|
|
Martin Svoboda
Státní technická knihovna,
Praha
Lettersoup neboli písmenková
polévka nás bude obtěžovat asi už napořád. Věci jsou složité a jejich
pojmenování mnohaslovná, a tak se k nám dostávají jen v podobě zkratek,
převážně anglických termínů. A jen zřídkakdy zkratka dává alespoň
tušit, co se za ní skrývá. Před krátkým časem byly tajemné zkratky
ISO 2709, UNIMARC, AACR2, jen si na ně knihovníci zvykli, už jsou tu další,
o nic srozumitelnější. Potřeba otevřít souborný katalog CASLIN také
jako zdroj pro sdílenou katalogizaci vyvolala v nově zřízené konferenci
lib-auto@publib.upol.cz diskusi, v níž zkratky poletovaly sem i tam, až
na výjimky velmi seriózně a odborně, bohužel příliš často pro větší část
knihovnické obce asi dost nesrozumitelně. Diskutovalo se o několika
souvisejících, avšak nesrovnatelných věcech: pokusil jsem se přispět svou
troškou do mlýna se snahou trochu vykolíkovat terén a vyznačit v něm záchytné
body. A nyní jsem byl vyzván, abych napsal úvod k článkům trojice
autorů.
Dnes asi nikdo nepochybuje,
že bez standardizace by fungování naší společnosti dost drhlo. Benediktinské
klášterní knihovny v zamčených skříních, či v lepším případě s knihami
přikovanými k policím, žádnou standardizaci nepotřebovaly. Bez pomoci
knihovníka byl čtenář tak jako tak ztracen - a někdy i s ní, viz Jméno
růže. Jak knihovny rostly a knihovníků tolik nepřibývalo, vznikaly
nástroje umožňující nejprve knihovníkům a posléze i čtenářům samotným najít
předmět svého zájmu. Vznikaly soupisy, rejstříky, věcná pořádání
a začaly se objevovat skříně katalogů s mnoha šuplíky. Dokud byly
katalogy "šity na míru" knihovně a čtenář navštěvoval jen tu svoji, nehrály
rozdíly v místních zvyklostech velkou roli. Vznik souborných katalogů
a snad i ohled na nebohého čtenáře přiměl knihovníky vypracovat obecně
platná pravidla a dodržovat je. Převedení katalogů do elektronické
podoby a dostupnost mnoha různých katalogů v Síti nutnost všeobecně akceptovaných
standardů jen podtrhují.
Předmětem standardizace
v knihovnách jsou dokumenty, k nim příslušná metadata a procedury sloužící
(v konečném cíli) k vyhledání a dopravení dokumentu čtenáři. Nebudeme
se zabývat standardy fyzické reprezentace dokumentů, pouze jejich podoby
elektronické. V každém případě je třeba si uvědomit, že standardizace každého
a tím spíše složitého objektu může mít řadu vrstev, tak jako třeba vojenská
blůza je šitá ze standardní látky, standardními nitěmi, zapíná se na standardní
knoflíky a lze na ni připnout standardní výložky. Funkčnost standardu
vyšší vrstvy může, ale nemusí, být ovlivněna změnou standardu vrstvy nižší:
vyměním-li khaki knoflíky za zlaté stejné velikosti, bundu půjde stále
zapnout, nahradím-li knoflíky sice khaki, ale jiné velikosti, funkčnost
se pokazí. Při úvaze o záměně na jedné úrovni je tedy třeba dobře
zvážit, zda změna neovlivní vrstvy vyšší.
