開放原始碼專案最偉大的一點,在於它本質上的民主性:任何人都能輕易啟動自己的專案,而且這種情況天天都在發生!不幸的是,使用者要找到真正符合需求的軟體,反而可能相當困難。這個需求過去一直靠各式各樣的軟體註冊網站來滿足。其中最出名、歷史也最悠久的,莫過於 Freshmeat,但除此之外還有許多針對更專業化需求的註冊站,例如自由軟體基金會的 FSF/UNESCO Free Software Directory、GNOME Software Map,以及 BioInformatics Software Map(相關連結請參閱「參考資料」)。
註冊網站這麼多,能否及時更新就成了一大痛點。勤奮的軟體維護人員每個發布週期往往得跑遍好幾個站點更新資訊,更別提自己的網站了。但這樣的維護人員少之又少,想在單一註冊站找到最新資訊往往很難。若再考慮到現代軟體專案牽涉的方方面面——郵件列表、IRC 頻道、網站、wiki、CVS 儲存庫等等——會發現資訊過時其實一點也不意外。
本文開始著手開發一套解決方案,以滿足「讓軟體專案資訊保持即時更新」的需求:一種可供 XML 文件在網路上交換專案細節的詞彙表。在第 1 部分中,我將說明專案的範圍、選擇實作技術,並回顧現有的相關工作。
每個專案都需要一個名稱。我從 FOAF(Friend of a Friend,朋友的朋友)得到靈感,決定把這個專案命名為 DOAP,也就是「Description of a Project(專案的描述)」的縮寫。最困難的命名選擇如今已完成九成,剩下的也有頭緒了!
這種專案很容易失控而適得其反。如果你做出來的東西,其實作成本與它欲解決的問題相當、甚至更大,那麼無論你的 XML 詞彙表能帶來多大好處,成功機率都不高。網路上到處都是因為「想做的太多」而失敗的專案。把目標收斂到一組實際而有限的需求上,是值得的。
這個詞彙表第一版迭代的有限需求包括:
第一版明確「不」包含軟體版本的描述,這部分工作留待後續迭代研究。此外,專案內部的規劃資料(如任務分配、里程碑)也不在考量範圍內——畢竟不必把力氣花在重新發明一套 Microsoft Project 上。
專案描述的典型用例包括:
儘管詞彙表開發已有多年歷史,技術選擇至今仍是個開放問題。許多廣泛部署的熱門詞彙表,採用截然不同的方式來規範其術語。研究其中幾個,看能否從中汲取經驗或教訓(這些規範的連結請參閱「參考資料」)。
Dublin Core Metadata Element Set:這個流行的圖書元資料應用,採用技術中立的表達方式,透過隨附的規範說明元素如何在 RDF/XML、HTML 中繼資料標籤與 W3C XML Schema 中表示。Dublin Core 非常成功,但在術語解釋上有些模糊,造成了一些互通性問題。舉例來說,Creator 被定義為「主要負責製作資源內容的實體,例子包括人、組織或服務,通常應以 Creator 的名稱來標識該實體」。從電腦的角度來看,「名稱」一詞的解釋可能極其寬泛,上述定義實際上只對元資料的人類消費者有效。比方說,建立實體的究竟是一個人還是一群人,並不清楚。
RSS(RDF Site Summary/Really Simple Syndication):這個規範的多個版本走了不同路線:0.91 版使用 XML DTD 加上平敘;1.0 版使用平敘加範例,並附描述性的 RDF 模式;2.0 則使用帶範例的平敘。缺乏規範性一直是 RSS 互通性的老問題。
ebXML:這個電子商務專案的詞彙表,通常在正式規範中大量採用平敘,同時也提供範例、DTD 與模式。
HTML:無論用什麼標準衡量都非常成功,它在很大程度上是靠特定範例擴充出來的。如今它有了更正式的規範,但為時已晚,清理工作花了好多年。糟糕的互通性代價極大,時間都浪費在用多種瀏覽器測試網站上——實際上是在遷就瀏覽器本身的歷史包袱。
既然 DOAP 的主要消費者是電腦,詞彙表顯然需要某種機器可讀的模式。但另一方面,由於資料要靠人來建立,提供足夠的人類可讀資訊以避免缺乏規範性所帶來的互通性問題,同樣重要。DOAP 的一個明確目標是交換詞彙表,因此應盡量減少因術語使用不一致造成的資料流失。如果你曾嘗試在裝置之間同步 vCard 資料,就會明白:儘管資料表面上都遵循同一規範,但每種實作都有自己的怪癖需要克服。
Dublin Core(DC)真正吸引人的一點,是它能映射到多種不同表示,包括 RDF、XML 與 HTML。這種通用性足以溫暖任何軟體開發者的心。不過,公平地說,DC 部署在網路上的主流形式仍是 RDF。
