Saltar a contenido

UT1. Introducción a los Lenguajes de Marcas

Definición y clasificación de lenguajes de marcas

Los "lenguajes de marcas" (o lenguajes de marcado) sirven para codificar un documento donde, junto con el texto, se incorporan etiquetas, marcas o anotaciones con información adicional relativa a la estructura del texto o su forma de presentarlo. El lenguaje de marcas es el que especifica cuáles serán las etiquetas posibles, donde deben colocarse y el significado que tendrá cada una de ellas. Permiten hacer explícita la estructura de un documento, su contenido semántico o cualquier otra información lingüística o extralingüística que se quiera hacer patente.

A continuación, se muestra un ejemplo en el que mediante una serie de marcas o etiquetas se ha representado una información relativa a una noticia:

<noticia>
  <lugar>Madrid</ lugar>
  <fecha>27/08/2010</ fecha>
  <desc>Se ha inaugurado una estación de tren</desc>
</noticia>

¡Cuidado!

Los lenguajes de marcas han de diferenciarse de los lenguajes de programación. El lenguaje de marcas no tiene funciones aritméticas o variables, como sí poseen los lenguajes de programación.

Tipos de lenguajes de marcas

Aunque en la práctica, en un mismo documento pueden combinarse varios tipos diferentes de lenguajes de marcas, éstos se pueden clasificar en tres grupos:

  • Orientados a presentación: Son los utilizados generalmente por los procesadores de texto y codifican cómo ha de presentarse el documento, es decir, define el formato del texto. Por ejemplo: indicando que una determinada palabra se debe presentar en negrita, o que se debe dejar un espacio entre caracteres determinado. Generalmente, las marcas se ocultan al usuario.

  • De procedimientos: Orientados también a la presentación, pero, en este caso, dentro de un marco procedural que permite definir macros (secuencias de acciones), es decir, el programa que representa el documento debe interpretar el código en el mismo orden en que aparece. Entre los ejemplos más comunes, encontramos TeX, LaTeX y Postcript.

  • Descriptivos o semánticos: Este tipo no define qué se debe hacer con un trozo o sección del documento, sino que, por el contrario, las marcas sirven para indicar qué es esa información, es decir, describen qué es lo que se está representando. Describen las diferentes partes, pero sin especificar cómo deben representarse. La mayoría de los lenguajes de marcas que se usan hoy en día se encuentran dentro de este grupo como, por ejemplo, el SGML y sus derivados (HTML, XML, etc.).

Evolución de los lenguajes de marcas

Los lenguajes de marcas comenzaron a usarse a finales de la década de los 60 para poder introducir anotaciones dentro de documentos electrónicos, de la misma forma que se hacía cuando la documentación estaba en papel. De esta posibilidad de incorporar marcas es de donde reciben su nombre. Es en esas fechas cuando se estandariza el lenguaje SGML (Standard Generalized Markup Language), que es un descendiente directo del lenguaje GML propuesto por IBM. Este lenguaje surgió para permitir compartir información por parte de sistemas informáticos. Este estándar tuvo una gran aceptación, pero no consiguió asentarse del todo debido principalmente a su complejidad lo que provocaba que el software que usará SGML terminaba siendo excesivamente extenso y complejo.

A finales de los 80 se creó un lenguaje de marcado pensado para compartir información usando las redes de computadores y, de forma más general, a través de Internet. Este lenguaje se basaba en algunos principios de SGML y lo denominaron HTML (Hyper-text Markup Language).

La aparición de este lenguaje supuso de alguna manera una revolución en la forma de compartir información, gracias principalmente a la sencillez de sus sintaxis y del software necesario para interpretarlo. En poco tiempo el lenguaje HTML se extendió y empezó a crecer de forma en ocasiones descontrolada y casi siempre influenciado por razones meramente comerciales.

En el 1998, W3C (World Wide Web Consortium) hizo público un nuevo estándar que denominaron XML (eXtended Markup Language), más sencillo que SGML y más potente que HTML.

Resumen

El XML sirve para describir información y HTML sirve para darle formato y presentarla a través de un navegador.

Etiquetas, elementos y atributos

Existen tres términos comúnmente usados para describir las partes de un documento de lenguajes de marcas: etiquetas, elementos y atributos.

