SGML - Міжнародний Стандарт Всесвітньої Організації Стандартів - ISO 8879-1986: Information processing--Text and office systems--Standard Generalized Markup Language (SGML). SGML - міжнародний стандарт для визначення системно-незалежного методу маркапа. Для представлення тексту в електронному виді. Незважаючи на всю складність і глобальність поставленої мети, SGML є вкрай простим по ідеї стандартом. Ця ідея може бути представлена так:
Створити чітку і формальну систему, що визначає єдиний, головний метод для виконання дій; і, у той же час, залишити можливість для будь-яких інших методів.
Перш ніж перейти до формального опису стандарту, буде представлений неформальний опис, що фактично є перекладом стандарту.
SGML - стандарт, у формальному змісті цього слова, - створений і погоджений міжнародним науковим співтовариством під егідою Міжнародної Організації Стандартизації (ISO). Його формальна, повна назва - ISO 8879 Information processing - Text and office systems - Standard Generalized Markup Language (SGML), перше видання було опубліковано 15.10.1986р., перше виправлення було опубліковано 01.07.1988р. Він доступний у найближчому відділенні організації стандартизації (яке зажадає за нього тонни грошей).
Визначити неформально, чим насправді є SGML, досить важко. Це мова, що може бути використана, щоб побудувати інфраструктуру для обміну і довгострокового збереження інформації. Використовуючи аналогію, її можна визначити як "SGML і мистецтво збереження й обробки інформації - Розуміння значення Інформації". Таким чином, це спосіб життя після того, як ми зрозуміли, що інформацію, що ми створюємо, живе своїм власним життям і може вмерти, якщо ми не доглядаємо за нею і не годуємо її правильним образом. У древні часи для знищення інформації необхідно було спалити одну з деяких значних бібліотек. Мало того, тебе б ще і внесли в історію за це. Сьогодні досить усього лише установити нову версію якого-небудь програмного продукту, перемінити принтер, скористатися патентованим методом для компресії даних, і т.п., щоб знищити в багато разів більше інформації. А підручники по історії навіть не намагаються відбивати той факт, що попереднє покоління технічних засобів було останніми, хто бачив ці дані.
SGML дотепер розглядається як формат для представлення інформації для публікації тексту друкованих документів, або як засіб представлення тих же документів на CD-ROM і т.д. Публікація – була початкова ціль стандарту, однак незабаром стало ясним, що він має набагато великий потенціал (у зв'язку з чим навіть народилася нова розшифровка акронима SGML - Sounds Great, Maybe Later (Звучить чудово, може бути, пізніше)).
За межами публікаційної індустрія SGML розглядається як можливість врятувати інформацію, що генерує людство і записує в тлінних, закритих, не документованих форматах. Наприклад, за час, що потрібно для створення словника якої-небудь мови, комп'ютерна індустрія переживе принаймні дві значні революції. Індустрія, де "три секунди - великий проміжок часу", допомагає будувати й обслуговувати об'єкти, час життя яких - кілька мільярдів секунд (3 мільярди секунд - ледве більше 95 років). Сюди входять підвищення цін на енергоносії, міста, закони, "культурна спадщина", стандарти.
Однак останні кілька сотень мільйонів секунд має значення тільки конкретний продукт, "сумісність", і використання комп'ютерів для імітування друкованого й іншого видів інформації. Цей етап пройде, і люди, нічого не здатні поробити зі своєю старою інформацією, зрозуміють, що ті божевільні провісники 80-х і 90-х були праві.
Багато людей цілком щасливі виконувати ту саму роботу знову і знову - роботу, що інші робили раніш, а ще інші будуть робити після них - навіть тоді, коли немає ніякої зовнішньої необхідності в цьому. Величезні зграї менеджерів щасливі втрачати стільки ж доларів, скільки губиться секунд при такій схемі. Цілі нації побудовані на працевлаштуванні людей, що тасують папери туди сюди. Безумовно, один стандарт не може зупинити подібну розтрату. Але він може зробити життя легшим тим, хто відмовляється брати участь у цьому величезному псуванні ресурсів.
SGML - це ідея, філософія, мова для вираження глобальних ідей для сьогодення і майбутнього. А якщо він має ці якості, він обов'язково буде використовуватися і тими, хто має набагато більш обмежене бачення. І тут функцію коміксів, мультиків і MTV виконує HTML. Як і багато читачів коміксів, більшість фанів HTML не мають уяви, відкіля він узявся. Однак деякі бачать зв'язок і задумуються над більш глобальними схемами.
На жаль, у даний момент немає яких-небудь дійсно гарних "підручників" по SGML. Ніде прочитати про головні принципи, способи реалізації їх і принципам побудови закінченої системи і способам забезпечення довговічного використання інформації. Однак багато приватних питань освітлені в численних "вступних" і "практичних" описах.