Dokumenty
Dnes je převážná většina
tištěných dokumentů připravována v elektronické podobě. Mezi formáty rozličných
textových editorů vyniká jeden nesmírně mocný standard, či spíše nástroj
pro tvorbu standardů. Tím je SGML (Standard Generalised Mark-up Language
- standardní zobecněný značkovací jazyk) neboli ISO 98840, pocházející
z konce 60. let, původně od firmy IBM a používaný velkými firmami a polygrafickými
společnostmi. Jeho dosud nevyčerpaná síla spočívá v tom, že je naprosto
otevřený, dovoluje vytvářet standardy pro popis dokumentů libovolného druhu
a nejrůznější míry složitosti, jeho značky jsou běžně čitelné při zobrazení
textu v tom nejtriviálnějším editoru, a co je nejdůležitější, jeho součástí
je i jazyk pro popis těchto definic. Popis systému značek se jmenuje
DTD (Document Type Description) a může být "potravou" pro syntaktický analyzátor,
který bez dalšího vstupu je pak schopen zkontrolovat formální správnost
každého objektu vytvořeného podle tohoto DTD. Rozhodnutí použít SGML
jako základ pro značkování elektronických hypertextových dokumentů nepochybně
usnadnilo obrovský rozmach Sítě během několika let.
Při značkování dat (a nemusí
jít jen o jazyky založené na SGML, znalci Knuthova TEXu - užívaného v univerzitním
prostředí pro sazbu zejména matematických, ale i běžných textů [Knuth,
1990] - o tom vědí své) je možno vyjít ze dvou principů: značkovací jazyk
navrhnout jako významový - značky říkají, co to je mezi nimi (např.
<autor1> </autor1>) nebo prezentační - značky říkají, jak se mají data uzavřená mezi nimi zobrazit (např.
<strong> </strong>). HTML je kočkopes, některé značky (tagy) jsou významové
<body>, <h1>, atd., jiné prezentační <background ...>, <font ...>, atd. V
době pouze znakových prohlížečů (kdo si dnes vzpomene na Lynx?) tato koncepční
nekonzistence tolik nevadila, s nástupem prohlížečů grafických vystoupila
jasně. Pokusem o odstranění prezentačních slabin HTML jsou CSS, Cascading
Style Sheets, to však byl jen půlkrok, byť správným směrem. Teprve
CSS přenesené do prostředí XML - tady se jmenují XSL (eXtended Stylesheet
Language) - jsou to pravé: XML se stará o markup významový a nezabývá
se tím, jak se data zobrazí; XSL se stará o to, jak se zobrazí obsah
příslušného XML tagu, aniž dbá o to, co je obsahem. Prohlížeče
schopné korektně zobrazovat XML+XSL se začínají objevovat.
Metadata
Tohle kouzelné slůvko neoznačuje
nic jiného, než to, co knihovníci dávno dobře znají, totiž data o datech,
přeloženo do knihovnického jazyka "záznam dokumentu". Tak jako snem
katalogizátora je, aby každý dokument v sobě obsahoval CIP (Cataloguing
in Publication), možnosti kvalitně indexovat web - a tedy účinnosti Altavisty,
Yahoo!, atd. - by nesmírně pomohla přítomnost kvalitních "katalogizačních
údajů" - tedy metadat - v každém dokumentu na Síti. Nedostatek kvalitních
významových tagů HTML se pokusil odstranit kompromis mezi knihovníky a
internetisty, tj. Dublin Core, dublinské jádro (jeho symbolem je ohryzek
a také tomu odpovídá, bibliografický záznam je ohlodán až na kost pouhých
patnácti údajů). Bohužel podporu rozšířených vyhledávacích strojů
Dublin Core zatím nezískal, uplatňuje se v kooperačních systémech.
Donedávna nejdiskutovanějším
předmětem standardizace v knihovnách jsou bibliografické záznamy.
Těm se nyní věnovat nebudeme, lze jen konstatovat, že SGML může konstruovat
popis záznamu dokumentu stejně dobře jako popis dokumentu samotného.
Z tohoto hlediska poskytuje XML elegantní, soudobou a kvalitnější náhradu
více než 35 let starého konceptu MARC/ISO 27091) - umožňuje obnošenou blůzu
MARCu zapnout zlatými knoflíky. Ale nejen to, stejný princip lze
použít i na jiné "kousky" dat, které je třeba při komunikaci mezi systémy
vyměňovat (jak uvidíme dále). Drobnou nevýhodou je to, že MARC ve
struktuře ISO2709 dovede dnes číst každý slušný knihovnický systém (a také
Z39.50 klient), kdežto klientů schopných číst a prezentovat XML je zatím
málo, ale to čas jistě rychle změní.
