本文繼續探討語義透明的各種取徑,以及它們對 XML 開發者的實際意義。長途旅行想省力,其中一招是搭便車;在 XML 的世界裡,現成的開放模式計畫多到數不清,成果就是「透過模式標準化,換來自上而下的語義透明」。但這趟便車並不完全免費。Uche Ogbuji 在本篇仔細權衡了重用第三方模式的利弊,也提到了 Semantic Technology Conference 2005,並回應近期關於「姓名建模為何如此困難」的討論。
從上一期〈Thinking XML:XML 建模藝術描述〉開始,我規劃了三篇來談這個題目,剛好湊成專欄的第 30 期。上一篇概述了語義透明的幾種技術與取徑,也談了我對近期進展的看法。本文是第二篇,要檢視「直接採用既有的、語義定義清楚的 XML 格式」這條路的得失。不過先說一件三月剛參加的會議。
2001 年在德州奧斯汀舉辦的 Knowledge Technologies,是我參加過第一個以「與 XML 相關的語義技術」為主軸的會議。那會場上處處是可見的活力與熱情,讓我見識到這類技術的潛力。但當時與會者主要是研究者與少數走在最前線的商業機構,真正的商業代表很少——這在很大程度上反映了技術採用週期的階段。XML 的早期採用者仍得設法向投資方證明語義技術的價值;而在這麼做的過程裡,他們發現自己面對一個有點古怪的局面:語義技術很可能延續 XML 的成功,於是反倒和 Web 服務形成了某種競爭關係。
我在本專欄提過,商業機構近來開始正視語義技術的重要性,而 3 月 7 至 10 日在舊金山舉行的 Semantic Technology Conference 2005 正好反映了這股趨勢。四年前的那批人與那些主題又回來了,但這次與會者大幅增加,其中多了一批商業與投資圈的朋友。從風險投資者(通常這是某個週期階段啟動的訊號)、技術主管到創業者,大家不只談語義技術的潛力,也談商業機會與預期報酬。2001 年那場的活力讓我印象深刻,這一次則是讓我震驚;而且這也是我參加過組織最完善的一場會議。
我在會中有一場演講,題目是〈XML Design for Semantic Transparency〉,內容就是我在本專欄與其他 developerWorks 文章裡談過的主題。我一直刻意不把視線放在語義 Web 的遠景上,而是關注語義技術的現實應用——如何用它把 XML 的價值往上推。聽眾的回應熱烈,令我深感榮幸。我仍然認為業界還遠遠沒有把 XML 與語義技術結合的威力用盡,而這正是您可以切入的地方。建議您留意 Semantic Technology Conference 2006,我也會參加。
XML 問世不久,業界組織就開始雄心勃勃地為各種資訊制定基於 XML 的標準。這種「一次解決語義透明問題」的強攻法,就是我說的自上而下取徑。這些小組試圖定義整份文件的格式,以及所有元素、屬性與內容的語義,做法上通常會依附既有的行業資料字典或其他標準(如果有),有時則以 EDI 標準為起點。
重用這類標準,能省下可觀的開發工時。好處包括:
當然,也得把反面算進來:
折衷的做法是:採用標準化的詞彙表,再依自己的需求擴充或修改。走這條路時,請特別留意當初「完全自建詞彙表」時同樣要做的語義透明功課。參考目標格式的文件或資料字典能省下不少力氣,但一旦您動了手,就更要用心把每一處修改與擴充的語義形式化寫清楚,別讓它損害了與其他採用同標準者之間的互操作性。
面對這種折衷,還有一條比較少人走的路值得考慮:把語義從語法處理裡獨立出來,用單獨的模式系統來管。也許外部的格式已經能滿足您的需求(雖然通常您需要的是特化的語義,而不是特化的語法)。下一篇會談到能實現這個想法的工具,例如 Schematron 抽象模式與 XML 架構表單。
接著談本文的第二個主題。John Cowan 是 XML 圈裡最博學的人物之一,最近參與了 OpenDocument 文件格式(舊稱 OpenOffice XML 格式)的討論論壇——本專欄先前介紹過這個格式。我在 developerWorks 多次提過,替姓名建模是個非常棘手的老問題,而 John 的一番話把「究竟有多棘手」講得淋漓盡致:
就我個人來看(這個問題我研究多年),所有試圖把結構化姓名弄成能跨文化通用的努力,都失敗了。
- 西歐及其文化圈把姓氏放在最後顯示,稱呼時卻要放到前面。
- 匈牙利人一律把姓放前面,至少在匈牙利語裡如此。
- 中國人也把姓放前面,而且用其他語言提及時往往保留這個習慣。
- 冰島人(多數)沒有姓,只有名與父名,顯示與稱呼都用「名+父名」。
- 印度尼西亞人則多半只有一個名。
我認為唯一可行的通用做法是同時表示兩種全名形式:一個用於顯示,一個用於稱呼。可以寫成
<name><part key='2'>John</part> <part key='1'>Cowan</part></name>;但我真的覺得沒必要這麼麻煩,<name sortAs='Cowan, John'>John Cowan</name>雖然內容重複,反而更合適。
從建模角度看,這是個合理的折衷,但確實留下了「同一個人的姓名得輸入兩次,才能確保兩種形式都正確」這種難堪的可能性。事實上,後續的討論裡,Cowan 也談到抄捷徑有多危險:
把姓名縮寫成最終呈現的格式,往往得靠人工微調。例如中間名「O'Flynn」要縮成「O'F.」,或者得知道「Willard van Orman Quine」的完整形式會寫成「Quine, W.V.O.」。就算只是把姓名自動倒置也很難:「William Lyon Mackenzie King」倒過來成了「Mackenzie King, William Lyon」,可是我們平常都叫他「King」。
同一個論壇裡,David Wheeler 的建議把「跨文化姓名建模為何重要」講得很透:
命名標準是有一些,但真正國際化的那些複雜到根本沒人真的在用。
John 另外私下告訴我,他早就撞過這類問題:「在 X.400(國際電子郵件位址與傳輸標準)與 X.500(國際目錄標準)的脈絡下,前者提供了完整的頭銜、名、中間名、姓與『一般稱謂』(也就是 Sr.、Jr.、III 這類後綴),後者出現得晚,只有『常用名』與『姓』。前者很適合顯示,而實際稱呼用的卻是後者。」
替姓名建模是個老問題,而且並沒有隨著技術全球化而變得容易。雖然只有少數人會直接撞上國際化姓名建模的複雜性,但心裡先對這個難度有底,遇到這種最常見又最令人尷尬的建模題目時,才不會手忙腳亂。
我一直建議,至少要认真考慮採用外部開發的 XML 詞彙表。自己設計一種 XML 格式看起來好像很簡單,但實務教過我一件事:「設計一種有用的 XML 格式能有幾多難?」這句話,通常就是日後陷入泥淖的序曲。在追求語義透明的路上,判斷要不要採用行業標準的關鍵一步,是先把候選標準找出來並評估。XML 的流行造成了標準格式開發的泛濫,所以這件事本身也不見得輕鬆。我在最近一篇技巧文章裡介紹了幾個尋找合適 XML 詞彙表的地方,本專欄也陸續介紹過若干行業專用與較通用的標準。歡迎加入 Thinking XML 討論區,分享您使用熱門 XML 格式的經驗。