Obsah
XML je standard (přesněji doporučení konsorcia W3C) jak vytvářet značkovací jazyky.
Jedná se tedy o metajazyk.
Ideově vychází ze zhruba o deset let mladšího standardu SGML (Structure Generalized Markup Language).
Se základním standardem úzce souvisí několik dalších, např. XML Namespaces, XInclude, XML Base.
Tyto spolu s dalšími standardy (XSLT, XSL-FO, XHTML, CSS...) tvoří "rodinu" standardů XML.
SGML jako standard ISO 8879: http://www.iso.ch/cate/d16387.html
Stručný "laický" úvod do SGML: http://www.sil.org/computing/noc/156ac.htm
Další stručný, věcný ale přesný úvod do SGML: http://www.oasis-open.org/cover/naggumWhat.html
Další Úvod do SGML: http://www.personal.u-net.com/~sgml/sgml.htm
Srovnání SGML-XML a další zdroje: http://www.oasis-open.org/cover/sgml-xml.html
World Wide Web Consortium (W3C): http://www.w3.org/
Přehled XML aktivit W3C: http://www.w3.org/XML/Activity - specifikace standardů, konference, odkazy na SW, referenční nástroje, odkazy (obnovováno podle potřeby)
XML Startkabel (EN/NL): http://xml.startkabel.nl - aktuality, odkazy (obnovováno cca 1x týdně)
Zvon: http://zvon.org - asi nejlepší soubor tutoriálů, on-line referencí v mnoha jazycích, místo je hostované v ČR.
What is XML? na XML.COM: http://www.xml.com/pub/a/98/10/guide0.html - jeden z úvodních článků ke XML
The Extensible Markup Language (XML) USENET newsgroup: news:comp.text.xml - nejznámější USENET news skupina ke XML
XML-DEV: mailto:xml-dev@xml.org - nejznámější maillist ke xml standardům
Archív xml-dev: http://lists.xml.org/archives/xml-dev/ - archív předchozího maillistu
XML: XML Quick Syntax Reference Card - výborná stručná referenční karta
IBM DeveloperWorks, sekce XML: http://ibm.com/developer/xml - články, tutoriály, software atd. na vysoké technické úrovni
IBM AlphaWorks: http://www.alphaworks.ibm.com - alpha-software fy IBM k volnému vyzkoušení
O'Reilly XML.COM: http://xml.com - články, tutoriály atd. na vysoké technické úrovni
Free XML Software (L. M. Garshol): http://www.garshol.priv.no/download/xmltools/ - asi nejlepší kolekce odkazů na nekomerční XML software
XMLSoftware: http://xmlsoftware.com - asi nejlepší kolekce odkazů na obecný XML software (i komerční)
XML Cover Pages na www.oasis-open.org: xml.coverpages.org - denně aktualizovaný soubor odkazů na články, publikace standardů, software, atd. v oblasti XML. Nejlepší zdroj v této kategorii.
XML není jeden konkrétní značkovací jazyk; je to specifikace určující, jak mají vypadat značkovací jazyky
jedná se tedy o "metajazyk"
konceptuálně jde o zjednodušení SGML standardu, aby se usnadnila práce tvůrcům parserů (analyzátorů) a aplikací
- například v tom, že každý element musí být uzavřen; pak na přečtení struktury dokumentu nemusíme mít DTD
XML navazuje na úspěšnou implementaci SGML - jazyk HTML; má podobné charakteristiky z hlediska zaměření na internet
Momentálně je aktuální specifikací Extensible Markup Language (XML) 1.0 (Third Edition) W3C Recommendation 4th February 2004, François Yergeau, Tim Bray, Jean Paoli, C. M. Sperberg-McQueen, Eve Maler
Připravuje se XML 1.1, nyní jako Candidate Recommendation.
Vážné diskuse se vedou okolo binárního XML, což by měla být rovnocenná reprezentace stejného modelu, jako má "textové" XML.
Momentálně je aktuální specifikací Extensible Markup Language (XML) 1.0 (Third Edition) W3C Recommendation 4th February 2004, autorů François Yergeau, Tim Bray, Jean Paoli, C. M. Sperberg-McQueen, Eve Maler
Současně s tím je zveřejněna XML 1.1, W3C Recommendation, 4th February 2004, François Yergeau, John Cowan, Tim Bray, Jean Paoli, C. M. Sperberg-McQueen, Eve Maler.
Vážné diskuse se vedou okolo binárního XML, což by měla být rovnocenná reprezentace stejného modelu, jako má "textové" XML.
vyňato z preambule ke specifikaci XML 1.0 (Second Edition)
XML shall be straightforwardly usable over the Internet.
XML bude přímočaře použitelné na Internetu.
XML shall support a wide variety of applications.
XML bude podporovat širokou škálu aplikací.
XML shall be compatible with SGML.
XML bude kompatibilní se SGML.
It shall be easy to write programs which process XML documents.
Tvorba programů zpracovávajících XML bude jednoduchá.
The number of optional features in XML is to be kept to the absolute minimum, ideally zero.
Počet volitelných prvků XML standardu bude málo, optimálně 0.
XML documents should be human-legible and reasonably clear.
XML dokumenty by měly být "lidsky" čitelné a rozumně jednoduché.
The XML design should be prepared quickly.
Návrh XML standardu by měl být rychle hotov.
The design of XML shall be formal and concise.
Návrh XML musí byt formální a správný.
XML documents shall be easy to create.
XML dokumenty bude možné snadno vytvořit.
Terseness in XML literal is of minimal importance.
Úspornost XML značkování není podstatná.
Základním požadavkem kladeným na každý XML dokument je, že musí být dobře utvořen (well-formed).
Taken as a whole, it matches the production labeled document: [1] document ::= prolog element Misc* tj. obsahuje prolog (hlavičku) a právě jeden, tzv. kořenový element. Dále může před a po kořenovém elementu obsahovat instrukce pro zpracování, komentáře atd. (Misc)
It meets all the well-formedness constraints given in the specification.
Musí vyhovovat všem pravidlům pro správné utvoření uvedeným ve specifikaci.
Each of the parsed entities which is referenced directly or indirectly within the document is well-formed.
Totéž platí pro každou analyzovanou (parsovanou) entitu přímo nebo nepřímo odkazovanou v dokumentu.
Podívejte se na tutoriál základů XML v češtině
U XML dokumentů rozlišujeme strukturu fyzickou a logickou. Aplikační programátory zajímá většinou jen struktura logická, autory obsahu, XML editorů, procesorů, atd. může zajímat i struktura fyzická.
Struktura logická - dokument členíme na elementy (jedne z nich je kořenový - root), jejich atributy, textové uzly v elementech, instrukce pro zpracování, notace, komentáře
Struktura fyzická - jeden logický dokument může být uložen ve více fyzických jednotkách - entitách; vždy alespoň v jedné - tzv. entitě dokumentu - document entity.
Jsou objekty ohraničené počáteční a koncovou značkou - start and end tag, např.:
<tagname ...tag_attributes...>
tag_content
</tagname>
Je-li obsah prázdný (žádné dceřinné elementy ani textový obsah), pak píšeme pouze značku prázdného elementu - empty element tag, např.:
<tagname tag_attributes/>
Nesou "dodatečné informace" k elementu - např. jeho ID, požadované formátování - styl, odkazy na další elementy...
Konceptuálně by bylo možné atributy nahradit elementy, ale z důvodu přehlednosti obvykle používáme obojí.
Obsah atributu na rozdíl od obsahu elementu není nijak (na úrovni obecných zásad XML standardů) dále strukturován.
Občas se u některých značkování vyskytne snaha o strukturaci obsahu atributů, to však obecně vede k více problémům, než řeší...
Atribut je tvořen jménem a hodnotou.
Atributy zapisujeme do počáteční značky elementu (který může být i prázdný).
Hodnota je vždy vložena v uvozovkách či apostrofech a od jména ji dělí znak rovnítka (=).
Pro názvy atributů platí stejná omezení jako pro názvy elementů.
V rámci jednoho elementu nejsou přípustné dva atributy se stejným jménem.
Instrukce pro zpracování (processing-instruction) píšeme do značek <?target content>
Informují aplikaci o postupu či nastavení nutném pro zpracování daných XML dat. Nepopisují (nepředstavují) obsah, ale zpracování dokumentu.
<?xsl-stylesheet href="mystyle.xsl">
Notace (notation) píšeme do značek <!NOTATION name declaration >
Slouží zejména k popisu binárních (non-XML) entit - např. obrázků GIF, PNG,...
Podobně jako v HTML - komentář (comment) píšeme do značek <!-- text komentáře -->
Komentář nebývá obvykle pro zpracování významný, ale záleží na aplikaci - může např. uchovávat značky Servlet-side Includes (SSI)
Parsery by proto měly komentáře zpracovávat - předávat dále.
Např. SAX parsery však tak nečiní!!! (resp. činí až v rozšířené verzi SAX2, v Javě balík org.xml.sax.ext).
Entita je základní jednotkou fyzické stavby dokumentu. Odpovídá řetězci, souboru...
Parsery by měly entity zpracovávat tak, aby aplikace nemusela o entitách "nic tušit".
Podrobné informace k syntaxi se dozvíme v následující kapitole Standardy rodiny XML
Původní specifikace (W3C Recommendation) XML 1.0 na W3C: http://www.w3.org/XML/
3rd Edition (aktualizace, ne změny) na http://www.w3.org/TR/2000/REC-xml-20001006
výborná komentovaná verze téhož na XML.COM (Annotated XML): http://www.xml.com/pub/a/axml/axmlintro.html
na XML 1.1 (Candidate Recommendation) - změny indukované zavedením UNICODE 3, lepší možnosti normalizace, upřesnění postupu manipulace se znaky ukončení řádku.