ebXML 的範例表明:如果互通性與交換非常重要,那麼定義良好的序列化就是必須的。這就帶來一個痛苦的選擇——選 RDF 還是 XML 表示。對於元資料應用,一般認為 RDF 是首選語言。不幸的是(也不應該如此),RDF 因為對 XML 增加了約束,而背上了「怪獸」的惡名:你不能隨便寫一堆標籤就指望它能運作,而且只有使用 RDF 感知的處理工具,才能充分發揮 RDF 的好處。在 RSS 1.0 的開發過程中,為此引發了許多爭執,結果只能盡可能地把 RDF 特性藏起來。
直接的 XML 序列化也有其困難。你可以選擇一種模式語言來定義文件結構,而每一種在表達能力與工具支援上各異。DTD 雖然被認為應用最廣泛(這點有爭議),卻無法提供強而有力的表達方式,常被視為昨日的技術。W3C XML Schema(WXS)更靈活,但顯得笨重,它在商業軟體世界的接受度最高——當然,並不適合人類閱讀。RELAX NG 則是有潛力的後起之秀,可能比 WXS 更容易理解,而且號稱能輕易轉換成 WXS,還具備人類可讀的緊湊語法,更利於手寫。如果走 XML 路線,RELAX NG 似乎是最好選擇,既能轉換成其他兩種格式,又容易理解。
純 XML 序列化在語意表達上則有困難。儘管 XML 很好地定義了文件語法,卻完全沒有觸及元素的語意。RDF Schema(以及它更強大的兄弟 OWL,即 W3C 的本体語言)允許把一個軟體專案的維護者,宣告為 Dublin Core 術語「creator」的一個子類。任何懂得處理 Dublin Core 的 RDF 應用程式,起碼都能使用基本的 DOAP 資料。相反地,對於直接的 XML 文件,如果應用程式沒有專門的編碼,就無法處理 DOAP 命名空間,即使手上有對應的模式也一樣。
最後,還有一個尚未解決的大問題存在於 XML 中——命名空間混合的問題。給定來自不同命名空間的兩個任意詞彙表,該如何混用兩者來建立複合詞彙表?這問題並沒有通用的解法,也就是說,除非另外有一份結合兩者的模式明確規定了混用方式,否則每個 XML 詞彙表仍然是各自獨立的。相對地,RDF 則有制訂好的解決方案。因此,如果優先考慮 DOAP 與其他命名空間的混合,RDF 可能是首選。
總之,究竟該選直接的 XML 還是 RDF?前者更利於人類理解,後者則擁有靈活性以及隨之而來的約束?
我的專欄讀者可能已經猜到我傾向 RDF。這確實是本專案採用的方式,因為 RDF 非常適合元資料應用。但上述問題也不能忘記,開發過程中我會設法減輕使用 RDF 的複雜性。如果 DOAP 能用一般 XML 工具處理,那無疑將是一大優勢。
基於自動化消費的目的,將使用 RDF Schema 來規範 DOAP 詞彙表,並盡可能補充一些平敘說明。FOAF 規範(請參閱「參考資料」)就採用了這種方法,並取得了一些成功。
技術選擇既已完成,接下來重要的是看看針對這個專案的目標,前人已經做了哪些工作。完成這一步後,我將在本系列下一篇正式開始定義詞彙表。這些工作的連結都能在「參考資料」中找到,建議你閱讀一下。
Freshmeat XML 匯出:Freshmeat.net 為其所有資料提供了一種 XML 匯出格式,每天更新,並附有所用 XML 格式的 DTD。Leigh Dodds 曾做過一些工作,把這種匯出格式轉換成使用 FOAF 術語的資料。
Open Source Metadata Framework(開放原始碼元資料框架):該專案主要關注開放原始碼專案文件的元資料,因此一些重要目標與 DOAP 相通。它作為 ScrollKeeper Open Documentation Cataloging Project 的一部分,已被廣泛採用。
PRJ Project Vocabulary:Danny Ayers 建立這個詞彙表的真正目標,是要成為通用專案管理詞彙表,不限領域。
CPAN2FOAF:Comprehensive Perl Archive Network(CPAN,綜合 Perl 典藏網路)是一個大型 Perl 軟體資源庫。Dan Brickley 曾把作者元資料轉換到 FOAF/RDF。
Description of a Software Project:這是一個剛剛啟動、類似 DOAP 的詞彙表,由 Max Völkel 建立。
RPMFind:這個軟體定位服務採用軟體的 RDF 描述,軟體以 RPM 格式打包,關於每個軟體版本的元資料都相當詳盡。