XMLがもたらすもの

1）情報の粒度(グラニュラリティ)

一例として、各研究機関が出版している研究紀要類について考えてみる。研究紀要類は研究成果の発表の場として、幾つかの論文が記載されている。研究者にとっては、自分が取り組んでいる研究領域についての貴重な情報源となる。従って、研究者は研究領域に関する論文を入手するために「研究紀要」と呼ばれる書籍を入手することに努める。ただし、実際に研究者が欲しているのは「研究紀要」という書籍全体ではなく、そこに記載されている「研究論文」そのものといえる。すなわち「研究紀要」として出版された書籍の、極く一部が必要とされている。別な見方をすれば「研究紀要」を1ページから順番に常に読破していく人はまれであろう。しかし、今日の「情報の流通構造」においては「書籍」と言う単位において流通されている。従って、読者は一編の研究論文を入手するために、対象領域以外の記事が多く載っている書籍全体を入手しなければならない。今日それが当たり前のこととして受け止めている。同様のことは、冊子体として出版される全てのドキュメントに当てはまるし、また音楽CDなどの流通においても同様である。情報が電子化されることにより、情報の流通機構は従来の冊子体を主体とする印刷物としての制約を大きく打破することが可能となるはずである。読者は、本来冊子体の一部として出版される「論文」そのものを、ネットワークを経由して直接入手することが可能な時代を迎えたと言えよう。

2）情報の構造（ストラクチャー）

ドキュメントとして表現される「情報」には「表題」、「著者」、「要約」、「本文」さらに「第一章」、「第一節」といった論理的構造がある。また、これらの順序・階層的構造に加えて、注記や脚注、引用文献といった文章中に適宜現れる情報があり、図や表といったテキストではない情報も出現する。HTMLにおいては、これらの参考・参照情報がハイパーリンクされ、読者側が必要であれば、その箇所をクリックすることにより情報を取り寄せることが可能となる。今日、WEB構造においては、世界中のサイトが相互に参照され、読者（利用者）は必要に応じて、多様な情報を巡り歩くことが可能とされている。従来の印刷物での表現の制約を大きく打破したものと言えよう。
古くはバンネバー・ブッシュ氏が思い描いた「As we may think」、すなわち思い描くままに情報を取り寄せることができる機構がWEBにより実現されつつあると捉えることができる。

3）情報の体裁（スタイル）

印刷物として出版する際には、ページサイズへの割り付けが重要な仕事となる。文章の運びに応じた図や表の配置は、読者の内容理解に大いに貢献するものとなる。脚注は、説明する用語が最初に出現したページの下部に位置づけられるものであるし、また文章中における「××ページ参照」などの記述は、実際にはページ割り付け全体が終了して始めて参照関係が定義されることとなる。すなわち、ドキュメントのコンテンツ（内容）とは別な意味で、情報のスタイルはドキュメントを構成する重要な要素と言える。
これまでの、印刷物を中心とする情報の提供においては、ドキュメントの体裁は、著者もしくは出版者が定める版面の体裁を、いずれの読者も等しく入手するものとされた。
一方、HTMLのもとでのハイパーテキスト構造は、読者の興味に従って入手される情報が選択されることとなる。また、脚注などのページ構成を前提においた説明句は、ページ・レイアウトの概念がないHTMLの場合、必然的に出現場所が特定できないこととなる。
電子媒体上に表現されたドキュメントにおいては、その機構上、紙媒体のそれとは必然的に異なる体裁を必要とすることとなる。逆に見れば、紙媒体では表現しきれなかったドキュメント体裁を実現することも可能となるはずである。ハイパーテキスト構造はその一例であり、このような考え方の延長線上には、情報入手に際して利用者側が自らの意図をもって情報の体裁を加工し得る機構への展開が想定される。単純な例としては、老眼の方がフォントを大きくしたいなどの要求も想定されるし、表形式で表現された統計情報をパイチャートや折れ線グラフなどの形式で見るなどの、情報の見方（ビュー）に対するさまざまな要求への対応も考えられる。
情報が標準化された形式のもとで電子化されて提供されるならば従来の、出版者により固定化された情報表現にとどまらず、利用者側で柔軟に情報の見方を選択できる機構が実現されよう。
ここに挙げたように、ドキュメントの電子化は、従来の紙媒体によるドキュメントの制約を大きくブレークスルーし、より読者に対して理解しやすい表現を可能とすることが期待される。すなわちドキュメントの電子化とは「紙」発明以来、人間が慣れ親しんできたドキュメントの構造を大きく改善する可能性を持つと同時に、ドキュメントの入力・編集、蓄積・検索、流通に至る一連のプロセスと構造に対して、改革を迫るものでもある。

