プログラミング基礎 I

第二回 (2011年 4月18日)

XML の部品、日本語など世界の文字の扱い方

http://www.sw.it.aoyama.ac.jp/2011/PB1/lecture2.html

Martin J. Dürst

© 2006-11 Martin J. Dürst 青山学院大学

今日の予定

• 先週からの準備、宿題
• XML の主な部品: 要素、属性、XML 宣言
• XML と文字コード
• 演習

先週からの準備と宿題

• Moodle のアカウント作成と授業登録
• 自分のパソコンへのソフトのインストール
• 演習: XML 文書の作成 (締切延長: 4月18日 (月) 22:00)

先週の XML の例

<?xml version="1.0" ?>
<Letter date="2010-04-12">
    <to>Students</to>
    <from>Martin</from>
    <Title>Reminder</Title>
    <Text>Please don't forget
        your homework.</Text>
</Letter>

XML の主な部品

• 要素 (element)
• 属性 (attribute)
• XML 宣言 (XML declaration)

XML の部品: 要素

(element)

例: <to>Students</to>

• 要素は普通「開始タグ」(start tag, <to>) で始まって、「終了タグ」(end tag, </to>) で終わる
• 開始タグは < で始まって、> で終わる
• 終了タグは </ で始まって、> で終わる
• 要素には要素名 (element name, to) がある
• 要素名は開始タグと終了タグで一致 (<to>Students</from>)
• 開始タグと終了タグの間には要素の内容 (content, Students) がある

要素の例の分解:

要素:

<Title>Reminder</Title>

開始タグ:

<Title>

終了タグ:

</Title>

要素名:

Title

内容:

Reminder

要素の入れ子構造

• 要素の内容は単なるテキストまたは更なる要素
• 要素は他の要素の開始タグ、終了タグだけを囲むことが不可能
  悪い例: <i>abc<b>def</i>ghi</b>
良い例: <p>abc<s>def</s>ghi</p>
• 言い換えれば、最後に開いた要素は最初に閉じなければいけない

XML の部品: 属性

(attribute)

• 要素の開始タグには要素名の後に属性が使える
• 例: <Letter date="2010-04-12">
• 属性はスペース (半角!) で区切る
• 属性名 (attribute name, date) と属性値 (attribute value, 2010-04-12) の間に「=」が入る
• 属性値は両側同一の「"」もしくは「'」で囲む
• 正: date='2010-04-12' 又は date="2010-04-12"
• 誤: date="2010-04-12'、date='2010-04-12"、date=2010-04-12

空の要素の書き方

要素に内容がない場合、
<example></example> は
<example /> に省略可能

属性がある場合:

<example type='simple'></example>
⇒ <example type='simple' />

要素名と属性名

• 大文字と小文字は別物 (例: <to>Students</To>)
• 日本語も世界の他の言語の文字も使用可
• 半角カナ、全角ローマ字、中点 (・) など一部の文字は使用不可
• 最初の文字として数字は使用不可 (漢数字は使用可)
• 名前の中にはスペースは使用不可

少々長くても分かりやすい名前がとても大事

XML 宣言

(XML declaration)

<?xml version="1.0"?>

文字符号化の指定の場合:

<?xml version="1.0" encoding="文字符号化" ?>

encoding で指定したものと実際の符号化が合わないといけない!

(バージョンが 1.0 で、符号化が UTF-8 (又は UTF-16 か別途指定) の場合には XML 宣言が無くてもよい)

(綴りに注意: encording)

文字コード

(Character encoding)

• 文字をコンピュータの中で表す方法が複数存在
• そういう方法は「文字符号化」や「文字コード」という
• 文字符号化には正式なラベルと色々な名前・あだ名がある
• encoding では必ず正式なラベルを使用 (大文字・小文字は問わない)

文字符号化の種類

• US-ASCII: ローマ字と一部の特殊文字だけ。ほぼ世界全体で使用
• Shift_JIS (シフト JIS、SJIS): PC や MacIntosh で伝統的な日本語用の符号化
• EUC-JP (EUC): UNIX/Linux などで伝統的な日本語用の符号化
• iso-2022-jp (JIS): 電子メールなどで伝統的に使われている日本語用の符号化
• UTF-8: ユニコードに基づく世界の文字を (ほぼ) すべて扱える符号化; US-ASCII と互換
• UTF-16: UTF-8 と似ているが、US-ASCII と互換でない

文字を数字で表す

XML では文字符号化と関係なくテキスト (要素の内容と属性値) でユニコードのすべての文字を、数字を使って表せる (要素名などを抜く)

書き方:

• 十六進数 (普通): ꯍ
• 十進数 (例外): 〹
• 十六進数は 0-9 以外にA-F (もしくは a-f) も使う
• &#x の x は小文字でないといけない (正: ꯍ, 誤: ꯍ)
• & そのものは & で表す。他に < (<), > (>), ' ('), " (") がある

文字コードの関係

演習

1. メモ帳で XML 文書に日本語を入れる
2. 特殊文字の追加
3. 文字を数字で表す
4. 要素名、属性名も日本語にする
5. 演習結果の確認と Moodle へのアップロード

ヒント:

• 段階的に進む
• 途中経過 (エラーを含む) を確認

演習 1: XML 文書に日本語を入れる

• 先週作った XML 文書を「メモ帳」
  (notepad2 ではなく!) で開く
• 文書の一部を日本語に変更する
• 上書き保存
• IE で確認 (エラーになるはず)
• 一行目を次に変更:
  <?xml version="1.0" encoding="shift_jis"?>
• IE で確認 (エラーが消えるはず)

演習 2: 特殊文字の追加

• <from> のところを「Martin J. Dürst」に完成する (ヒント: 名前の書き方の「MS IME」参照)
• 「メモ帳」で上書き保存 (警告を無視)
• IE で確認 (ü が u になるはず)
• 「メモ帳」で名前をつけて保存;「文字コード」で「UTF-8」を選択 (「ファイルの種類」を「すべてのファイル」にし、拡張子を .xml に)
• IE で確認 (エラーになるはず)
• 一行目を次に変更:
  

  <?xml version="1.0" encoding="UTF-8" ?>
  

• IE で確認 (エラーが消えるはず)

演習 3: 文字を数字で表す

• 演習 2 のファイルを Notepad2 で開く
• Notepad2 の「ファイル」→「エンコード」→「UTF-8」 (with signature ではない方!) に設定する
• <to> のところの「Students」を自分の名前に変更
• IE で確認
• 自分の名前一字一字を数字 (十六進数) で表す
  (ヒント: IME パッド→文字一覧→Unicode→CJK 統合漢字で探す。マウスで押すとUnicode: 0xABCD みたいな番号が出る。これを ꯍ として XML 文書に入れる)
  
• IE で確認

演習 4: 要素名、属性名も日本語にする

• 文書全体 (<from> の内容以外) を日本語にする
• 要素名も日本語にする
• 属性名も日本語にする
• ヒント: 作業中頻繁に IE で確認

演習問題・宿題のアップロード

締切: 2010 年 4月 22日 (金曜日) 22:00

提出方法: Moodle にアップロード

確認点:

• 要素名、属性名、文章の内容が日本語 (XML 宣言はローマ字のまま)
• <to> に相当する要素の内容が数字で表した自分の名前
• <from> に相当する要素の内容が「Martin J. Dürst」
• IE でエラーなく表示される

次回のための準備

• 自分のパソコンにソフトをインストール
• 今日出来なかった演習を宿題として完成
• 出来た文書を電子的に保存
  (Z:\ ドライブや USB メモリ)