Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

--- špatná-praxe:http-content-type [2017/12/01 15:05] – vytvořeno Jakub Klímek
+++ špatná-praxe:http-content-type [2020/06/03 09:37] (aktuální) – upraveno mimo DokuWiki 127.0.0.1
@@ Řádek 1: / Řádek 1: @@
-====== Chyná hlavička HTTP Content-Type ======
+====== Chybná hlavička HTTP Content-Type ======
-I u CSV souboru se správným kódováním ''UTF-8'' vystaveném na webu se může stát, že se diakritika v takovém souboru v prohlížeči nebude zobrazovat správně.
+Otevřená data se vystavují na webu a jsou přístupná typicky přes protokol HTTP(S).
-Pravděpodobně je na vině špatná HTTP hlavička ''Content-Type'' v odpovědi se souborem, která by správně měla být ''Content-Type: text/csv; charset=utf-8''.
+Ten má svá pravidla, která je pro správné fungování webu nutné dodržovat.
-Vyskytují se ale případy, kdy v hodnotě chybí kódování, tj. ''Content-Type: text/csv'', a tedy prohlížeč neví, že má zobrazovat kódování UTF-8, a nebo je dokonce indikován špatný typ, například ''Content-Type: text/plain'' nebo ''Content-Type: application/octet-stream''.
+Jedno z pravidel se týká indikace toho, jaký je formát zdroje (stránky, souboru) je přenášen.
+Webový server tedy v odpovědi na požadavek klienta na stažení souboru posílá nejen obsah samotný, ale i metainformace, tzv. HTTP hlavičky.
+Ty si můžeme zobrazit pomocí standardního nástroje curl: ''curl -I <URL>'', nebo ve vývojářské konzoli běžného webového prohlížeče.
+V jedné z nejdůležitějších hlaviček server klientovi sděluje, v jakém formátu jsou přenášená data.
+Jedná se o HTTP hlavičku ''Content-Type'' a hodnotou v této hlavičce je tzv. Media Type, nebo také [[https://www.iana.org/assignments/media-types/|MIME Type]], který například pro CSV soubory je ''text/csv''.
+Je-li tato hlavička nastavena špatně, může dojít k chybné interpretaci přenášených dat.
+Hodnota v této hlavičce by tedy měla odpovídat jak přenášenému obsahu, tak také hodnotě uvedené v metadatech distribuce datové sady.
+Toto se týká každého zdroje na webu, v kontextu otevřených dat tedy zejména souborů s daty, datových schémat, podmínek užití a dokumentací datových sad.
+Důležitou roli zde hraje taky správně [[špatná-praxe:komprese|implementovaná komprese]].
+===== Seznam nejpoužívanějších datových typů a odpovídajících MIME typů =====
+[[https://www.iana.org/assignments/media-types/|Úplný seznam MIME typů]] spravuje [[https://www.iana.org/|IANA]] - Autorita pro přidělování čísel (identifikátorů) na Internetu.
-===== Řešení =====
+^ Formát dat                                                         ^ MIME-typ                 ^
-Je třeba nakonfigurovat webový server tak, aby soubory CSV poskytoval se správnou hlavičkou ''Content-Type: text/csv; charset=utf-8''.
+| CSV soubor                                                         | ''text/csv''             |
-Například pro webový server ''nginx'' je třeba použít v konfiguraci ''charset utf-8;'' a ujistit se, že v hodnotě ''charset-types'' je uvedeno ''text/csv''.
+| Schéma pro CSV dle [[https://www.w3.org/standards/techs/csv#w3c_all|CSV on the Web]]    | ''application/csvm+json'' |
+| Schéma pro CSV dle [[https://frictionlessdata.io/specs/table-schema/|Table Schema]]     | ''application/json''      |
+| JSON soubor                                                        | ''application/json''     |
+| Schéma pro JSON soubor                                             | ''application/json''     |
+| XML soubor s převážně strukturovaným obsahem                       | ''application/xml''      |
+| XML soubor s převážně textovým obsahem                             | ''text/xml''             |
+| Schéma pro XML dle [[https://www.w3.org/XML/Schema|XML Schema]]    | ''application/xml''      |
+| RDF soubor v serializaci [[https://www.w3.org/TR/turtle/|Turtle]]  | ''text/turtle''          |
+| RDF soubor v serializaci [[https://www.w3.org/TR/trig/|TriG]]      | ''application/trig''     |
+| RDF soubor v serializaci [[https://www.w3.org/TR/n-triples/|N-Triples]]                 | ''application/n-triples''  |
+| RDF soubor v serializaci [[https://www.w3.org/TR/n-quads/|N-Quads]]                     | ''text/turtle''            |
+| RDF soubor v serializaci [[https://www.w3.org/TR/json-ld/|JSON-LD]]                     | ''application/ld+json''    |
+| RDF soubor v serializaci [[https://www.w3.org/TR/rdf-syntax-grammar/|RDF/XML]]          | ''application/rdf+xml''    |
+===== Seznam nejčastějších chybně používaných MIME typů =====
+Zde uvádíme MIME typy, se kterými se nejčastěji setkáváme u chybně poskytovatných otevřených dat.
+^ Formát dat                                  ^ MIME-typ                 ^
+| HTML stránka                                | ''text/html''                |
+| Text                                        | ''text/plain''               |
+| Proud osmic (bajtů)                         | ''application/octet-stream'' |
+===== Konfigurace webového serveru pro správnou indikaci MIME typů =====
+Aby byl MIME typ správně indikován, je obvykle třeba korektně nastavit webový server ([[http://nginx.org/|nginx]], [[https://httpd.apache.org/|Apache]], [[https://www.iis.net/|Microsoft IIS]], ...).
+Pokud jde o staticky poskytované soubory, používá se obvykle tabulka párující přípony souborů a MIME typy.
+Je třeba dát pozor na to, že soubory se stejnou příponou mohou odpovídat různým MIME typům.
+Například obecný JSON soubor má příponu ''.json'' stejně jako schéma pro CSV, MIME typy se ale liší.
+Je pak třeba vhodně strukturovat konfiguraci serveru, případně umístění souborů v souborovém systému serveru.
+Pokud se jedná o dynamicky poskytovaná data, hlavičku Content-Type nastvuje služba, která data generuje.
+===== MIME typy a kódování =====
+Otevřená data se obvykle reprezentují v textových formátech.
+Znaky v těchto souborech pak z pravidla používají kódování ''UTF-8'', ale u starších XML souborů se můžeme v českém prostředí setkat s kódovaními ''ISO-8859-2'' nebo ''Windows-1250''.
+Je proto vhodné HTTP hlavičku Content-Type rozšířit o informaci indikující použité kódování, celá hlavička pak vypadá například takto: ''Content-Type: text/csv; charset=utf-8''.
+Například pro webový server ''nginx'' je třeba [[http://nginx.org/en/docs/http/ngx_http_charset_module.html|použít v konfiguraci]] ''charset utf-8;'' a ujistit se, že v hodnotě ''charset-types'' je uvedeno ''text/csv''.