(výborný úvodní) Koskův seriál o XML pro Softwarové noviny: http://kosek.cz/clanky/swn-xml/index.html
(obsahuje hodně příkladů) Zvon XML Tutorial: http://www.zvon.org/xxl/XMLTutorial/General/book_en.html
Microsoft XML Tutorial: http://msdn.microsoft.com/xml/tutorial/
101 XML Tutorials: http://www.xml101.com/xml/default.asp
Tutoriály na Developerlife.com: http://developerlife.com
uzel (element, atribut, textový uzel, instrukce pro zpracování, komentář)
element
atribut
textový uzel
instrukce pro zpracování
komentář
dále viz např. Koskův seriál o XML na http://kosek.cz/clanky/swn-xml/index.html
Specifikace povoluje na určitých místech v XML dokumentech (např. název elementu, obsah atributu...) jen některé znaky.
Vzhledem k internacionalizaci a nutnosti zvládnout i exotické jazyky je třeba znát, co se čím myslí.
Oba standardy se zabývají podobnými problémy: řeší znakové sady s více než 256 znaky.
Původní návrh tzv. 16bitového Unicode: až 64 K znaků, stačí pro evropské, nestačí pro světové jazyky (např. dnes frekventovaná čínstina).
32bitový Unicode: pokrývá znaky už "na věky".
V současnosti se z 32bitové škály většinou používá jen tzv. Basic Multilingual Plane (BMP) pokrývající většinu jazyků.
V XML je možné pro názvy (nonterminál kvalifikovaná jména - QName) použít znaky z BMP.
Všechny aplikace XML (zejména aplikace univerzální, parsery) musejí být schopny zpracovat znaky Unicode bez ohledu na kódování.
Přesto je dobré znát nejběžnější kódování:
osmibitová, tradiční: US-ASCII, ISO-8859-2 (ISO Latin 2), Windows-1250 (=Cp1250) - kódování jen vybrané podmnožiny Unicode.
UTF-8: kódování všech znaků Unicode, každý znak na 1-6 bajtech, US-ASCII na jednom bajtu, "čeština" na dvou.
UTF-16: princip stejný jako UTF-8, ale základní ukládací jednotkou je dvoubajtové slovo (16 bitů)
UCS-2: přímé kódování Unicode, čísla znaků z BMP se zapíší přímo jako dva bajty
UCS-4: dtto, ale pro celý Unicode a na 4 bajtech - neúsporné, 4 bajty i pro US-ASCII, evropské jazyky...
Pro XML mají klíčový význam UTF kódování, zejména UTF-8 (ale parsery musejí umět obě).
Přípustné jsou jakékoli UNICODE znaky po x10FFFF (kromě xFFFE, xFFFF a rozmezí xD800 - xDFFF).
jména (names) musí být složena ze nemezerových znaků: číslice, písmena, . (tečka) - (pomlčka, minus) _ (podtržítko) : a dalších, musí začínat písmenem nebo _ :
Kódování těchto UNICODE znaků není podstatné.
Jako implicitní - není-li v prologu (hlavičce), např.
<?xml version="1.0" encoding="Windows-1250"?>
uvedeno jinak - se používá UTF-8 nebo UTF-16.
Rozlišení UTF-8 a UTF-16 se děje pomocí prvních dvou bajtů dokumentové entity (tj. souboru), pomocí tzv. byte-order-mark xFFFE
Není-li uvedena, předpokládá se UTF-8, čili UTF-8 je implicitní kódování UNICODE znaků v XML dokumentech.
Teoreticky by tedy bylo možné z obsahu souboru rozpoznat přesně, o jaké kódování se u XML dokumentu jedná...
Definice typu dokumentu (použití této definice je pak deklarace typu dokumentu)
Specifikována přímo standardem XML 1.0
Popisuje přípustný obsah elementů, atributů, jejich implicitní (default) hodnoty, definuje použité entity
Může být uvedena jako interní nebo externí DTD (internal and external subset) nebo "napůl" - tam i tam.
Dokument vyhovující DTD je označován jako valid (platný).
Webreview: http://www.webreview.com/2000/08_11/developers/08_11_00_2.shtml
ZVON: http://www.zvon.org/xxl/DTDTutorial/General/contents.html
XML DTD Tutorial (101): http://www.xml101.com/dtd/
W3Schools DTD Tutorial: http://www.w3schools.com
Uvádí se těsně před kořenový elementem konstrukcí
Interní nebo externí část (internal or external subset) nemusí být uvedena nebo mohou být uvedeny obě.
Externí identifikátor může být buď
PUBLIC "PUBLIC ID" "URI" (hodí se pro "veřejná", obecně uznané DTD) nebo
SYSTEM "URI" - pro soukromá nebo jiná "ne zcela standardizovaná" DTD ("URI" nemusí být jen URL na síti, může být i jméno souboru, vyhodnocení se děje podle systému, na němž se vyhodnocuje)
Význam interní a externí části je rovnocenný (a nesmí si odporovat - např. dvě definice téhož elementu).
Obsahem DTD je seznam deklarací jednotlivých prvků - elementů, seznamů atributů, entit, notací
Popisuje možný obsah elementu, má formu <!ELEMENT jméno-elementu ... >,kde ... může být
EMPTY - prázdný element, může být zobrazen jako <element/> nebo <element></element> - totéž
ANY - povolen je libovolný obsah elementu, tj. text, dceřinné elementy, ...
může obsahovat dceřinné elementy - <!ELEMENT jméno-elementu (specifikace dceřinných elementů)>
může být smíšený (MIXED) - obsahující text i dceřinné elementy dané výčtem <!ELEMENT jméno-elementu (#PCDATA | přípustné dceřinných elementy)*>. Nelze specifikovat pořadí nebo počet výskytů konkrétních dceřinných elementů. Hvězdička za závorkou je povinná - vždy je možný libovolný počet výskytů.
Pro specifikaci dceřinných elementů používáme:
operátor sekvence (sequence, follow with) ,
operátor volby (výběru, select, choice) |
závorky () mají obvyklý význam
nelze kombinovat v jedné skupině různé operátory , |
počet výskytů dceřinného elementu omezujeme specifikátory "hvězdička", "otazník", "plus" s obvyklými významy. Bez specifikátoru znamená, že je povolen právě jeden výskyt.
Popisuje (datový) typ, případně implicitní hodnoty atributu u daného elementu.
Má tvar <!ATTLIST jméno-elementu jméno-atributu typ-hodnoty implicitní-hodnota>
mohou být použity jen v rámci DTD
hodí se při např. deklaracích seznamu atributů (pokud je dlouhý a vícekrát použitý, nahradíme ho referencí na parametrickou entitu)
viz např. DTD pro HTML 4.01 - http://www.w3.org/TR/html4/sgml/dtd.html
definicí parametrické entity je např. <!ENTITY % heading "H1|H2|H3|H4|H5|H6">
XML Namespaces (W3C Recommendation): http://www.w3.org/TR/REC-xml-names
Existuje také nové Namespaces in XML 1.1 W3C Recommendation 4th February 2004. Andrew Layman, Richard Tobin, Tim Bray, Dave Hollander
Definují "logické prostory" jmen (elementů, atributů) v XML dokumentu.
Dávají uzlům ve stromu XML dokumentu "třetí dimenzi".
Logickému prostoru jmen odpovídá jeden globálně ("celosvětově") jednoznačný identifikátor, daný URI (URI tvoří nadmnožinu URL).
NS odpovídající danému URI nemá nic společného s obsahem nacházejícím se případně na tomto URL ("nic se odnikud automaticky nestahuje" - nedochází k tzv. dereferenci danéhol URI).
V rámci dokumentů se místo těchto URL používají zkratky, prefixy těchto NS namapované na příslušné URI atributem xmlns:prefix="URI".
Jméno elementu či atributu obsahující dvojtečku se označuje jako kvalifikované jméno, QName.
Dva NS jsou stejné, jestliže se jejich URI shodují po znacích přesně (v kódování UNICODE).
NS neovlivňují význam textových uzlů.
Element/atribut nemusí patřit do žádného NS.
Deklarace prefixu NS nebo implicitního NS má platnost na všechny dceřinné uzly rekurentně, dokud není uvedena jiná deklarace "přemapující" daný prefix.
Jeden NS je tzv. implicitní (default NS), deklarovaný atributem xmlns=
Na atributy se implicitní NS nevztahuje!!!, čili atributy bez explicitního uvedení prefixu nejsou v žádném NS.
V následující ukázce je pro celý úryvek platný deklarovaný implicitní jmenný prostor charakterizovaný URI (URL) http://www.w3.org/1999/xhtml
V následující ukázce je deklarován a přiřazen prefixu xhtml jmenný prostor charakterizovaný URI (URL) http://www.w3.org/1999/xhtml
XML Base, W3C Recommendation 27 June 2001: http://www.w3.org/TR/xmlbase/
Standard pro vyhodnocování relativních URL v odkazech z/na XML dokumenty.
Definuje použití vyhrazeného atributu xml:base označujícího základ pro vyhodnocování relativních URL.
Doplňuje se se standardem XLink.
Respektuje princip "překrývání" bázové adresy nastavené v nadřazeném elementu.
XML Inclusions (XInclude) Version 1.0 W3C Working Draft 10 November 2003, http://www.w3.org/TR/xinclude/
XInclude umožňuje vkládání (částí) XML dokumentů do dokumentů.
Je ortogonální k entitám (lze použít oboje v rámci jednoho dokumentu, "nevadí si").