Якщо ви шукаєте підручник, придатний до використання в умовах чи інституту, чи університету, буде виданий подібний наприкінці цього чи початку наступного року. Я упевнений, що SGML буде залишатися не при справах, поки його основні ідеї не будуть зрозумілі всіма програмістами і дослідниками в області інформатики. Однак відсутність інформації, книг і програмних засобів в академічних установах - саме там, де зародилися багато сучасні реально використовуваних засобів, такі, як C, Unix, Internet, WWW, і т.д. - є однією з основних причин гальмування SGML.
Дозволимо собі ще раз повторити, що SGML є міжнародним стандартом для представлення розміченого електронного тексту. Більш точно, SGML є метамовою. Це значить, що він призначений для опису мови, у даному випадку, мови маркапа тексту. Перш ніж йти далі, дамо більш розширені і формальні описи основних понять.
Історично, слово маркап (розмітка) використовувалося для опису спеціальних позначок, що призначалися для чи машиніста складача і що описують, як повинний бути видрукуваний чи набраний конкретний фрагмент тексту. Приклади включають хвилясте підкреслення для жирного шрифту, спеціальні знаки на початку абзацу, що повинний бути видрукуваний конкретним шрифтом і т.д. У міру того, як форматування і печатка тексту стала автоматизованої, значення терміна маркап було розширено для позначення всіх типів спеціальних маркап-кодів, що вставляються в електронний текст для керування процесом чи форматування печатки, чи іншої обробки.
Узагальнюючи цей зміст, ми визначаємо маркап, чи розмітку, як будь-який спосіб вказівки явного способу інтерпретації тексту. На тривіальному рівні, весь друкований текст розмічений у цьому змісті: пунктуація, використання заголовних букв, розташування літер на сторінці, навіть пробіли між словами можуть вважатися як деякий вид маркапа, призначення якого полягає в тому, щоб допомогти людині визначити де закінчується одне слово і починається інше, чи як інтерпретувати більш глобальні структури - такі, як заголовки, підлеглий пропозиції в головній пропозиції, уся головна пропозиція, абзаци і т.д. Маркап тексту в принципі, також як і стенографія, - процес вказівки явно того, яким чином повинно інтерпретуватися зміст тексту.
Під мовою маркапа розуміється сукупність угод про маркап, використовуваних для розмітки тексту. Мова маркапа повинна визначати:
SGML дозволяє визначити три перші, синтаксичні обмеження на маркап. Для визначення семантики використовується додатковий стандарт, наприклад HTML, TEI, CES чи іншої.
Схема маркапа, що вводиться SGML (далі просто SGML) має три основних відмінності від "класичних" схем:
Ці три особливості описуються більш докладно далі
SGML по визначенню припускає використання дескриптивної схеми маркапа. Дані, необхідні для якої-небудь конкретної обробки документа (наприклад форматування), чітко відокремлюються від дескриптивного маркапа, що міститься в документі. Звичайно вони зібрані за межами документа у виді відповідних алгоритмів і програм. Існують стандарти, що визначають їхній (DSSSL, HyTime).
При використанні дескриптивного маркапа один і той же документ, як вже відзначалося, може оброблятися різними способами за допомогою різних програм, кожна з який приділяє увагу тим частинам документа, що є важливими для даного методу обробки. SGML, як стандарт, підтримує і робить реально реалізованим такий принцип роботи. Наприклад, програма аналізу змісту тексту (приміром, система автоматичного анотування) може цілком ігнорувати виноски і примітки, що зустрічаються в тексті, у той час як форматуюча програма може витягати їх з тексту і збирати всі разом, щоб потім вивести наприкінці розділу. Різні методи обробки можуть застосовуватися для тих самих частин документа. Одна програма може робити вибірку з документа всіх особистих імен і назв місць і створювати по них базу даних, у той час як інша, для тих же елементів документа, виконує їхнє форматування таким чином, щоб вони виділялися з навколишнього тексту.
SGML вводить поняття класу, чи типу, документа і спосіб його завдання й опису - Document Type Definition (DTD). Документи вважаються визначеного типу, точно також, як і будь-які інші об'єкти, оброблювані комп'ютером. Тип документа формально визначається його складовими частинами і їхньою структурою. Звіт, наприклад, визначається як назва і, можливо, автор, за яких випливає реферат і послідовність з одного чи більш абзаців. Текст, що не має назви, відповідно до цього формального визначення, формально не є звітом, також як і послідовність абзаців, з яких випливає реферат, незважаючи на подібність на звіт з погляду читача-людини.