在本系列第 1 部分中,我提出了建立 DOAP(Description of a Project,專案描述)的計畫——一種描述開放原始碼專案的 RDF/XML 詞彙表。對於那些需要在無數網站上重複註冊軟體的專案維護者,以及任何想交換這類資訊的人而言,DOAP 都能滿足需求。那篇文章回顧了該領域已有的工作,並界定了這個專案的邊界。
這一次,我將從詞彙表中抽取一組術語,並討論規範這類術語所固有的困難,說明「能在全球分享 DOAP 描述」這個美好目標,如何影響詞彙表的設計。
表 1 彙整了對不同軟體目錄網站與開放原始碼元資料框架所用元資料術語的調查。其中一些術語做了近似分類——例如「主要開發者」與「維護者」被視為等價。我也排除了與軟體版本相關的術語,因為這類術語還不在 DOAP 當前開發階段的考量範圍內。作為對現行術語的粗略考察,這張表相當有用。
表 1. 開放原始碼軟體目錄中常用的元資料術語
bug tracker、category、creation date、cvs repository、demo site、description、development stage、download page、freshmeat url、homepage、intended audience、license、mailing list、mirror site、natural language、operating system、programming language、purchase link、relationships、contributor、developer、documenter、helper、lead developer、screenshots、short description、title、version 等術語,在 Freshmeat、OMF、Advogato、GNOME、Sourceforge、KDE-apps.org 等站點各有支援情形。
除了表 1 所列術語外,還有其他幾個在開放原始碼專案中常用(多數帶有更強的社會性)的術語值得考慮:
表 1 調查的多數站點採用一種非常簡單的模型,以「專案」作為基本實體,元資料術語就是該實體的簡單屬性。後面你會看到,有些情況下這些屬性的值本身也可能是複雜的實體——比如其值域(允許的屬性值集合)是「人」。顯然,標識一個人不只需要記錄姓名。不過,詞彙表在「完整性」與「過度複雜」之間取得平衡很重要。
圖 1 呈現了該詞彙表的部分實體關係圖。這類圖在有多個實體互動時特別有用。若不採用實體關係模型,也可以用 UML(統一建模語言)。其他文章已深入分析過 UML 在建構 XML 詞彙表中的應用,包括使用 W3C XML Schema 的詞彙表(請參閱「參考資料」)。
在這個案例中,你只有少量實體卻有許多屬性。即使不畫完整的圖例,大概也能管理得很好。由於任務本身簡單,主要挑戰不在建模,而在於讓 DOAP 易於建立與處理。
圖 1. 新詞彙表的部分實體關係圖

現在已經收集了一些將納入詞彙表的候選術語。究竟選哪些,是設計、反覆試驗與個人偏好的問題。你需要在適當時機構造一些範例應用,藉此感受詞彙表實際運作的情形,並測試你的設計構想。在此之前,必須先考慮資料建模時可能遇到的一些問題。
為了有效處理詞彙表所表示的資料,需要指定至少一個屬性來標識專案。這類似於在資料庫中選取一欄作為主鍵。但與資料庫不同的是,本地的唯一鍵並不足夠——如果要在網路上共享 DOAP 描述,專案鍵必須是全球唯一的。那該如何實現?DOAP 的一個基本原則就是「去中心化」:不需要在特定網站註冊,也能建立和發布描述。
在網路上,全域標識某個物件的常用方法是賦予它一個 URI。既然每個軟體專案在網路上都有一個首頁,指定首頁的 URI 作為專案的標識屬性,似乎合情合理。標識屬性的另一個競爭者是「專案名稱」,但使用名稱的弱點在於:一旦同名,就沒有可以求助的權威。專案選用相同名稱並不罕見,這種情況往往引起紛爭,而衝突未必能有圓滿結果。相較之下,使用首頁 URI(即 URL),DNS 系統的全球權威機構就能保證不會發生名稱衝突。
使用首頁 URL 有一個明顯的不足。理想情況下,好的 URI 永不改變(請參閱「參考資料」);但現實中 URI 卻總在變動。專案維護者可能更換 ISP 或託管機構,專案可能交到擁有全新資源的維護者手中,網站也可能重新組織。顯然,一旦發生這種情況,你並不希望所有 DOAP 描述都失效。
為了解決這個問題,你需要一個「舊首頁(old home page)」屬性。一個專案可以有多個這類屬性,每當站點搬遷時就追加一個。這樣也能把舊首頁視為一種標識屬性,唯一的限制是:其他專案不得使用這個舊首頁位址。
這樣為何可行?假設兩份獨立的 DOAP 文件都描述了同一個專案:
任何處理代理程式都能判定這是同一個專案。