  • Una etiqueta (tag) es un texto que va entre el símbolo menor que < y el símbolo mayor que >. Existen etiquetas de inicio como <nombre> y etiquetas de fin como </nombre>.

  • Los elementos constan de la etiqueta de inicio, la etiqueta de fin y de todo aquello que se encuentra entre ambas. Algunos elementos no tienen contenido. Se les denomina elementos vacíos y no deben llevar etiqueta de fin.

  • Un atributo es un par nombre-valor que se encuentra dentro de la etiqueta de inicio de un elemento e indican las propiedades que pueden llevar asociadas los elementos.

Ejemplo

<direccion>
  <nombre>
    <titulo> Mrs. </titulo>
    <nombre> Mary </nombre>
    <apellidos> McGoon </apellidos>
  </nombre>
  <calle> 1401 Main Street </calle>
  <ciudad estado="NC"> Anytown </ciudad>
  <codigo-postal> 34829 </codigo-postal>
</direccion>

En el ejemplo anterior, el elemento <nombre> contiene tres elementos hijos: <titulo>, <nombre> y <apellidos> y estado es un atributo del elemento <ciudad>.

Organizaciones desarrolladoras

Dentro de las organizaciones que se han encargado de desarrollar los lenguajes de marcas se encuentran:

  • Organización Internacional para la Estandarización (ISO, International Organization far Standardization). Su función principal es la de buscar la estandarización de normas de productos y seguridad para las empresas u organizaciones a nivel internacional. Las normas desarrolladas por ISO son voluntarias, ya que es un organismo no gubernamental y no depende de ningún otro organismo internacional, por tanto, no tiene autoridad para imponer sus normas a ningún país. Esta organización después del éxito que tuvo GML y, publicó en 1986 el Standard Generalized Markup Languaje (SGML) con rango de Estándar Internacional con el código ISO 8879.

  • World Wide Web Consortium (W3C). Su función principal es tutelar el crecimiento y organización de la web. Su primer trabajo fue normalizar el lenguaje HTML, el lenguaje de marcas con el que se escriben las páginas web y posteriormente XML.

Utilización de lenguajes de marcas en entornos web

Una página web es un documento electrónico adaptado para la World Wide Web (Internet) que, normalmente, forma parte de un sitio web. Está compuesta, principalmente, por información (solo texto o módulos multimedia) así como por hiperenlaces; además, puede contener o asociar datos de estilo para especificar cómo debe visualizarse, y también aplicaciones embebidas para hacerla interactiva.

Nota

Las páginas web están escritas en un lenguaje de marcas que proporciona la capacidad de manejar e insertar hiperenlaces, generalmente, HTML.

El contenido de la página puede ser predeterminado (página web estática) o generado en el momento de su visualización o al solicitarla a un servidor web (página web dinámica).

La W3C, establece directivas con la intención de normalizar el diseño, para así facilitar y simplificar la visualización e interpretación del contenido.

Gramáticas

Todo documento de un lenguaje de marcas tiene en común una gramática que define el marcado permitido en esa clase, el marcado requerido y cómo debe ser utilizado dicho marcado en la instancia del documento.

Ejemplo

Al igual que un idioma tiene una gramática, un lenguaje de marcas posee la suya.

DTD

La gramática DTD (Definición de Tipo de Documento), establece las reglas de formación del lenguaje formal, es decir, qué combinaciones de símbolos elementales son sintácticamente correctas.

Ejemplo

Para definir un párrafo se emplea los símbolos elementales <, p y > para formar <p> y no otro como por ejemplo >p<.

En la DTD se identifica la estructura del documento, es decir, aquellos elementos que son necesarios en la elaboración de un documento o un grupo de documentos estructurados de manera similar. Contiene las reglas de dichos elementos: el nombre, su significado, dónde pueden ser utilizados y qué pueden contener.

Para profundizar...

Leer: Document Type Definition DTD

Esquema XML

XML Schema es la evolución de la DTD descrita por el W3C, también denominado XSD (XML Schema Definition).

Es un lenguaje de esquema más complejo y más potente, basado en la gramática para proporcionar una potencia expresiva mayor que la DTD. Utiliza sintaxis XML, cosa que le permite especificar de forma más detallada un extenso sistema de tipos de datos. A diferencia de las DTD, soporta la extensión del documento sin problemas.

A la hora de la validación del documento, la utilización de XSD supone un gran consumo en recursos y tiempo debido a su gran especificación y complejidad en la sintaxis (los esquemas son más difíciles de leer y de escribir).

