U22 Databasestruktur. Format for XML o.a.

Referat fra uformelt møte mellom NB (Tjelta) og BIBSYS (Kofoed) 2003-09-17

Revisjonshistorie
Revisjon 1.0	2003-10-20

Innholdsfortegnelse

1. XML-format for MARC-poster

1.1. Ny attributt
1.2. Ulike navnerom

1. XML-format for MARC-poster

Det vil være store fordeler med å komme fram til et felles format for utveksling av MARC-poster i xml. En klar kandidat er å bruke MARCXML fra LC. Det er bare en hake med denne: Pr. definisjon forutsetter den at innholdet er MARC21. Vi har behov for å kunne utveksle både MARC21, NORMARC og BIBSYSMARC. Vi må finne en metode for å kunne angi dette. På møtet diskuterte vi to mulige løsninger:

Innføre en ekstra attributt som angir MARC-type.
Skille mellom MARC-typene ved å bruke ulike navnerom.

1.1. Ny attributt

MARCXML er formelt definert i et xml-skjema (XML Schema) kalt MARC21slim.xsd Skjemaet angir navnerommet (targetNamespace) til http://www.loc.gov/MARC21/slim

Det er mulig med utgansgpunkt i skjemaet MARC21slim.xsd å definere et nytt skjema der eneste endring blir å definere et nytt rotelement (marc) med en ny attributt (type):

<?xml version="1.0" encoding="UTF-8"?>
<xs:schema targetNamespace="http://www.bibsys.no/ns" 
           xmlns:xs="http://www.w3.org/2001/XMLSchema"
           xmlns="http://www.bibsys.no/ns" 
           xmlns:lc="http://www.loc.gov/MARC21/slim" 
           elementFormDefault="qualified" 
           attributeFormDefault="unqualified">
  <xs:import namespace="http://www.loc.gov/MARC21/slim"
             schemaLocation="MARC21slim.xsd"/>
  <xs:element name="marc">
    <xs:annotation>
      <xs:documentation>Tillater andre MARC-format enn MARC21.
      </xs:documentation>
    </xs:annotation>
    <xs:complexType>
      <xs:sequence>
        <xs:element ref="lc:collection"/>
      </xs:sequence>
      <xs:attribute name="type" 
                    use="required">
        <xs:simpleType>
          <xs:restriction base="xs:string">
            <xs:enumeration value="NORMARC"/>
            <xs:enumeration value="BIBSYSMARC"/>
            <xs:enumeration value="MARC21"/>
          </xs:restriction>
        </xs:simpleType>
      </xs:attribute>
    </xs:complexType>
  </xs:element>
</xs:schema>

Forklaring:

Det nye skjemaet opererer i navnerommet http://www.bibsys.no/ns
Det nye rotelementet er marc
Skjema for MARCXML importeres
Som innhold i elementet marc refereres definisjonen for collection fra MARCXML-skjemaet.
Attributten type defineres til å være required og det angis en liste med tillatte verdier.

En instans for en BIBSYSMARC-post kan da se slik ut:

<?xml version="1.0" encoding="UTF-8"?>
<bib:marc xmlns:bib="http://www.bibsys.no/ns" 
          xmlns="http://www.loc.gov/MARC21/slim" 
          xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
          xsi:schemaLocation="http://www.loc.gov/MARC21/slim MARC21slim.xsd 
                              http://www.bibsys.no/ns marc01.xsd" type="BIBSYSMARC">
  <collection>
    <record>
      <leader>01142cam  2200301 a 4500</leader>
      <controlfield tag="001">   92005291 </controlfield>
      <controlfield tag="003">DLC</controlfield>
      <controlfield tag="005">19930521155141.9</controlfield>
      <controlfield tag="008">920219s1993    caua   j      000 0 eng  </controlfield>
      <datafield tag="010" ind1=" " ind2=" ">
        <subfield code="a">   92005291 </subfield>
      </datafield>
      <datafield tag="020" ind1=" " ind2=" ">
        <subfield code="a">0152038655 :</subfield>
        <subfield code="c">$15.95</subfield>
      </datafield>
      <datafield tag="040" ind1=" " ind2=" ">
        <subfield code="a">DLC</subfield>
        <subfield code="c">DLC</subfield>
        <subfield code="d">DLC</subfield>
      </datafield>
      <datafield tag="042" ind1=" " ind2=" ">
        <subfield code="a">lcac</subfield>
      </datafield>
      <datafield tag="050" ind1="0" ind2="0">
        <subfield code="a">PS3537.A618</subfield>
        <subfield code="b">A88 1993</subfield>
      </datafield>
      <datafield tag="082" ind1="0" ind2="0">
        <subfield code="a">811/.52</subfield>
        <subfield code="2">20</subfield>
      </datafield>
      <datafield tag="100" ind1="1" ind2=" ">
        <subfield code="a">Sandburg, Carl,</subfield>
        <subfield code="d">1878-1967.</subfield>
      </datafield>
      <datafield tag="245" ind1="1" ind2="0">
        <subfield code="a">Arithmetic /</subfield>
        <subfield code="c">Carl Sandburg ; 
           illustrated as an anamorphic adventure by Ted Rand.</subfield>
      </datafield>
      <datafield tag="250" ind1=" " ind2=" ">
        <subfield code="a">1st ed.</subfield>
      </datafield>
      <datafield tag="260" ind1=" " ind2=" ">
        <subfield code="a">San Diego :</subfield>
        <subfield code="b">Harcourt Brace Jovanovich,</subfield>
        <subfield code="c">c1993.</subfield>
      </datafield>
      <datafield tag="300" ind1=" " ind2=" ">
        <subfield code="a">1 v. (unpaged) :</subfield>
        <subfield code="b">ill. (some col.) ;</subfield>
        <subfield code="c">26 cm.</subfield>
      </datafield>
      <datafield tag="500" ind1=" " ind2=" ">
        <subfield code="a">One Mylar sheet included in pocket.</subfield>
      </datafield>
      <datafield tag="520" ind1=" " ind2=" ">
        <subfield code="a">A poem about numbers and their characteristics. 
           Features anamorphic, or distorted, drawings which can be 
           restored to normal by viewing from a particular angle or 
           by viewing the image's reflection in the provided Mylar cone.</subfield>
      </datafield>
      <datafield tag="650" ind1=" " ind2="0">
        <subfield code="a">Arithmetic</subfield>
        <subfield code="x">Juvenile poetry.</subfield>
      </datafield>
      <datafield tag="650" ind1=" " ind2="0">
        <subfield code="a">Children's poetry, American.</subfield>
      </datafield>
      <datafield tag="650" ind1=" " ind2="1">
        <subfield code="a">Arithmetic</subfield>
        <subfield code="x">Poetry.</subfield>
      </datafield>
      <datafield tag="650" ind1=" " ind2="1">
        <subfield code="a">American poetry.</subfield>
      </datafield>
      <datafield tag="650" ind1=" " ind2="1">
        <subfield code="a">Visual perception.</subfield>
      </datafield>
      <datafield tag="700" ind1="1" ind2=" ">
        <subfield code="a">Rand, Ted,</subfield>
        <subfield code="e">ill.</subfield>
      </datafield>
    </record>
  </collection>
</bib:marc>

Forklaring:

Xml-instansen refererer til to navnerom. Standard navnerom er http://www.loc.gov/MARC21/slim. I tillegg angis navneromet http://www.bibsys.no/ns som gis prefikset bib. Valg av dette navnerommet og prefikset bib er et tenkt eksempel. Det virkelige navnerommet kan gis et mer generelt navn.
Rotelementet er angitt som bib:marc og blir derved koplet til korrekt navnerom.
Attributten type angir at det her dreier seg om BIBSYSMARC.
Innholdet i bib:marc er elementet collection . Det har ikke noe prefiks og er derved knyttet til standard navnerom (http://www.loc.gov/MARC21/slim).
Innholdet i collection har en oppbygning, syntaks nøyaktig lik med en xml-instans fra MARCXML.

Validering blir her ryddig og enkelt siden MARCXML-skjema brukes uendret i tillegg til et eget skjema som har et rent minimalistisk innhold. Hvis MARCXML-skjemaet endres, trengs ikke det lokale skjemaet å endres med mindre elementnavnet collection i MARCXML blir endret.

Løsningen vil med litt tilpasning tillate bruk av verktøy laget for MARCXML. Man må anta at elementet collection må skilles ut før verktøyene brukes. Å skille ut collection er en triviell oppgave enten man bruker XSL eller andre metoder.

1.2. Ulike navnerom

En annen måte er at man ganske enkelt tar kopier av MARCXML-skjemaet og forandrer innholdet i attributten targetNamespace. F.eks.:

targetNamespace=http://www.loc.gov/MARC21/slim angir at dette er en MARC21-post. Her brukes det originale skjemaet for MARCXML.
targetNamespace=http://ns.nb.no/bibsysmarc angir at dette er en BIBSYSMARC-post. Her må man vedlikeholde en kopi av MARCXML-skjemaet.
targetNamespace=http://ns.nb.no/normarc angir at dette er en NORMARC-post. Også her må nok en kopi av MARCXML-skjemaet ivaretas.

I xml-instansene gjenspeiles dette ved at standard navnerom angis på tilsvarende måte:

xmlns=http://www.loc.gov/MARC21/slim angir at dette er en MARC21-post.
xmlns=http://ns.nb.no/bibsysmarc angir at dette er en BIBSYSMARC-post.
xmlns=http://ns.nb.no/normarc angir at dette er en NORMARC-post.

For disse tilfellene er det nok i det minste høflig å spørre LC om de har noen innvendinger. Løsningen er enkel og grei, men krever at man må vedlikeholde kopier av MARCXML-skjemaet. Siden tilpasningen av skjemaet er såpass liten, vil et slikt vedlikehold ikke by på nevneverdig arbeid.

Validering vil gå greit. Bruk av verktøy som forutsetter MARCXML vil trolig gå greit med mindre det hefter seg opp i innholdet av xmlns. I så fall må man lure verktøyet med å putte inn forventet verdi (http://www.loc.gov/MARC21/slim) i xmlns.