Des flux XML pour articuler des traitements éclatés en réseau Serge Heiden ICAR ENS-LSH / CNRS

Articulation proche ou lointaine en local (sur la même machine)  par la mémoire  par les fichiers à distance : en réseau  local (LAN : Local Area Network )  Internet (WAN : Wide Area Network )

Architecture Web 3 tiers Interface utilisateurserveur d’applicationbase de données ODBC XML / HTML XML SOAP (WSDL) XML-RPC Navigateur Statique HTML Dynamique : - Javascript - Applet - ActiveX - XSLT Serveur Web CGI / API - Servlet - ActiveX - PHP/JSP/ASP (templates) - XSLT serveur d’application HTTP/ MIME S ystème de G estion de B ase de D onnées Relationnelles ou XML

Les échanges se font en XML XML = lingua franca pour :  représenter (syntaxe)  modéliser (informations et contrôle)  décrire  échanger

Un exemple d’architecture de serveur d’application : Cocoon Tomcat = serveur de servlets Contrôle de flot d’exécution en flux XML (XSP, XSLT)  générateurs  transformateurs  sérialiseurs Librairies : Lucene, eXist Applications : SDX

Entrepôts de données XML Stocker efficacement des documents XML  Importer, mettre à jour, effacer (WEBDAV, XUpdate)  Organiser en collections  Requêtes efficaces : XQUERY, XPATH  Indexation (optimiser)  Transaction (abandon et retour arrière)

Activités concernées par l’articulation en réseau Codage / annotation / enrichissement Exploitation : extraction, analyse… Développement des outils

Architecture LT XML Gérer efficacement en flux => SGML optimisé = XML Flux valide en permanence (Contrôle) Vue arborescente (avec Requêtes) ou événementielle SAX Applicatifs associés : LT TTT, LT CHUNK, etc. à emboîter en pipeline

plain2xml.perl | fsgmatch -q ".*/TEXT" char/paras.gr | openangle.perl | fsgmatch -q ".*/P|TITLE" char/words.gr | openangle.perl | ltstop -q ".*/P" -mark "W[C='.']" TOK-lttok_res.xml | fsgmatch -q ".*/P|TITLE" numbers.gr | fsgmatch -q ".*/P|TITLE" numex.gr | fsgmatch -q ".*/P|TITLE" timex.gr | sgmltrans -r generaltrans Exemple de Pipeline 1. Texte brut -> XML 2. Para. et titres 3. Mots 4. Phrases 5. Nombres 6. Monnaie 7. Dates 8. HTML

Texte source In July 1995 CEG Corp. posted net of $102 million, or 34 cents a share. Late last night the company announced a growth of 20%.

1. Convertir le texte brut vers XML In July 1995 CEG Corp. posted net of $102 million, or 34 cents a share. Late last night the company announced a growth of 20%.

2. (grammaire portant sur les caractères) char/paras.gr pour marquer paragraphes et titres In July 1995 CEG Corp. posted net of $102 million, or 34 cents a share. Late last night the company announced a growth of 20%.

3. (grammaire portant sur les caractères) char/words.gr pour segmenter paragraphes et titres en mots In July 1995 CEG Corp. posted net of $ 102 million, or 34 cents a share. Late last night the company announced a growth of 20 %.

4. Disambiguisateur de caractères séparateurs de phrase, ltstop In July 1995 CEG Corp. posted net of $ 102 million, or 34 cents a share>. Late last night the company announced a growth of 20 %.

5. (grammaire SGML) numbers.gr pour identifier les nombres multi-mots In July 1995 CEG Corp. posted net of $ 102 million, or 34 cents a share. Late last night the company announced a growth of 20 %.

6. (grammaire SGML) Marquage de la monnaie et pourcentage style MUC-7 In July 1995 CEG Corp. posted net of $ 102 million, or 34 cents a share. Late last night the company announced a growth of 20 %.

7. (grammaire SGML) Marquage des dates style MUC-7 In July 1995 CEG Corp. posted net of $ 102 million, or 34 cents a share. Late last night the company announced a growth of 20 %.

8. Conversion en HTML utilisant des règles spécifiées dans generaltrans TTT Output H2 {color:black} SPAN.PHR-CD {background:CCCCFF} SPAN.WRD-CD {background:CCCCFF} SPAN.PHR-ORD {background:CCCCFF} SPAN.WRD-ORD {background:CCCCFF} SPAN.PHR-FRAC {background:CCCCFF} SPAN.WRD-FRAC {background:CCCCFF} SPAN.PHR-FRACORD {background:CCCCFF} SPAN.WRD-FRACORD {background:CCCCFF} SPAN.PHR-RANGE {background:CCCCFF} SPAN.PHR-QUANT {background:CCCCFF} SPAN.DATE {background:CCFFCC} SPAN.TIME {background:CCFFFF} SPAN.MONEY {background:FFFFCC} SPAN.PERCENT {background:FFCCFF} In July 1995 CEG Corp. posted net of $102 million, or 34 cents a share. Late last night the company announced a growth of 20%.

Résultat final HTML