Protokoly
Diplomatický protokol kanonizuje
pravidla, podle nichž probíhá komunikace mezi dvěma suverénními partnery
tak, aby každá strana správně rozuměla tomu, co jí druhá strana říká.
Podobně protokoly na Síti jsou pravidla, jak si spolu mohou dvě běžící
aplikace vyměňovat data tak, aby jim obě strany přikládaly pokud možno
naprosto identický význam. Protokoly mohou rozeznávat a pamatovat
si stav, v němž se právě proces komunikace nachází, to znamená, že existuje
jistými příkazy ohraničené období komunikace mezi dvěma aplikacemi, tzv.
session, ve kterém platí parametry stanovené na začátku v jakémsi prologu;
jednodušší protokoly berou každou výměnu jako nezávislou.
Takový je i dnes na Síti
nejběžnější protokol http: vše, co komunikující aplikace potřebují vědět
o tom, v jakém stavu se nacházely v minulém kroku, musí při každé výměně
opakovat (obvykle prostřednictvím URL předávaného mezi klientem a serverem).
Takovým protokolům se říká bezstavové, zde neexistuje žádná něčím
vymezená session. Pravidla omezující chování klienta i serveru jsou
jen velmi volná, a dovolují tak nesmírnou tvárnost. Také pravidla
pro formát vyměňovaných dat jsou jen velmi volná a umožňují tak obrovskou
flexibilitu, ovšem za cenu toho, že dobře rozumí jen ten, komu je odpověď
serveru obvykle určena, tj. člověk (a to ještě ne vždycky).
Naproti tomu existuje řada,
tzv. stavových protokolů (ftp, telnet, Z39.50), které se vyznačují
zahajovacím a zakončovacím dialogem, mezi nimiž probíhají vlastní užitečné
interakce. Protokol Z39.50 slouží vyhledání, získání a v poslední
době opět i zpětnému předání údajů. Dnešní protokol Z39.50 vznikl
ze dvou zdrojů: z ideálního evropského, původně SRU (Search, Retrieve,
Update - tedy najdi, podej, oprav) protokolu ISO 10162/163 navrženého na
základě OSI (Open Systems Interconnection) modelu a z americké pragmatické
původně jednodušší verze Z39.50, omezené pouze na SR (Search, Retrieve).
Protokol Z39.50 definuje řadu služeb (např. Init, Search, Scan,
Sort, Present, podrobněji viz např. [Holm, 1998]), tj. interakcí mezi klientem
a serverem (v Z39.50 nazývanými target a origin), včetně jejich možných
chování, požadavků a odpovědí. S některými službami, které definují,
co
se má dělat (vyhledat záznamy odpovídající dotazu, ukázat rejstřík,
setřídit výsledky, zobrazit je, atd.), jsou spojená data, s nimiž
se to má dělat (dotaz na co, prohlížet rejstřík od, atd.
až po záznamy k zobrazení, downloadu či uploadu). Data mohou být
v podobě záznamu v některé z protokolem uznávaných syntaxí (ISO2709, SUTRS2)
a možná i jiné, brzy zřejmě XML) a v některém uznávaném formátu (UNIMARC,
MARC21 a řada jiných MARCů)3). Podobně dotaz může být formulován
v různých syntaxích (RPN - reverzní polská notace, ISO 8777 - Commands
for Interactive Text Searching, dříve označovaný jako CCL - Common Command
Language a jiné). Tato variabilita je na jedné straně příjemná, na
druhé straně je na překážku snadné domluvě. Proto vznikly specifikace,
vymezující jakých syntaxí a formátů je dovoleno používat; těm se říká profil.
