Introdução-->
<!ENTITY capítulo3 SYSTEM "chap-sgml.sgm" --SGML-->
<!ENTITY prefacio SYSTEM "prefacio.sgm" --teste de módulos-->
]>
<BOOK LANG="pt">
  <BOOKINFO>
    <BOOKBIBLIO>
      <TITLE>Anotação Estrutural de Documentos
...
&capítulo1;
&capítulo2;
&capítulo3;
...

As entidades externas podem ainda ser usadas para incluir num documento objectos externos como imagens, audio ou video.

4.3.2.3.5. Entidades paramétricas

Uma entidade paramétrica é normalmente utilizada na construção do DTD para abreviar a escrita de partes constantes. A sua declaração é semelhante às outras apenas leva o sinal de percentagem, %, depois da palavra chave ENTITY.

<!ENTITY % listas "ldescritiva |
                   lenumerada  |
                   lnormal">
...
<!ELEMENT para - - (#PCDATA | %listas; | ...)>
<!ELEMENT ldescritiva - - (...)>
...

Pode ser definida uma entidade geral com o mesmo nome desde que se omita o sinal de percentagem.

<!ENTITY % UmaEntidade "(paragrafo | lista)">
<!ENTITY UmaEntidade "Isto é uma entidade.">

Para que seja possível distinguir as referências a entidades paramétricas das referências a entidades gerais (uma vez que podem ter o mesmo nome), substitui-se o carácter limitador de início, "&", pelo carácter "%".