Nezávislé na DTD (zpracování XInclude probíhá až po validaci)
Nezávislé na XML Schema
Specifikace definuje jmenný prostor a v něm jeden element <xi:include> s atributy:
href= - vkládaný dokument
parse= - hodnota je buď "text", pak se obsah vkládá jako (neparsovaný) text, nebo "xml", pak se hodnota vkládá jako značkovaný obsah
encoding= - v případě encoding="text" specifikuje (je-li to nutné) kódování vkládaného textu
a dalšími atributy (xpointer, accept, accept-charset, accept-language...) viz specifikace.
Na FI je k dispozici interpret rozšířeného XInclude - xincluder-fi, který umí vkládat části textových souborů.
Příklad 1.8. Vložení textového souboru (jako textového uzlu)
<xhtml:html xhtml:xmlns="http://www.w3.org/1999/xhtml"
xml:lang="en" lang="en">
<xhtml:body>
<xhtml:h1>Huráááá</xhtml:h1>
<xi:include xmlns:xi="http://www.w3.org/2001/XInclude"
href="obsah.txt" encoding="Windows-1250"/>
</xhtml:body>
</xhtml:html>
Vycházejí ze starších SGML katalogů
Jde o prostředek, jak se jednotně odkazovat na entity (dokumenty) umístěné na různých systémech na různých místech.
Dovoluje také praktické použití identifikátorů URI typu PUBLIC, které neodkazují na žádnou reálnou lokaci na internetu.
Existuje několik formátů pro katalogy - bohužel.
Příklad 1.9. Katalog pro styly značkování DocBook Slides
<?xml version="1.0"?>
<catalog xmlns="urn:oasis:names:tc:entity:xmlns:xml:catalog">
<!-- Slides DTD locations -->
<group xml:base="schema/dtd/"
id="slides-dtd"
prefer="public">
<public
publicId="-//Norman Walsh//DTD Slides Custom V3.1.0//EN"
uri="slides-custom.dtd"/>
<public
publicId="-//Norman Walsh//DTD slides Full V3.1.0//EN"
uri="slides-full.dtd"/>
</group>
<rewriteURI
uriStartString="http://docbook.sourceforge.net/release/xsl/current/"
rewritePrefix="file:/c:/devel/docbook-xsl-1.62.4/"/>
<!-- Map web references to DocBook 4.2 DTD -->
<nextCatalog catalog="file:/c:/devel/docbook4.2/catalog.xml" />
</catalog>
XML Infoset 2nd Edition W3C Recommendation First published.og 24 October 2001, revised 4 February 2004, John Cowan, Richard Tobin, http://www.w3.org/TR/xml-infoset/
Infoset popisuje "jaké všechny informace lze o uzlu (elementu, dokumentu, atributu...) získat"
Jinými slovy: aplikace by neměla spoléhat na informace z XML dokumentu, které se po analýze (parsingu) neobjeví v Infosetu.
Každý správně utvořený XML dokument vyhovující standardu pro jmenné prostory má Infoset.
Canonical XML Version 1.0, W3C Recommendation 15 March 2001, http://www.w3.org/TR/xml-c14n
Smyslem je popsat kritéria (a algoritmy), které pomohou rozhodnout, zda jsou dva XML dokumenty ekvivalentní, lišící se pouze fyzickou reprezentací (entity, pořadí atributů, kódování znaků)
Kanonizace "setře" rozdíly mezi takovými dokumenty, k nimž se analyzátor "bude jistě chovat stejně", tj. z pohledu aplikace jsou totožné.
Použití kanonického tvaru je nutné např. u elektronického podpisu XML dat (při výpočtu hodnoty digest).
Bylo by možné nad XML dokumenty definovat i jiné relace ekvivalence než je Canonical XML.
Hlavní zásady konstrukce kanonického tvaru XML dokumentu:
kódování v UTF-8
zlomy řádků (CR, LF) jsou normalizovány podle algoritmu uvedeného v std. XML 1.0
hodnoty atributů jsou normalizovány
reference na znakové a parsované entity jsou nahrazeny jejich obsahem
CDATA sekce jsou nahrazeny jejich obsahem
hlavička "xml" a deklarace typu dokumentu jsou odstraněny
bílé znaky mimo kořenový element jsou normalizovány
jiné bílé znaky (vyjma normalizace zlomu řádků) jsou zachovány
hodnoty atributů jsou uvozeny "
speciální znaky v hodnotách atributů a textovém obsahu elementů jsou nahrazeny referencemi na entity
nadbytečné deklarace jmenných prostorů jsou z každého elementu odstraněny
implicitní hodnoty atributů jsou dodány do každého elementu (kde je to relevantní)
na pořadí atributů a deklarací jmenných prostorů se uplatní lexikografické řazení
dovolují libovolně procházet ("traverse") vzniklý strom;
nejznámější je Document Object Model (DOM) konsorcia W3C, viz http://www.w3.org/DOM
pro Javu: JDOM - http://jdom.org
pro Javu: dom4j - http://dom4j.org
pro Python: 4Suite - http://4suite.org
technicky realizováno jako volání metod ("callback")
aplikace poskytuje handlery, které volání zachytávají a zpracovávají
událostmi řízená rozhraní jsou "nižší úrovně" než stromová, protože
pro aplikaci zůstává "více práce"
jsou však úspornější na paměť (většinou i čas), samotná analýza totiž nevytváří žádné „trvalé“ objekty
začátek a konec dokumentu (start document, end document)
začátek a konec elementu (start element, end element) - předá současně i atributy
instrukce pro zpracování (processing instruction)
komentář (comment)
odkaz na entitu (entity reference)
Nejznámějším takovým rozhraním je SAX http://www.saxproject.org
<?xml version="1.0"?>
<doc>
<para>Hello, world!</para>
</doc>
vyprodukuje při analýze (parsingu) sled událostí:
start document start element: doc {seznam atributů: prázdný} start element: para {seznam atributů: prázdný} characters: Hello, world! end element: para end element: doc end document
O co snazší pro autora parseru, o to náročnější pro aplikačního programátora...
Aplikace si musí (někdy složitě) pamatovat stav analýzy, nemá nikdy "celý dokument pohromadě".
Na úlohy, které lze řešit "lokálně", bez kontextu celého dokumentu, je to vhodné rozhraní.
Obvykle poskytuje nejrychlejší možné zpracování.
Aplikační nepříjemnosti lze obejít použitím nadstaveb, např. Streaming Transformations for XML (STX)
Chování parseru produkujícího SAX události je možné ovlivnit nastavením tzv. features a properties.
Vlastnosti (features) nastavitelné pro analýzu (parsing) http://www.saxproject.org/?selected=get-set
Blíže k jednotlivým properties a features v článku Use properties and features in SAX parsers (IBM DeveloperWorks/XML).
SAX rozhraní nabízí možnost napsat třídu jako tzv. SAX filtr (přesněji implementaci rozhraní org.xml.sax.XMLFilter).
Objekt takové třídy na jedné straně události přijímá, zpracuje je a posílá dále.
Další informace k filtrování událostí naleznete např. v článku Change the events output by a SAX stream (IBM DeveloperWorks/XML).
"Přímo od zdroje" http://www.saxproject.org
SAX Tutorial k JAXP - http://java.sun.com/webservices/docs/ea1/tutorial/doc/JAXPSAX.html
Aplikace "nečeká na události", ale "vytahuje si" příslušná data ze vstupního parsovaného souboru.
Využíváme tam, kde "víme, co ve zdroji očekávat" a "postupně si to bereme"
... vlastně opak API řízeného událostmi.
Z hlediska aplikačního programátora velmi pohodlné, ale implementace bývají o něco pomalejší než klasická "push" událostmi řízená rozhraní.
Pro Javu existuje XML-PULL parser API - viz Common API for XML Pull Parsing a také
nově vyvíjené rozhraní Streaming API for XML (StAX) vznikající "shora i zdola" jako produkt JCP (Java Community Process).