（1）SGML開発のプロセス

ドキュメント構造を標準化し、オープンに交換したり加工するための努力は1960年代に開始された。GCA（Graphic Communications Association）では、異なるタイプセット間でのドキュメント交換を可能とするGenCodeと呼ばれる汎用的なフォーマットコードを開発し、他方、IBMではGML(Generalized Markup Language)のもとに、マニュアルやプレスリリース、契約文書、プロジェクト仕様などの社内文書類の管理に用いていた。GMLにおいて、今日SGML／HTMLに見られる< >、のタグ形式が採用された。
1980年代に至り、GenCodeグループとGMLグループの代表者がAmerican National Standard Institute(ANSI)においてComputer Language for the Processing of Textの検討組織を形成し、ドキュメント中のマークアップを標準化するための作業を始めた。この結果、SGML(Standard Generalized Markup Language：ISO standard 8879)が1986年に規格として整備された。
SGMLは、ドキュメントの正規性を保証するとともに、複雑なドキュメント構造を表現可能とし、また大規模な情報リポジトリのマネジメントをサポートし得る拡張性を持つようにデザインされたものである。その構成は、GMLの発展系としてのシンタクスとGCA GenCodeの敷延としてのセマンティクスの2つの基本要素からなると解釈される。SGMLは、そのドキュメント交換や処理に向けて豊富な機能のもとに、米国国防総省を中核に展開されてきたCALSにおけるドキュメント標準として採用され、一躍脚光を浴びることとなった。
SGMLは、元来無定型なオブジェクトとも言えるドキュメントを、利用者側でのハードウエア・ソフトウエア環境の相違にかかわらず、相互に利用可能とするための標準化された記述方法である。その目的のために、敢えて検索機能や表示機能は設定しておらず、あくまで「文書の構造」を表現することに焦点を当てている。すなわち電子化文書の処理加工技術（アプリケーション）とは無関係に、文書構造そのものを記述する言語標準である。文書構造を表現した記述をDTD(Document Type Definition：文書型定義)と呼ぶ。一般的なデータベースの用語に従えば、DTDはスキーマに相当するものと言える。誤解のないように付け加えれば、SGMLはDTDを記述する際の言語規約を規格化したものであり、対象とする文書構造そのものを規格化する意図を持つものではない。これらの背景を踏まえて構成されたSGMLは、以下の特性を備えることが可能となった。

（2）SGMLが抱えた課題

このように、文書構造を表現したDTDと、そのDTDに沿って記述されるSGML文書とに分けることにより、利用者はDTDを解釈することによって、その文書構造を読み取ったり、SGML文書中から特定部分を抜き出したり、また検索や表示用に作った自分のアプリケーションに直接利用することが可能となった。
ただし、SGMLが制定された1986年は、米国で科学財団が今日のインターネットの母体として知られるNSFnetを設立した年であり、WEBの登場までさらに7年あまりかかっている事実に注目する必要がある。SGML制定当時の情報技術キーワードの一つに、「異機種間結合」があるように、オープン化が進展していない当時においては、各々のハードウエアベンダーのもとでのプロプライエタリなシステム環境が各々の用途に応じて用いられていた。すなわち、異なるシステム環境にあるシステム相互をどのように結び付けるかが重要な課題であった。
SGML発想も全く同様な意図を持つものであり、個別のシステム環境で生成・蓄積されている電子化ドキュメントを相互に利用可能とするための役割を期待するものである。異なる文字コード体系や、異なる文書構造を持つ電子化ドキュメントを個別のシステム環境に持ち込めるバッチ処理型の「情報交換機能」を目的においていたと言える。
オープン化の進展を背景とする今日の広範なネットワークの普及においては、個別のシステム環境での情報を交換可能とするに止まらず、当初から関係者間横断的に受け入れられた標準的記述形式のもとでの、オンライン型の「情報共有機能」に焦点が移って来ている。ここに、HTML（さらにはXML）が案出される背景があった。
また、SGMLの言語規約は、上述の特性を活かしつつ、しかもさまざまな形式を持つドキュメント全般をカバーし得る目標のもとに500ページを超える膨大なものとなっており、個々の利用者が特定されるドキュメント領域を前提として記述する場合にあっても、SGML全般に亘る理解が必要とされる。このため「静かなる革命」と半ば皮肉をもって表現されるように、一般の利用者には甚だ取っ付き難い代物でもあった。