El modelo de datos de XML Schema incluye:

  • El vocabulario (nombres de elemento y atributo).
  • El contenido modelo (relaciones y estructura).
  • Los tipos de datos.

RELAX NG

RELAX NG es un lenguaje de esquema basado en la gramática, muy intuitivo y más fácil de entender que el XML Schema. Tiene un alto poder expresivo, ya que, por ejemplo, permite validar elementos intercalados que pueden aparecer en cualquier orden.

Actividades

A1.1 Biblioteca

A1.2

Realiza el marcado de una serie de libros que se almacenan en una biblioteca. Algunos datos que nos interesaría almacenar podrían ser:

  • Titulo
  • ISBN
  • Autor
  • País.

Indica también el código del país como atributo de la etiqueta que almacena el país.

Guarda al menos la información de 3 libros.

A1.2 Empresa

A1.2

Realiza el marcado de información de empleados de una empresa. Los empleados pertenecen a diferentes departamentos:

  • Calidad
  • RRHH
  • Contabilidad

Además:

  • El nombre de los departamentos se almacena como atributo.
  • Cada departamento tiene mínimo 2 empleados.
  • Cada departamento tiene solo un jefe.
  • De los empleados y jefes, solo se quiere almacenar su nombre y apellidos por separado.

A1.3 Repaso

A1.3

  1. Los lenguajes de marcas se utilizan para:
    1. Dar formato a los documentos de texto.
    2. Definir la estructura de los datos de un documento.
    3. Permitir el intercambio de ficheros entre diferentes aplicaciones y plataformas.
    4. Todas las anteriores.
  2. Abre la página www.google.es en su explorador Google Chrome. Pulse el botón derecho del ratón y marque la opción "Ver código fuente de la página". ¿Qué tipo de lenguaje de marcado se emplea? ¿Qué lenguaje de marcado se emplea?
  3. Busca información sobre el lenguaje de marcas XHTML. ¿Qué diferencias existe entre con HTML?
  4. ¿En qué se diferencia un lenguaje de marcas a un lenguaje de programación?
  5. Indica las etiquetas, los elementos y los atributos que se encuentran en el siguiente texto: 
    <noticia>
    <lugar> Madrid </lugar >
    <fecha> 17/09/2021 </fecha>
    <desc> Se ha inaugurado una estación de tren. </desc>
</noticia>
  6. Busca información en Internet sobre las organizaciones ISO y W3C.
  7. Indicar cuál de las siguientes afirmaciones es cierta:
    1. LaTeX es un lenguaje orientado a presentación.
    2. LaTeX es un lenguaje procedural.
    3. LaTeX es un lenguaje descriptivo.
  8. Indicar cuál de las siguientes afirmaciones es cierta:
    1. El consorcio W3C comenzó una iniciativa para intentar dotar a la web de un lenguaje más potente y que pudiera dar una estructurar semántica a la misma.
    2. ISO comenzó una iniciativa para intentar dotar a la web de un lenguaje más potente y que pudiera dar una estructurar semántica a la misma.
    3. El lenguaje GML fue propuesto por el consorcio W3C.
  9. Indicar cuál de las siguientes afirmaciones es cierta:
    1. Algunos elementos no tienen contenido. Se les denomina elementos vacíos y no deben llevar etiqueta de fin.
    2. Todos los elementos tienen que llevar obligatoriamente etiqueta de inicio y de final.
    3. Un atributo es un nombre que se encuentra dentro de la etiqueta de inicio de un elemento.
  10. Indicar cuál de las siguientes afirmaciones es falsa:
    1. En la DTD se identifica la estructura del documento.
    2. Las DTD pueden ser internas o externas a un documento, o ambas cosas a la vez.
    3. En la DTD no se definen todos los elementos.
  11. Indicar cuál de las siguientes afirmaciones es falsa:
    1. XML Schema es la evolución de la DTD descrita por el W3C.
    2. XML Schema también se le denomina XSD.
    3. XML Schema también se le denomina RELAX NG.
  12. Indicar cuál de las siguientes afirmaciones es falsa:
    1. El modelo de datos de XML Schema incluye el vocabulario.
    2. El modelo de datos de XML Schema no incluye los tipos de datos.
    3. El modelo de datos de XML Schema incluye los elementos.