Příklad 1.10. StAX - přístup iterátorem
import java.io.*;
import java.util.Iterator;
import javax.xml.namespace.QName;
import javax.xml.stream.*;
import javax.xml.stream.events.*;
public class ParseByEvent {
public static void main(String[] args)
throws FileNotFoundException, XMLStreamException {
// Use the reference implementation for the XML input factory
System.setProperty("javax.xml.stream.XMLInputFactory",
"com.bea.xml.stream.MXParserFactory");
// Create the XML input factory
XMLInputFactory factory = XMLInputFactory.newInstance();
// Create the XML event reader
FileReader reader = new FileReader("somefile.xml");
XMLEventReader r =
factory.createXMLEventReader(reader);
// Loop over XML input stream and process events
while(r.hasNext()) {
XMLEvent e = r.next();
processEvent(e);
}
}
/**
* Process a single XML event
* @param e - the event to be processed
*/
private static void processEvent(XMLEvent e) {
if (e.isStartElement()) {
QName qname = ((StartElement) e).getName();
String namespaceURI = qname.getNamespaceURI();
String localName = qname.getLocalPart();
Iterator iter = ((StartElement) e).getAttributes();
while (iter.hasNext()) {
Attribute attr = (Attribute) iter.next();
QName attributeName = attr.getName();
String attributeValue = attr.getValue();
}
}
if (e.isEndElement()) {
QName qname = ((EndElement) e).getName();
}
if (e.isCharacters()) {
String text = ((Characters) e).getData();
}
if (e.isStartDocument()) {
String version = ((StartDocument) e).getVersion();
String encoding = ((StartDocument) e).getCharacterEncodingScheme();
boolean isStandAlone = ((StartDocument) e).isStandalone();
}
}
}
![]() | Poznámka |
---|---|
příklad převzat z Tip: Use XML streaming parsers (IBM DeveloperWorks, sekce XML). |
Příklad 1.11. StAX - přístup kurzorem
import java.io.*;
import javax.xml.stream.*;
public class ParseByIterator {
public static void main(String[] args)
throws FileNotFoundException, XMLStreamException {
// Use reference implementation
System.setProperty(
"javax.xml.stream.XMLInputFactory",
"com.bea.xml.stream.MXParserFactory");
// Create an input factory
XMLInputFactory xmlif = XMLInputFactory.newInstance();
// Create an XML stream reader
XMLStreamReader xmlr =
xmlif.createXMLStreamReader(new FileReader("somefile.xml"));
// Loop over XML input stream and process events
while (xmlr.hasNext()) {
processEvent(xmlr);
xmlr.next();
}
}
/**
* Process a single event
* @param xmlr - the XML stream reader
*/
private static void processEvent(XMLStreamReader xmlr) {
switch (xmlr.getEventType()) {
case XMLStreamConstants.START_ELEMENT :
processName(xmlr);
processAttributes(xmlr);
break;
case XMLStreamConstants.END_ELEMENT :
processName(xmlr);
break;
case XMLStreamConstants.SPACE :
case XMLStreamConstants.CHARACTERS :
int start = xmlr.getTextStart();
int length = xmlr.getTextLength();
String text =
new String(xmlr.getTextCharacters(), start, length);
break;
case XMLStreamConstants.COMMENT :
case XMLStreamConstants.PROCESSING_INSTRUCTION :
if (xmlr.hasText()) {
String piOrComment = xmlr.getText();
}
break;
}
}
private static void processName(XMLStreamReader xmlr) {
if (xmlr.hasName()) {
String prefix = xmlr.getPrefix();
String uri = xmlr.getNamespaceURI();
String localName = xmlr.getLocalName();
}
}
private static void processAttributes(XMLStreamReader xmlr) {
for (int i = 0; i < xmlr.getAttributeCount(); i++)
processAttribute(xmlr, i);
}
private static void processAttribute(XMLStreamReader xmlr, int index) {
String prefix = xmlr.getAttributePrefix(index);
String namespace = xmlr.getAttributeNamespace(index);
String localName = xmlr.getAttributeName(index);
String value = xmlr.getAttributeValue(index);
}
}
![]() | Poznámka |
---|---|
příklad převzat z Tip: Use XML streaming parsers (IBM DeveloperWorks, sekce XML). |
Tutoriál k JAXP, část věnovaná DOMPart III: XML and the Document Object Model (DOM)
Portál věnovaný DOM http://www.oasis-open.org/cover/dom.html
Vizuální přehled DOM 1 rozhraní http://www.xml.com/pub/a/1999/07/dom/index.html
Tutoriál "Understanding DOM (Level 2)" na http://ibm.com/developer/xmlhttp://ibm.com/developer/xml
v mnoha parserech, např. Xerces
jako součást JAXP (Java API for XML Processing) - http://java.sun.com/xml/jaxp/index.html
i jako samostatné, nezávislé na parserech:
např. dom4j - http://dom4j.org
EXML (Electric XML) - http://www.themindelectric.net
XOM (XML Object Model) vznikl jako one-man-show projekt (autor Elliote Rusty Harold) rozhraní, které je "papežštější než papež" a striktně respektuje model XML dat.
Motivaci a specifikaci najdete na domovské stránce XOM.
Tam je též k získání open-source implementace XOM a
velmi malé (co do velikosti kódu) stromové rozhraní a parser v jednom
dostupné jako open-source na http://nanoxml.n3.net
adaptované též pro mobilní zařízení
z hlediska rychlosti a paměťové efektivity za běhu ale nejlepší není
pohodlné, rychlé a pamětově efektivní stromově-orientované rozhraní
psané pro Javu, optimalizované pro Javu...
dostupné jako open-source na http://dom4j.org
nabízí perfektní přehled díky "kuchařce"
dom4j je výkonný, viz srovnání efektivity jednotlivých stromových modelů
DOM model dokumentu není přítomen v paměti, je zprostředkováván "on demand" při přístupu k jednotlivým uzlům
spojuje výhody událostmi řízeného a stromového modelu zpracování (rychlost + komfort)
implementován např. u procesoru Sablotron
(např. viz http://www.xml.com/pub/a/2002/03/13/sablotron.html
nebo http://www.gingerall.org/charlie/ga/xml/p_sab.xml)
Cílem je poskytnout abstraktní model dat v příslušném značkování tak, abychom:
mohli validovat, zda dokumenty jsou syntakticky korektní, zda odpovídají schématu
následně mohli dokumenty (data) zpracovávat jako silně typované:
hodnoty textových uzlů pak interpretovány jako hodnoty primitivních datových typů (int, float, boolean...), nebo vestavěných neprimitivních typů - řetězec, datum
elementy interpretovány jako hodnoty uživatelských objektových typů, např. element person jako objekt třídy Person.
používat informace o struktuře validních dokumentů např. při vyhledávání:
víme-li např., že element from se vyskytuje jen jako dceřinný v elementu message, můžeme a priori rozhodnout, že výsledek XPath dotazu /address/from bude nad validními dokumenty vždy prázdný
totéž např. pro dokumenty, kde známe pořadí výskytu dceřinných elementů za sebou - pak můžeme např. predikovat obsah XPath osy following-sibling.
používat je při vizualizaci, formátování, editaci(!)
XML 1.0, 1.0 SE, 2.0 standardy definují metajazyky, tj.:
neříkají ni o konkrétním značkování
ale sděluje, jaká obecná omezení pro konstrukci značkování platí (např. správné vnoření elementů)
definuje DTD jako základní formální jazyk definice struktury dokumentu
ale nevylučuje existenci dalších takových jazyků
Popis příslušného značkování, tj. návod, které dokumenty v daném značkování chápeme jako platné (validní), nazýváme schématem příslušného značkovacího jazyka.
(Meta)jazyk, v němž je schéma zapsáno, nazveme jazykem schémat.
Neplést schéma a jazyk schématu v tomto širokém smyslu s XML Schema (což je speciální případ jazyka schémat, případně jeho instance).
Podle základního výrazového prostředku, kterým definujeme „správnou“ strukturu dokumentů, rozlišujeme jazyky schémat založené na:
značkování je bezkontextovým jazykem definovaným gramatikou
typickým představitelem je gramatika zapsaná v DTD (s jistým non-CF omezeními, jako je např. vazba ID-IDREF)
jazyky XML Schema i Relax NG převzaly částečně tento přístup - kombinují gramatiku s možností dědičnosti
Typickým představitelem je XML DTD.
jednou vytvořené schéma či jeho část je možné pojmenovat a znovu použít
beze změny
při znovupoužití je možné pozměnit jeho vlastnosti (např. zpřísnit některá omezení), obvykle ale tak, že je zachováno pravidlo, že instance podtřídy může vždy nahradit instanci nadtřídy (má aspoň její vlastnosti)
Typickými představiteli jsou XML Schema a Relax NG (čteme jako „relaxing“).
Schéma tohoto typu říká, jaké vzory se mohou/musejí/nesmějí v dokumentu nacházet.
nejméně používaná schémata, ale v mnohých situacích nenahraditelná
vhodná pro XML data dokumentové (tj. velmi heterogenní, mnohotvaré) povahy - značkované texty
Používáme tam, kde je prostředky (CF) gramatiky určité omezení (constraint) těžko popsatelný - např. složité kontextové závislosti. To by se jinak muselo např. „dovalidovat“ externím nástrojem.
prostředkem popisu vzorů je určitý „vnořený“ jazyk - např. stromové regulární výrazy, výrazy jazyka XPath...
Typickým představitelem je Schematron a Examplotron.