（1）WEBがもたらした地球規模での情報提供

今日、行政を含めて社会経済機構のさまざまに起こっている変革の動きは、インターネットを始めとするネットワークの汎地球的な広がりが大きく関与している。インターネットの歴史をNSFnet以前、ARPAnetの時代から捉えれば既に30年程も経過しているが、現在の爆発的とも言える普及は、World-Wide Webが大きな役割を果たしていると言えよう。
WEBは1989年、欧州の研究機構であるCERN(Centre Europeen pour la Recherche Nucleaire)のTim Berners-Lee氏らによって研究者間の情報共有のためのシステムとして開発された。WEB機構は、HTML(Hyper Text Markup Languguage)、URL(Uniform Resource Locator)とHTTP(Hypertext Transfer Protocol)の3つの主要な機構によって実現されるものであり、1993年のMosaic（イリノイ大学National Center for Supercomputing Applications：NCSA）が実現した優れた操作性により爆発的に普及し、合せてインターネットのそのものの普及を急速に加速する背景となった。
HTMLはフルネームから容易に想像されるように、SGMLを母体として定められたマークアップ言語であり、SGMLのサブセットに位置づけられる。
インターネット上での情報の流通を可能とする目的のもとに、全ての情報提供者はあらかじめ定められた共通タグセットを利用することとし、また多様なドキュメントに対応するために、タグは情報の表示体裁を指定する機能に限定し、文書構造や内容の表現を意図していない。
HTMLは、広範な普及とともに表現機能が逐次追加され、現在の最新版はHTML 4.0となっている。4.0版ではスタイルシートの導入等により大きく表現力を強化している。

（2）HTMLの問題

HTMLは、バンネバー・ブッシュ氏が描いたMEMEX、テッド・ネルソン氏らの描いたハイパー・テキストによる情報提供構造を極めて容易な操作性のもとに実現した意味で、画期的な情報記述言語である。その操作容易性は、SGML開始当初の目的である単に異なる組織間での情報交換標準と言う枠組みを大きく超え、そもそも情報そのものを特定組織内部に閉鎖することなく、広く公開しネットワーク上で共有する構造を目指している。今日HTMLはあまりにも普及しているため、ここでその詳細は省くが、上述した電子化ドキュメントへの期待と比較して検証すると、依然として幾つかの課題が残されている。
まず、HTMLは機能面の豊富さよりも操作容易性を重視していると言う設計上のコンセプトに由来する制約が挙げられる。具体的には、

• 情報表現における体裁（レイアウト）の制御に限定している。
• 文字列の出現場所や意味を持つ機能がない。
  （具体的には、同じ「秋田」と言う文字列であったとしても、それが人の姓を指す意味で使われているのか、県名で使われているのか、判断が付かない。）
• 全ての利用者に共通した一つのタグセットである。
• 各々のタグの機能はあらかじめ固定されている。
• データ構造についてもあらかじめ定められている。
• データのモジュール化が困難である。
• ハイパーリンクが可能とされているが、あくまで情報提供者があらかじめ設定したリンクに固定化されるものである。

という技術的な制約に加えて、今日実質的に、二社の寡占下にあるブラウザのベンダーにおけるポリティカルな問題も指摘される。
このため、次のようなデータを対象とする場合などには適用が困難となる。

• 複雑な構造を持つデータ
• 大容量なデータ集合
• 同じデータセットの、異なる目的への利用
• 長期間に亘る情報のアーカイブ

1）XSL（eXtensible Stylesheet Language）[8]