Dnes má Z39.50 za sebou
řadu let vývoje, v jehož průběhu získal značnou sílu a obecnost, tím bohužel
také značnou složitost. Přesto, nebo právě proto, je to dnes stále
se šířící princip budování informačních systémů, zahrnujících knihovnické
zdroje (katalogy, abstraktové/indexové databáze i primární data, ba dokonce
i systémy elektronického dodávání dat) [Lynch, 1999]. Pokud chceme,
aby systémy spolupracovaly v heterogenním prostředí, máme v zásadě dvě
možnosti: buď každý systém "rozumí" všem ostatním, což je nepraktické a
při rostoucím počtu různých systémů nezvládnutelné (byť i toto řešení v
Česku existuje: MVS ing. Písečného), anebo každý systém umí komunikovat
v dohodnutém protokolu a s dohodnutou strukturou dat. Od zcela primitivního
ATS (Author, Title, Subject) profilu se Z39.50 dopracoval k tzv. Bath profile,
který je na nejlepší cestě stát se NISO standardem (http://www.ukoln.ac.uk/interop-focus/bath/).
Z toho, jak různorodé firmy se vývojem aplikací Z39.50 zabývají i na základě
sledování konference vývojářů Z39.50 soudím, že zánik protokolu Z39.50
nehrozí. Říkat, že Z39.50 bude vytlačen XML, je matení různých věci
dohromady. XML možná nahradí ISO2709 pro zápis struktury předávaného
bibliografického záznamu, možná i pro jiná data, možná bude použit i pro
zápis řídicích dat protokolu. To však stále z XML nedělá protokol.
K tomu XML není určen, a tak protokol samotný nahradit nemůže, sám protokolem
není.
Shrnutí
Napsal jsem toho hodně, nevím,
zda to přispěje k lepší orientaci, na závěr zkusím shrnout: věnovat
se rozvoji XML je jistě dobré, myslím, že se lze vcelku spolehnout na to,
že hlavní díl práce na vývoji klientů schopných XML+XSL hezky interpretovat
za nás odvedou vývojáři webovských nástrojů - potřebují je. Naproti
tomu soudím, že máme-li do budoucna zajistit možnosti kvalitního hledání
v databázích jemně strukturovaných dat, nezbývá nám, než se věnovat Z39.50,
tam nelze příliš očekávat podporu ze strany komerčních uživatelů Sítě,
kteří dnes pohánějí její rozvoj. Nepochybně je rozumné vývoj ostře
sledovat a jakmile se objeví standard, který bude mít naději na dlouhodobou
podporu "zábavního průmyslu", vážně se jím zabývat.
Poznámky:
1) Skutečně, formát
ISO 2709 dává jasně najevo, že pochází z prediluviálních dob IBM 1410,
kdy byty ještě neexistovaly a každý řetězec znaků musel být ukončen speciálním
separátorem. Na druhé straně jeho výhradně znaková podoba mu umožnila
přežít tak vážnou konkurenci, jakou byl v roce 1974 formát zavedený ACS
pro službu Chemical Abstracts. ACS tehdy produkovala víc bibliografických
záznamů než všichni ostatní producenti dohromady, její formát měl všechny
číselné informace v binární podobě a byl tak daleko prostorově výhodnější
- tehdy na tom ještě záleželo. Přesto, nezávislost normy ISO 2709
na použitém počítačovém systému jí umožnila přežít dodnes.
2) SUTRS - Simple
Unstructured Text Record Syntax je definována v Z39.50.
3) Zcela pomíjím běžně
zanedbávaný fakt, že ani týž formát nezaručí, že ve stejných "krabičkách"
(označkovaných tagy některého MARCu) nebudou jiná než očekávaná data, to
mohou zaručit jen tatáž a navíc stejně interpretovaná katalogizační pravidla.
Literatura:
HOLM, Liv A. The ONE project. In: HABERMANN, Heinz. ELAG 20th Seminar : Quality of Electronic Services, Staatsbibliothek zu Berlin - Preussischer Kulturbesitz. (DBI) 1998. Dostupný z: < http://www.kbr.be/elag/20seminar/papers/one.htm>
KNUTH, Donald E. The TeX book. Addison-Wesley : Rea-ding, 1990.
LYNCH, Clifford. Souborné katalogy. In: Souborné katalogy: organizace a služby. Praha : Národní knihovna ČR, 1999.
Dostupný z : <http://www.caslin.cz:7777/caslin99/c3.html>