Specifikace XML Schema - http://www.w3.org/XML/Schema
Tutoriál Using W3C XML Schema: http://www.xml.com/pub/a/2000/11/29/schemas/part1.html - stručný
XML Schema Tutorial - http://www.w3schools.com/schema/default.asp - obsáhlejší
vynikající komplexní tutoriál na http://www.xfront.com
Dát silnější prostředek pro specifikaci modelu XML dat než je DTD; mít možnost:
<xs:element name="element_name"> ... definice typu - je přímo zde - tzv. "local" nebo daná odkazem - tzv. "global" </xs:element>
Neobsahuje dceřinné elementy, lze použít jako typ obsahu elementu nebo atributu
Lze definovat restrikcí z existujícího typu
<xs:simpleType name="TypeName"> <xs:restriction base="BaseTypeName"> ... </xs:restriction> </xs:simpleType>
<xs:simpleType name="nameType"> <xs:restriction base="xs:string"> <xs:maxLength value="32"/> </xs:restriction> </xs:simpleType>
Restrikce obsahu regulárním výrazem
<xs:simpleType name="isbnType"> <xs:restriction base="xs:string"> <xs:pattern value="[0-9]{10}"/> </xs:restriction> </xs:simpleType>
Zhruba odpovídá konceptu "union" v C
Lze spojovat bázový typ a výčet hodnot
<xs:simpleType name="isbnType"> <xs:union> <xs:simpleType> <xs:restriction base="xs:string"> <xs:pattern value="[0-9]{10}"/> </xs:restriction> </xs:simpleType> <xs:simpleType> <xs:restriction base="xs:NMTOKEN"> <xs:enumeration value="TBD"/> <xs:enumeration value="NA"/> </xs:restriction> </xs:simpleType> </xs:union> </xs:simpleType>
Lze definovat typ jako seznam hodnot oddělených bílými znaky
Dalším odvozením lze omezit počet prvků seznamu
<xs:simpleType name="isbnTypes"> <xs:list itemType="isbnType"/> </xs:simpleType> <xs:simpleType name="isbnTypes10"> <xs:restriction base="isbnTypes"> <xs:minLength value="1"/> <xs:maxLength value="10"/> </xs:restriction> </xs:simpleType>
<xs:complexType name="TypeName"> <xs:sequence> <xs:element ...> ... <xs:attribute ...> </xs:sequence> </xs:complexType>
při definici složeného typu lze použít skupiny (group)
<xs:group name="GroupName"> <xs:sequence> <xs:element ... /> ... </xs:sequence> </xs:group>
<xs:attributeGroup name="AttributesGroupName"> <xs:attribute ... use="required"/> ... </xs:attributeGroup>
Příklad použití skupin elementů a atributů
<xs:complexType name="bookType"> <xs:sequence> <xs:group ref="mainBookElements"/> <xs:element name="character" type="characterType" minOccurs="0" maxOccurs="unbounded"/> </xs:sequence> <xs:attributeGroup ref="bookAttributes"/> </xs:complexType>
Předepisuje výskyt dceřinných elementů v určitém pořadí
<xs:element name="element_name"> <xs:complexType> <xs:sequence> .../... </xs:sequence> .../... </xs:complexType> </xs:element>
sequence označuje model obsahu připouštějící výskyt dané posloupnosti (sekvence) dceřinných elementů
xs je prefix vázaný na NS s URL http://www.w3.org/2001/XMLSchema
Předepisuje výskyt jednoho z dceřinných elementů nebo skupin elementů
<xs:element name="element_name"> <xs:complexType> <xs:choice> .../... </xs:choice> .../... </xs:complexType> </xs:element>
Předepisuje výskyt dceřinných elementů bez určeného pořadí
Smí být jen na nejvyšší úrovni definice obsahu
Dceřinné elementy nesmí mít kardinalitu větší než 1
<xs:complexType name="bookType"> <xs:all> <xs:element name="title" type="xs:string"/> <xs:element name="author" type="xs:string"/> <xs:element name="character" type="characterType" minOccurs="0" maxOccurs="unbounded"/> </xs:all> <xs:attribute name="isbn" type="isbnType" use="required"/> </xs:complexType>
<xs:element name="book"> <xs:complexType> <xs:simpleContent> <xs:extension base="xs:string"> <xs:attribute name="isbn" type="isbnType"/> </xs:extension> </xs:simpleContent> </xs:complexType> </xs:element>
Nelze validovat textový obsah (textové dceřinné uzly)
Lze validovat dceřinné elementy
<xs:element name="book"> <xs:complexType mixed="true"> <xs:all> <xs:element name="title" type="xs:string"/> <xs:element name="author" type="xs:string"/> </xs:all> <xs:attribute name="isbn" type="xs:string"/> </xs:complexType> </xs:element>
Možnost specifikace integritních omezení:hodnota je jedinečná - xs:uniquehodnota je klíčem - xs:keyhodnota je odkazem na klíč - xs:keyref
Anotace je (lidsky čitelná) poznámka-komentář ke schématu
Může též obsahovat informace pro zpracování - viz příklad - xs:appinfo
Další obsah není předepsán (omezen) - viz příklad - bind, class
<xs:annotation>
<xs:documentation xml:lang="en">Top level element.</xs:documentation>
<xs:documentation xml:lang="fr">Element racine.</xs:documentation>
<xs:appinfo source="http://example.com/foo/">
<bind xmlns="http://example.com/bar/">
<class name="Book"/>
</bind>
</xs:appinfo>
</xs:annotation>
<xs:include schemaLocation="character.xsd"/>
<xs:redefine schemaLocation="character12.xsd"> <xs:simpleType name="nameType"> <xs:restriction base="xs:string"> <xs:maxLength value="40"/> </xs:restriction> </xs:simpleType> </xs:redefine>
<xs:schema targetNamespace="http://example.org/ns/books/" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:bk="http://example.org/ns/books/" elementFormDefault="qualified" attributeFormDefault="unqualified"> .../... </xs:schema>
Umožní připustit i něco, co předem neznáme
<xs:complexType name="descType" mixed="true"> <xs:sequence> <xs:any namespace="http://www.w3.org/1999/xhtml" processContents="skip" minOccurs="0" maxOccurs="unbounded"/> </xs:sequence> </xs:complexType>
Vznikl na Univerzitě v Aarhusu, DK
Podobně jako RELAX NG je jednodušší než XML Schema
viz http://www.brics.dk/~amoeller/XML/
Spíše akademický charakter, skutečnými soupeři zůstávají XML Schema a RELAX NG
XPath je syntaxe pro specifikaci částí XML dokumentů (uzly, množiny uzlů, sekvence uzlů; nelze specifikovat části textových uzlů).
XPath používá syntaxi obdobnou jako cesty v souborovém systému.
XPath používá knihovnu standardních funkcí (evt. uživatelsky definovaných - v XPath 2.0 nebo i XPath 1.x, ale proprietárně - podle procesorů)
XPath je od v 1.0 základem pro XSLT, od 2.0 i pro XQuery
XPath syntaxe není XML (bylo by příliš "upovídané")
XPath 1.0 je W3C Recommendation - http://www.w3.org/TR/xpath
Cesta určuje lokaci v dokumentu
Cesty jsou konstruovány podobně jako cesty ve FS, tj.
relativní - vyhodnocovány vůči kontextovému uzlu (KU), viz dále
absolutní - od kořene, ale výrazy (predikáty) také vyhodnocovány vůči KU
[20] PathExpr ::= AbsolutePathExpr | RelativePathExpr [22] AbsolutePathExpr ::= ("/" RelativePathExpr?) | ("//" RelativePathExpr) [23] RelativePathExpr ::= StepExpr (("/" | "//") StepExpr)* [24] StepExpr ::= AxisStep | GeneralStep [25] AxisStep ::= (Axis? NodeTest StepQualifiers) | AbbreviatedStep
Osy jsou množiny prvků dokumentu, vymezené (obvykle relativně) vůči kontextu.
Kontext je tvořen především dokumentem a aktuálním (kontextovým) uzlem.
child - obsahuje dceřinné uzly kontextového (aktuálního) uzlu
descendant - obsahuje všechny potomky kontextového (aktuálního) uzlu (dále jen KU). Nepočítají se mezi ně atributy!!!
parent - obsahuje rodičovský uzel KU (existuje-li)
ancestor - obsahuje všechny předky - rodiče, "prarodiče"... kořenový element (pokud KU není sám kořenový)
following-sibling - obsahuje všechny následující sourozence KU (pro NS a atributy je tato osa prázdná)
preceding-sibling - dtto, ale obsahuje předchozí sourozence
following - obsahuje všechny uzly nacházející se po KU (mimo atributů, potomků a NS uzlů
preceding - dtto, ale obsahuje předchozí uzly (ale mimo předky, attributy, NS!)
attribute - obsahuje atributy (jen pro uzly - elementy)
namespace - obsahuje všechny NS uzly KU (jen pro uzly - elementy)
self - obsahuje samotný KU
descendant-or-self - obsahuje sjednocení os descendant a self
ancestor-or-self - obsahuje sjednocení os ancestor a self
Určeny k selekci (výběru) z uzlů specifikovaných např. cestou
př.: /article/para[3] - vybere třetí odstavec v článku
Nejjednodušším výrazem v predikátu je specifikace pozice (blízkosti) (proximity position) - viz výše
para selects the para element children of the context node
vybere všechny dceřinné elementy kontextového uzlu jmenující se para
* selects all element children of the context node
text() selects all text node children of the context node
@name selects the name attribute of the context node
@* selects all the attributes of the context node
para[1] selects the first para child of the context node
para[last()] selects the last para child of the context node
*/para selects all para grandchildren of the context node
/doc/chapter[5]/section[2] selects the second section of the fifth chapter of the doc
chapter//para selects the para element descendants of the chapter element children of the context node
vybere všechny element para, jež jsou následníky chapter
//para selects all the para descendants of the document root and thus selects all para elements in the same document as the context node
vybere všechny elementy para z dokumentu
//olist/item selects all the item elements in the same document as the context node that have an
vybere všechny elementy item, které mají za rodiče olist
. selects the context node
vybere kontextový uzel
.//para selects the para element descendants of the context node
vybere všechny elementy-potomky kontextového uzlu, které nesou značku para
.. selects the parent of the context node
vybere rodičovský uzel od kontextového
../@lang selects the lang attribute of the parent of the context node
vybere atribut lang rodičovského uzlu od kontextového
XPath na W3C: http://www.w3.org/TR/xpath
Zvon XPath Tutorial: http://zvon.org/xxl/XPathTutorial/Output/index.html
XPath Tutorial na W3Schools: http://www.w3schools.com/xpath/xpath_intro.asp
zatím jako PRACOVNÍ NÁVRH - http://www.w3.org/TR/xpath20/
Změna pohledu na hodnoty vrácené XPath výrazem: vše jsou sekvence (byť jednoprvkové)
->odstraňuje problémy s "pořadím" uzlů v množině
Zavádí podmíněné výrazy a cykly
Zavádí možnost uživatelských funkcí (psaných jako dynamicky vyhodnocované výrazy v XPath)
Lze použít existenční a obecné kvantifikátory, např. exist student/name="Fred" nebo all student/@id
Dále viz např. http://saxon.sourceforge.net/saxon7.8/index.html
W3C Recommendation 27 July 2001
Obecný mechanizmus na propojování XML zdrojů (=dokumentů a jejich částí)
Inspirován zejména std. HyTime (http://www.hytime.org/)
Ortogonální k entitám (lze použít současně oboje)
mnohem bohatší sémantika než u entit,
entity se vyhodnocují (resolve) při parsingu,
XLink odkazy většinou až v aplikaci
Vychází z pokročilých hypertextových technik -
HyTime (pro SGML - viz http://info.admin.kth.se/SGML/Anvardarforening/Arbetsgrupper/HyTime/Reports/tr1v1.html),
TEI
...