XSLは、XMLデータの体裁(スタイル)を規定するための言語規約である。DSSSL標準(ISO/IEC 10179）に基づいて検討されたものでありDSSSL―0で規定されているフローオブジェクトにかかわるサブセットを包含している。一方CSS（Cascade Style Sheet）におけるフローオブジェクトも含めることによりHTML／CSSコンパチビリティを保証している。しかし、XSLは機能的にはCSSの機能を大きく超えるものであり、CSSは単純なXML構造化文書に適用され、XSLはその強力なフォーマッティング機能により高度に構造化されたXML文書への対応を予定するものである。具体的にはXMLで記述されたタグ構造とJavaScriptを組合せて幅広い適用性を与えるよう配慮している。
この規格のためのワーキンググループは、1998年1月に組織され7月に最初のドラフトを決定する計画である。

2）XLL（eXtensible Linking Language）

XLLは、Webにより広く利用されているURLによるハイパーリンク構造とのコンパチビリティを損なうことなく、しかも、間接参照、多数参照、相互参照構造を実現しようとするものである。元来、XMLワーキングドラフトの第1部言語編と合せて、第2部Linkingとして、提案されているものである。

その基本構造は、HyTime（Hypermedia/Time-based Structuring Language：ISO/IEC 10744）とTEI(Text Encoding Initiative）プロジェクトでの検討を反映したものとされる。現在、XLink（an eXtended Link）と、XPointer（an eXtended Pointer）の2つの検討に分けて進められつつあり、XLinkがXML文書のリンク関係を表記するのに対し、XPointer は、文書構造に従って文書のサブセット（文書中の特定の章や節など）へのリンク位置の指定を可能とすることを意図している。

（現在、XLLと言う呼称を使うかXLinkと言う呼称で、XMLリンク機構を総称するか議論を呼んでいる模様である。）

3）その他の関連規格

RDF（Resource Description Framework）
ネットワーク上に蓄積されるXML文書情報のメタ情報をあらわすフレームワークである。メタデータとは、図書館における図書カードと同様にネットワーク上に分散蓄積される「情報」の「情報」を意味し、情報（リソース）が誰によって書かれたか、どの分野の情報か、など情報の利用者が目的とする情報を探したり、利用したりする際の便宜をあたえるための情報である。利用者は、この情報を手がかりに、自らの視点に対応してネットワーク上に分散蓄積されている情報群を有機的に組合せて参照が可能となる。

DOM(Document Object Model）
ドキュメント・オブジェクトを組み合わせたり、分解したりする際のインタフェースを規定する規格である。具体的には、XMLエレメントの階層関係や順序関係に沿って、次のエレメントを取り出したり、また元となるエレメントの確認を行ったりすることを可能とする。

4）XMLに基づく、適用領域型タグ言語

XMLの（HTMLのように固定化されたタグセットではなく）自在なタグ設定を可能とする特性は、さまざまな業務領域特有のタグセットの設定を可能とする。既に、以下の領域でのXMLタグセットがデザインされつつある。

• CML(Chemical Markup Langugae）－ 化学領域での文書向けタグセット
  化学領域では、スペクトラムデータ、結晶構造、化学結合式など多様な形式の情報が扱われる。また研究過程において、新しい知見が得られることも予定しておく必要がある。ある正規化(Validate)された文書を基礎におけば、新しい知見が発生した場合DTDを改訂することなくインスタンス上において情報として格納可能とするwell-formedXML文書構造は、SGMLに比べこの種の業務に極めて都合が良い結果をもたらす。Peter Murray-Rustは、CML（XML）とJavaを組合せたJUMBOブラウザと呼ばれる機能を提供している
• MathML(Mathematics Markup Language）－ 数学領域（数式表現）向けタグセット
  米国数学会（American Mathematical Society）、ミネソタ大学を中心に、MathML(Mathematical Markup Language)と称するXMLアプリケーションの規格をワーキングドラフトとしてW3Cに提案している。数学において扱う複雑な表記法は、高度にシンボリックなものであり、その意味するところと表記法とを結び付けることは困難が伴う。また、いわゆる数式をSGMLで表現することの煩雑さは経験した向きも多いと思われる。これらの点でXMLの構造は、上述の化学領域と同様、極めて有効に働くことが期待される。
• PGML(Precision Graphics Markup Language）－ グラフィックデータを構造的に表現するタグセット
• OFX(Open Financial Exchange）－ 財務情報の記述用タグセット

これらの他にも、CDF(Channel Definition Format）、OSD(Open Software Description Format）、SMIL(Synchronized Multimedia Integration Language）など続々と検討されている。

表1.XML制定へのマイルストーン

表2.SGMLとXMLの相違点[4]