這種方法在 FOAF(Friend-of-a-Friend,朋友的朋友)專案中已證明能很好地表示個人資訊與社交網路。在我寫的文章〈Finding friends with XML and RDF〉的「Merging FOAF descriptions」小節中,可以找到詳細闡述。
除了專案的唯一標識之外,DOAP 的去中心化與全球化目標,在其他方面也帶來了問題。屬性可採用的值域必須以某種方式「可被預測」,才能對全球收集的 DOAP 資訊進行有效處理。為了說明這點,我們來看看「許可證(license)」屬性。
資料設計 101:對人而言,「GPL2」「GNU General Public License, Version 2」甚至「https://www.gnu.org/licenses/gpl.html」指向的含義並無差別,但電腦顯然做不到。解決這類問題最便利的方式——靈感來自資料庫——就是為各種許可證建立一套一致認可的代碼或縮寫。此外,若使用自訂許可證,還需要一種擴充機制。
到目前為止還沒有什麼特別之處。而這正是 RDF/XML 開始發揮威力的有趣環節。在 RDF/XML 中,屬性可以有兩種值:一是「資源」,以 URI 表示;二是「字串文字」。這些文字可以指定型別,因此可以定義一個 W3C XML Schema 列舉來約束允許的值(請參閱「參考資料」)。這樣一來,許可證屬性就可以是 GPL、BSD、apache 等值之一。如果屬性值是「其他」,那麼可以再增加一個文字欄位描述對應的許可證。
這種做法的不足,是給 DOAP 文件的處理者增加了額外負擔:他們現在必須考慮可能出現的額外模式,並引入 W3C XML Schema 驗證所需的複雜系統。即便如此,得到的也只是一個語意含糊的字串,若要提供給人類閱讀,還得補充其他資訊。使用列舉也加重了詞彙表維護者的負擔,因為還要維護並發布另一份詞彙表。
如果改用「資源」而非「文字」,就能獲得額外的靈活性。這樣你就能在自己掌控的空間內,配置代表許可證的 URI。比如,https://example.org/doap/licenses/GPL 可用於表示 GNU General Public License(網域「example.org」在此僅用於說明)。你也可以在這個位置放一個網頁,提供關於 GPL 的更多資訊,包括完整文字。作為一種附加慣例,還可以在 https://example.org/doap/licenses/ 列出所支援許可證的完整清單。這樣做並不會增加 DOAP 處理程式的負擔——抓取 https://example.org/doap/licenses/GPL 和抓取「GPL」字串一樣容易。如果你甚至在 .../doap/licenses/ 這個 URL 上建立一份 RDF 檔(內含可供電腦處理的許可證清單,並為每種許可證加上唾手可得的標籤與描述),還能進一步簡化處理程式的工作。
這種技術也巧妙地解決了擴充性問題。假設你(Acme Corp.)建立了自家的 Acme Open Source License,你要做的就是保證掌控一個類似 https://acme.com/license/AOSL 的 URI,並用它作為 DOAP 描述中許可證屬性的值。如果你是個好公民,還會在那個 URI 上放一個說明性網頁。
以這種方式使用資源 URI 有兩個缺點。首先是簡易性問題:輸入「GPL」顯然比輸入上述完整 URI 輕鬆。這不是大問題,日後可透過提供快捷語法或工具支援來改善——在 RDF 中,標籤可用來為資源 URI 提供人類可讀的說明。相較於完全自由字串或模式驗證所造成的負擔,這點小代價算不上什麼。
第二個也更嚴重的缺陷是「遺留問題」:身為 DOAP 維護者,你可能失去對 URI 空間 https://example.org/doap 的掌控。儘管就眼前而言,這些 URI 仍能持續使用而不致語意模糊,但若該 URI 上的內容被修改或刪除,就會造成大混亂。目前有兩種常用的解決方法:
最後要提醒的是:用「資源」來表示這類常數,未必總是最好的辦法。資源最適用於需要擴充性的場合,值得进一步研究。有時候,相較於使用短字串的便利,你可能並不願採用這種方式。
考察 Creative Commons 專案(參閱「參考資料」)的做法會很有幫助。Creative Commons 能靈活地將許可證套用於電子媒介,以推廣能讓他人在其基礎上 further 開發或共享的創造性作品。他們採用的正是上面建議的「以 URI 表示許可證」的方法。
本文試圖解決一些常見問題,部分靈感來自使用 FOAF 詞彙表的經驗。從整個網路的視角來看,RDF 既有長處也有不足,這種情形通常可描述為「冗長」與「靈活性」之間的權衡。正如任何程式設計師所知,過早優化往往是個錯誤。我將順著網路的發展潮流得出最終結論,並說明能從哪些方向著手,降低新 DOAP 使用者的進入門檻。
本系列下一篇將繼續這個詞彙表的設計,並指出可以從何處開始,用工具與測試資料動手實驗。