Konstruován tak, že rozšiřuje a upřesňuje syntaxi i sémantiku HTML odkazů
Na rozdíl od SGML linků (např. v HyTime) můžeme v XML využívat jmenné prostory. Nenutí nás to upravovat DTD při použití odkazů.
Infrastruktura odkazů může existovat (v jiném NS) nezávisle na schématu (struktuře) XML dokumentů, v nichž se odkazy vyskytují.
Odkazy mohou být fyzicky mimo soubory s odkazovanými lokacemi.
Atributy a elementy XLinku mají vlastní
jmenný prostor
Jako prefix NS se obvykle používá
xlink
Příslušnost k XLinku je dána deklarací daného elementu/atributu v XLink NS
to umožňuje flexibilní integraci stávajících schémat (modelů) a XLinku (nemusíme měnit jména "linkovacích" elementů)
XLink odkaz "dovnitř" dokumentů používají standard
XPointer (http://www.w3.org/TR/xptr).
Váže jeden lokální zdroj na jeden vzdálený (single local -> single remote entity);
Je vyznačen atributem
xlink:type="simple";
Váže jeden nebo více lokálních a jeden nebo více vzdálených zdrojů
Může mít přesněji definovanou sémantiku (nad rámec výše uvedených možností)
Odkazy mohou být uloženy mimo odkazující zdroj(e)
je vyznačen atributem
xlink:type="extended"
extended odkaz se může odkazovat na
lokální zdroje - vyznačené atributem
xlink:resource nebo
vzdálené zdroje - vyznačené atributem
xlink:locator
Směr odkazu a role participujících zdrojů mohou být upřesněny (nad rámec výše uvedených možností):
Co má aplikace udělat s
odkazovaným dokumentem/prvkem dokumentu je specifikováno atributem
xlink:show
"kdy to má udělat" -
specifikováno atributem xlink:actuate
roli odkazu lze upřesnit v podobě srozumitelné aplikacím:
atributem xlink:role - u
simple
i extended
odkazu
atributem xlink:arcrole - u elementu
arc
v extended
odkazu
Lze upřesnit roli odkazu v podobě srozumitelné člověku:
atributem xlink:title - u
simple
i extended
odkazu i
u elementu arc
v extended
odkazu
Zatím nepříliš rozšířené (řádově jednotky aplikací). Nejznámějšími procesory jsou:
Fujitsu XLink Processor (XLiP) - http://www.labs.fujitsu.com/free/xlip/en/
Open source projekt xlinkit - http://www.xlinkit.com/xtoox/index.html
X2X (komerční, velmi drahý produkt) podporuje XLink - http://www.stepuk.com/products/prod_X2X.asp
Vývoj trval dlouho (cca 5 let), mezitím aplikace začaly používat vlastní řešení
Sémantika XLinku je:
příliš obecná (aplikace raději používaly vlastní, na míru šitý odkazovací jazyk, viz (X)HTML) a současně
málo obecná (např. RDF metadata popíší vztahy mezi zdroji podrobněji, s typovou kontrolou přes RDF Schemata, atd.)
XLink je také nahrazován aktivitou směřující ke specifikaci XML Topic Maps
Cílem je adaptovat XLink pro potřeby XHTML, kde "nelze použít přímo XLink"
viz HLink - Link recognition for the XHTML Family - W3C Working Draft 13 September 2002
specifikace je navržena W3C Working Group, jí oponovala W3C Technical Architecture Group (TAG)
Princip: mapuje vybrané atributy na jejich přesně dané XLink protějšky
tzn. i to, co normálně nemůže být XLinkem, se na XLink může "automaticky" mapovat
Tento standard je kritizován jako "hybrid, který jedině dokazuje praktickou nevhodnost XLinku"
dále viz např. diskuse na xmlhack.com
Nezávislá alternativa Simona St. Laurenta
viz Very Extensible Linking Language Unafraid of Markup (VELLUM)
Nevýhodou je poněkud rozvleklejší ("upovídaný", verbose) zápis, než u XLink
VELLUM is aimed exclusively at "external" or out-of-line linking. This frees VELLUM from the constraints imposed by developer expectations for inline linking.
VELLUM accepts the cost of a verbose form in exchange for the extensibility and precision that element forms and indirection can offer.
VELLUM does permit the use of existing abbreviations (like URIs and URI references), but simultaneously allows developers to specify more information than is carried in those identifiers.
VELLUM also looks forward to the prospect of VELLUM processors which maintain state across multiple traversals and permit the creation of interactive hypertexts, not just collections of connections.
VELLUM attempts to provide a general-purpose solution to linking which addresses the complexities raised by the W3C's XPointer and XLink specifications by taking a very different approach. VELLUM does not assume that URIs and URI references are adequate to the task of identifying resources, representations, and fragments of representations, and strives to put XML hyperlinking on firmer but still approachable foundations. VELLUM supports and uses URIs and URI references, but offers options that extend those capabilities.
VELLUM is not a general-purpose solution to hypertext linking. VELLUM is intended to be used in cases where precision is important and verbosity is not a problem. While VELLUM could conceivably be mixed with other vocabularies and used to define links within them, it is not designed explicitly for such use. VELLUM is more appropriate for use in cases like external links and linkbases, where the links are stored separately from the resources they connect. (VELLUM's designer hopes that a simpler mechanism for in-line linking will emerge to complement VELLUM.)
VELLUM both builds on the URI framework and goes beyond the URI framework. URIs and URI references may be used within the VELLUM framework if the level of precision they provide is adequate, but developers can specify more information about issues like content-negotiation within the VELLUM framework if they choose. VELLUM also makes it possible to explicitly specify whether a connection involves an abstract resource or a particular concrete representation.
VELLUM also makes it possible for developers to create metadata which applies to their links in a local context. While XLink uses URIs for everything from href to arcrole, VELLUM lets developers use more intelligible identifiers whose meaning is defined within a particular VELLUM context. While VELLUM may be more verbose than a comparable XLink linkbase, it should (if designed thoughtfully) be more readable.
<piece xmlns="http://simonstl.com/ns/vellum" > <connections> <traverse> <from href="http://www.w3.org/TR/REC-xml#sec-common-syn" /> <to href="http://www.w3.org/TR/REC-xml-names/#ns-qualnames" /> </traverse> <traverse> <from href="http://www.w3.org/TR/REC-xml-names/#ns-qualnames" /> <to href="http://www.w3.org/TR/REC-xml#sec-common-syn" /> </traverse> </connections> </piece>
<piece xmlns="http://simonstl.com/ns/vellum"> <connections> <set id="namespaceUses" > <member href="http://www.w3.org/TR/REC-xml#sec-common-syn" /> <member href="http://www.w3.org/TR/xmlschema-2/#QName" /> </set> <traverse> <from ref="namespaceUses"/> <to href="http://www.w3.org/TR/REC-xml-names/#ns-qualnames" /> </traverse> </connections> </piece>
<piece xmlns="http://simonstl.com/ns/vellum"> <targets> <target id="_xml-names" representation= "http://www.w3.org/TR/REC-xml#sec-common-syn" /> <target id="_xml-schema-qnames" representation= "http://www.w3.org/TR/xmlschema-2/#QName"> <target id="_xmlns-qual-names" representation= "http://www.w3.org/TR/REC-xml-names/#ns-qualnames" /> </targets> <connections> <set id="namespaceUses" > <member ref="_xml-names" /> <member ref="_xml-schema-qnames" /> </set> <traverse> <from ref="namespaceUses" /> <to ref="_xmlns-qual-names" /> </traverse> </connections> </piece>
koncept VELLUM out-of-line odkazů je podobný metadatům podle rámce RDF (odkazy jsou také metadata...)
XLink Tutoriál na Zvonu (http://zvon.org)
Specifikace XLink (http://www.w3.org/TR/xlink)
IBM Developerworks/XML
Portál XML.COM (např. článek What is XLink? http://www.xml.com/lpt/a/2000/09/xlink/index.html)
W3C Working Draft 16 August 2002
Definuje mechanizmus adresování (tj. "pointing" - ne odkazování!) v rámci XML dokumentu
Rozšiřuje koncept kotvy (anchor) známé z HTML - #jménoKotvy
Umožňuje explicitní adresování navigací i implicitní adresování dotazováním
Umožňuji adresování i v rámci textových uzlů
Umožňuje rozlišit adresu bodu (point) a úseku (range) v XML dokumentu
Jako základ pro specifikaci adresy bere jazyk
XPath
POZOR - specifikace XPointer se v současnosti rozpadla na 4 následovníky:
XPointer Framework - This specification defines the XML Pointer Language (XPointer) Framework, an extensible system for XML addressing that underlies additional XPointer scheme specifications. The framework is intended to be used as a basis for fragment identifiers for any resource whose Internet media type is one of text/xml, application/xml, text/xml-external-parsed-entity, or application/xml-external-parsed-entity. Other XML-based media types are also encouraged to use this framework in defining their own fragment identifier languages.
XPointer element() Scheme - The XPointer
element() scheme is intended to be used with
the XPointer Framework to allow basic
addressing of XML elements.
XPointer xmlns() Scheme - The XPointer xmlns() scheme is intended to be used with the XPointer Framework to allow correct interpretation of namespace prefixes in pointers, for instance, namespace-qualified scheme names and namespace-qualified element or attribute names appearing within scheme data.
XPointer xpointer() Scheme - The XPointer xpointer() scheme is intended to be used with the XPointer Framework to provide a high level of functionality for addressing portions of XML documents. It is based on XPath, and adds the ability to address strings, points, and ranges in accordance with definitions provided in DOM 2: Range.
point - bod, daný svým kontejnerem
(container
) a celočíselným indexem (pozicí) v rámci
kontejneru
bod může mít explicitní nebo implicitní hranici
může být typu node-point nebo
character-point
dále viz specifikace - typ Point
viz také tutoriál node-point
range - je obsah mezi dvěma body V RÁMCI
jednoho dokumentu nebo jedné externí analyzované entity
dále viz specifikace - typ Range
location - "místo" - může být DOM
uzel, point
,
range
dále viz specifikace - typ Location
<link xmlns:xlink="http://www.w3.org/2000/xlink" xlink:type="simple" xlink:href="mydocument.xml#xpointer(//AAA/BBB[1])"/>
Xpointer výraz b2/3 nebo
xpointer(id('b2')/*[3])
vybere z následujícího
dokumentu
<AAA> <BBB myid="b1" bbb="111"> Text in the first element BBB.</BBB> <BBB myid="b2" bbb="222"> Text in another element BBB. <DDD ddd="999"> Text in more nested element.</DDD> <DDD ddd="888"> Text in more nested element.</DDD> <DDD ddd="777"> Text in more nested element.</DDD> </BBB> <CCC ccc="123" xxx="321"> Again some text in some element.</CCC> </AAA>
Zvon XPointer Tutorial - http://www.zvon.org/xxl/xpointer/tutorial/OutputExamples/xpointer_tut.html
XSLT (eXtensible Stylesheet Language Transformation) je jazyk pro specifikaci transformací XML dokumentů na (obvykle) XML výstupy, případně textové, HTML či jiné výstupní formáty.
Původní aplikační oblastí byla transformace XML dat na XSL:FO (formátovací objekty), tedy vizualizace XML.
XSLT byl tedy součástí specifikací XSL (eXtensible Stylesheet Language).
Později se z XSL vyčlenil a začal být chápán jako univerzální jazyk popisu obecných XML->XML(txt, HTML) transformací.
Aktuální verze je dána specifikací XSLT 1.0.
Práce na verzi 1.1 byly zastaveny ve prospěch vývoje XSLT 2.0.
XSLT je funkcionálním jazykem, kde redukční pravidla mají podobu šablon, které předepisují, jak se uzly zdrojového dokumentu přepisují do výstupního dokumentu.
Specifikace XSLT transformace je obsažena v tzv. stylu (stylesheet), což je XML dokument tvořený podle syntaxe XSLT. Kořenovým elementem je stylesheet nebo transformation (to jsou synonyma).
XSLT styl obsahuje tzv. šablony (template).
Šablony mají výběrovou část - která reprezentuje levou stranu funkcionálního redukčního pravidla a konstrukční část představující pravou stranu red. prav.
Výběrovou část tvoří atribut match šablony.
Konstrukční část představuje tělo elementu šablony.
Vlastní transformace pak znamená, že interpreter XSLT stylů (XSLT procesor, XSLT engine) bere uzly vstupního dokumentu, vyhledá k nim vhodnou šablonu - podle její výběrové části - a vyprodukuje výsledek odpovídající konstrukční části pravidla daného touto šablonou.
XSLT 1.0 W3C Recommendation: http://www.w3.org/TR/xslt
What is XSLT? na XML.COM: http://www.xml.com/pub/a/2000/08/holman/index.html
Mulberrytech.com XSLT Quick Reference (2xA4, PDF): http://www.mulberrytech.com/quickref/XSLTquickref.pdf
Dr. Pawson XSLT FAQ: http://www.dpawson.co.uk/xsl/xslfaq.html
Zvon XSLT Tutorial: http://zvon.org/xxl/XSLTutorial/Books/Book1/index.html
Kořenový element xsl:transform nebo xsl:stylesheet uzavírá celý XSLT styl a specifikuje NS prefix pro XSLT elementy.
Deklarace parametrů (a jejich implic.
hodnoty) - elt. xsl:param . Parametry lze nastavit při volání XSLT
procesoru - např. java net.sf.saxon.Transform -o
outfile.xml infile.xml style.xsl -Dparam=paramvalue
Deklarace a inicializace proměnných - elt. xsl:variable - proměnné jsou de facto totéž, co parametry, ale nejsou nastavitelné zvenčí.
Je třeba si uvědomit, že XSLT (bez procesorově-specifických rozšíření) je čistý funkcionální jazyk, tj. aplikace šablony nemá vedlejší efekt -> proměnné lze přiřadit jednou, pak už jen číst!
Deklarace (formátu) výstupu - elt. xsl:output
...kromě toho tam mohou být další, méně používané XSL elementy - viz např. dokumentace SAXONu
pak následují vlastní šablony - elt. xsl:template
Nejdříve se za aktuální uzel zvolí kořen, tj. uzel odpovídající XPath výrazu /
Najde se šablona (explicitní nebo implicitní - viz např. XSLT/XPath Quick Reference), jejíž match atribut chápaný jako XPath predikát vrátí v kontextu aktuálního uzlu true (tedy tzn. "matchuje" aktuální uzel).
Pokud je jich více - nastává nejednoznačnost - pak je indikována chyba.
Pokud je taková šablona právě jedna, aplikuje se, což znamenápřenesení jejího obsahu do výstupního result tree fragmentu.
Přímo/explicitně voláním (pojmenované) šablony - což ale odpovídá spíše přístupu procedurálních jazyků, takže se tomu spíše vyhýbáme.
Nepřímo/implicitně tím, že se zavolá šablona, jejíž vzor (obsah atr. match ) "pasuje" ("matchuje") na vybraný uzel - funkcionální přístup. Výběr uzlu se přitom děje opět:
Explicitně ("řízeně") uvedením atributu select u apply-templates . Takto můžeme vybrat jak dceřinné elementy, tak dceřinné uzly, tak jakékoli jiné uzly odpovídající XPath výrazu uvedenému v select .
Implicitně, necháme-li procesor sám "si uzel vybrat" (u apply-templates neuvádíme select ). V tomto případě se ale vybírají pouze dceřinné elementy kontextového uzlu.
Výstupem aplikace šablony je část tzv. result tree fragmentu.
Výstupy jednotlivých šablon se "skládají" na to místo result tree fragmentu, který odpovídá pořadí volání šablon.
Výstup celé transformace pak směřuje standardně do jednoho proudu, kde se z výstupního proudu událostí generuje výsledný (XML, text, HTML) dokument.
Výstup bývá procesorem primárně generován jako sled událostí (např. SAX2), které jsou až druhotně převáděny na výsledný dokument - s uplatněním výstupního kódování, atd.
Jak dostat text (textový uzel) na výstup?
Vepsat text přímo (jako literál) do výstupu (konstrukční části) šablony. Pozor na bílé znaky (mezery, CR/LF)!
vepsat text přímo (jako literál) do výstupu šablony. Pozor na bílé znaky (mezery, CR/LF)!
do speciálního elt. <xsl:text>textový uzel</xsl:text> . Bílé znaky jsou v něm vždy zachovány/respektovány!
Implicitní šablony jsou "vestavěné" v každém korektním procesoru XSLT:
aby byly (alespoň jistým standardním "fallback" způsobem) zpracovány základní struktury (procházení stromu dokumentu)
abychom "ušetřili psaní" často používaných šablon (ignorování komentářů a PI).
Jsou překrytelné, abychom mohli chování změnit uvedením vlastní šablony, která bude mít stejnou (nebo překrývající se) klauzuli match= .
<xsl:template match="*|/">
<xsl:apply-templates/>
<xsl:template>
<xsl:template match="*|/" mode="...">
<xsl:apply-templates mode="..."/>
<xsl:template>
Cíl: Vygenerovat na výstup předem daný element (s předem známým jménem), ale s atributy s hodnotami kalkulovanými při transformaci.
Řešení: Použít normální postup - literal result element - a hodnoty atributy specifikovat jako tzv. attribute value templates (AVT):
<link ref="odkaz_dovnitr_dok">
...
</link>
<xsl:template match="link">
<a href="#{@ref}"> ... </a>
</xsl:template>
Transformuje odkaz link na a , hodnotu atributu href spočte tak, že před hodnotu původního atributu ref přidá znak #
Cíl: Vygenerovat na výstup element, jehož název, atributy i obsah předem - při psaní stylu - neznáme.
Řešení: Použít do konstrukční části šablony xsl:element :
<generate element="elt_name"> ... </generate>
<xsl:template match="generate">
<xsl:element name="@element">
<xsl:attribute name="id">ID1</xsl:attribute>
</xsl:element>
</xsl:template>
Vytvoří element s názvem elt_name , opatří jej atributem id="ID1" .
Cíl: Větvit generování výstupu na základě podmínky.
Řešení: Použít do konstrukční části šablony větvení - jednoduché xsl:if nebo vícecestné xsl:choose / xsl:when / xsl:otherwise :
<rohlik cena="5"> ... </rohlik>
<xsl:template match="rohlik">
<p>
<xsl:if test="cena>2">
<span class="expensive">Drahý</span>
</xsl:if> rohlík - cena <xsl:value-of select="@cena"/> Kč </p>
</xsl:template>
Vytvoří element p , do něj vloží info o rohlíku - se zvýrazněním, je-li drahý.
<rohlik cena="5"> ... </rohlik>
<rohlik cena="2"> ... </rohlik>
<rohlik cena="0.9"> ... </rohlik>
<xsl:template match="rohlik">
<p>
<xsl:when test="cena>2">
<span class="expensive">Drahý</span>
</xsl:when>
<xsl:when test="cena<1">
<span class="strangely-cheap">Podezřele levný</span>
</xsl:when>
<xsl:otherwise>
<span class="normal-price">Běžný</span>
</xsl:otherwise> rohlík - cena <xsl:value-of select="@cena"/> Kč </p>
</xsl:template>
Odfiltruje dvě extrémní úrovně ceny - pro xsl:otherwise zůstane „normální“ cena.
Cíl: Větvit generování výstupu na základě podmínky.
Řešení: Použít do konstrukční části šablony větvení - jednoduché xsl:if nebo vícecestné xsl:choose / xsl:when / xsl:otherwise :
<pecivo>
<rohlik cena="5"> ... </rohlik>
<rohlik cena="2"> ... </rohlik>
<rohlik cena="0.9"> ... </rohlik>
</pecivo>
<xsl:template match="pecivo">
<xsl:for-each select="rohlik">
<p>Rohlík - cena <xsl:value-of select="@cena"/> Kč</p>
</xsl:for-each>
</xsl:template>
Vytvoří element p , do něj vloží info o rohlíku - se zvýrazněním, je-li drahý.
Pozor: Konstrukce xsl:for-each má typicky procedurální charakter, je dobré s ní šetřit. D8v8 toti6 minumum flexibility na obsah iterované množiny uzlů - tj. předem musím vědět, co tam bude.
Motivace: Módy umožňují mít paralelně sadu šablon se stejnými vzory match , používaných ale pro různé účely, např.:
Při explicitním vyvolání aplikace šablon ( apply-templates ) lze uvést mód (atributem mode= ):
Deklarace - xsl:template name="jmeno_sablony"
Šablona smí obsahovat deklarace parametrů:
Vložíme-li do konstrukční části šablony (do těla šablony) element xsl:number , zajistí nám vygenerování čísla daného čítačem.
Je možné uvést, podle čeho se má číslovat, např.:
pořadového čísla zdrojového elementu v rámci jeho rodičovského elementu
- a to i víceúrovňově, např. číslo kapitoly 1.1. apod.
Příklad 1.12. Automatické číslování podle pozice elementu
Aplikujeme-li tento styl
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="1.0">
<xsl:template match="/">
<html>
<body>
<xsl:for-each select="devguru_staff/programmer">
<xsl:number value="position()" format="1. " />
<xsl:value-of select="name" />
<br/>
</xsl:for-each>
</body>
</html>
</xsl:template>
</xsl:stylesheet>
na následující zdrojový soubor
<devguru_staff>
<programmer>
<name>Bugs Bunny</name>
<dob>03/21/1970</dob>
<age>31</age>
<address>4895 Wabbit Hole Road</address>
<phone>865-111-1111</phone>
</programmer>
<programmer>
<name>Daisy Duck</name>
<dob>08/09/1949</dob>
<age>51</age>
<address>748 Golden Pond</address>
<phone>865-222-2222</phone>
</programmer>
<programmer>
<name>Minnie Mouse</name>
<dob>04/13/1977</dob>
<age>24</age>
<address>4064 Cheese Factory Blvd</address>
<phone>865-333-3333</phone>
</programmer>
</devguru_staff>
dostaneme výslednou HTML stránku (nebrat v úvahu odsazení - to bude jiné...)
<html>
<body>1. Bugs Bunny<br>
2. Daisy Duck<br>
3. Minnie Mouse<br>
</body>
</html>
Příklad 1.13. Automatické víceúrovňové číslování
Aplikujeme-li tento styl
<xsl:stylesheet
xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="1.0">
<xsl:template match="/book">
<html>
<body>
<xsl:for-each select="chapter">
<h2>
<xsl:number count="chapter" format="1. "/>
<xsl:value-of select="title" />
</h2>
<xsl:for-each select="sect1">
<h3>
<xsl:number count="chapter" format="1. "/>
<xsl:number count="sect1" format="a. "/>
<xsl:value-of select="title" />
</h3>
<xsl:apply-templates select="para"/>
</xsl:for-each>
</xsl:for-each>
</body>
</html>
</xsl:template>
</xsl:stylesheet>
na následující zdrojový soubor
<book>
<title>Moje nová kniha</title>
<chapter>
<title>První kapitola</title>
<sect1>
<title>První sekce první kapitoly</title>
<para>Text</para>
</sect1>
<sect1>
<title>Druhá sekce první kapitoly</title>
<para>Text druhé sekce</para>
</sect1>
</chapter>
<chapter>
<title>Druhá kapitola</title>
<sect1>
<title>První sekce druhé kapitoly</title>
<para>Text</para>
</sect1>
<sect1>
<title>Druhá sekce druhé kapitoly</title>
<para>Text druhé sekce</para>
</sect1>
</chapter>
</book>
dostaneme výslednou HTML stránku
Preferovat funkcionální přístup - např. xsl:template match= a xsl:apply-templates select=
před procedurálním přístupem - xsl:template name= a xsl:call-template name=
Používat módy zpracování ( xsl:template ... mode= a xsl:apply-templates ... mode= )
Členit styly do menších znovupoužitelných celků (souborů) a podle potřeby je vřazovat pomocí xsl:include a nebo, ještě lépe, xsl:import - protože import upřednostňuje šablony uvedené přímo v základním stylu nad šablonami importovanými.
Podrobněji viz příspěvek TP pro DATAKON 2001 - fulltext příspěvku a slidy.
Identická transformace 1 (nepřevede do výsledku atributy kořenového elementu!) http://wwbota.free.fr/XSLT_models/identquery.xslt
Identická transformace 2 http://wwbota.free.fr/XSLT_models/identquery2.xslt
Identická transformace s potlačením elementů, které nemají na ose // (v dceřinných uzlech ani jejich potomcích) žádné textové uzly http://wwbota.free.fr/XSLT_models/suppressEmptyElements.xslt
Nahradí atributy pomocí elementů http://wwbota.free.fr/XSLT_models/attributes2elements.xslt
Dtto, ale elementy vzniklé z atributů jsou ve zvláštním jmenném prostoru xslt/attributes2elements.xslt
Reverzní transformace xslt/elements2attributes.xslt
Specifikováno konsorciem XML:DB
Podobná koncepce jako JDBC
Rozhraní je specifikováno na poměrně abstraktní úrovni, implementační detaily jsou skryty.
Základní objekty:
Driver - podobně jako JDBC Driver - abstrahuje přístup ke konkrétnímu DBS, implementuje rozhraní Database
DatabaseManager - řídí zavádění a správu jednotlivých ovladačů (Driver) databázových systémů
Collection - kolekce XML dokumentů v databázi. Konceptuálně srovnatelné s relační tabulkou (či celou databází). Kolekce totiž mohou být libovolně vnořené.
Services - rozhraní konkrétních služeb. Bez nich by XML:DB takřka nemělo smysl - teprve služby definují, co databáze „umí“. Typickou službou je např. XPathQueryService na vyhledávání dokumentů a jejich částí přes XPath. Další službou je např. XUpdateQueryService.
Resource - zhruba odpovídá JDBC resource. Obecně „nějaký“ zdroj - nemusí být jen XML, ale i binární. Je-li XML, pak např. SAX, DOM, XML text...
Rozhraní XML:DB je pro pohodlí programátora členěno do úrovní. Vždy si jednu z nich vybereme a využíváme její nabídky:
Příklad 1.14. Příklad programu využívajícího XML:DB
import org.xmldb.api.base.*;
import org.xmldb.api.modules.*;
import org.xmldb.api.*;
public class Query {
public static void main(String[] args) throws Exception {
Collection col = null;
try {
String driver = null;
String prefix = null;
if ( ( args.length == 1 ) && args[0].equals("dbxml") ) {
driver = "org.dbxml.client.xmldb.DatabaseImpl";
prefix = "xmldb:dbxml:///db/";
} else {
driver = "org.xmldb.api.reference.DatabaseImpl";
prefix = "xmldb:ref:///";
}
Class c = Class.forName(driver);
Database database = (Database) c.newInstance();
if ( ! database.getConformanceLevel().equals("1") ) {
System.out.println("This program requires a Core Level 1 XML:DB " + "API driver");
System.exit(1);
}
DatabaseManager.registerDatabase(database);
col = DatabaseManager.getCollection(prefix + "addresses");
String xpath = "/address[@id = 1]";
XPathQueryService service = (XPathQueryService) col.getService("XPathQueryService", "1.0");
ResourceSet resultSet = service.query(xpath);
ResourceIterator results = resultSet.getIterator();
while (results.hasMoreResources()) {
Resource res = results.nextResource();
System.out.println((String) res.getContent());
}
} catch (XMLDBException e) {
System.err.println("XML:DB Exception occurred " + e.errorCode + " " + e.getMessage());
} finally {
if (col != null) { col.close(); }
}
}
}
Open-source referenční implementace XML:DB.
Původně nazývána dbXML.
Velmi dobré úvodní informace lze získat v Introduction to Xindice
Příklad 1.17. Přidání, získání, zrušení dokumentu do/z kolekce „mojedok“
Přidání souboru (-Add Document, -File [filename], -n specifikuje klíč) :
xindice ad -c /db/mojedok -f c:/devel/mojedokumenty/md.xml -n mujklic
Získání dokumentu zpět (-Retrieve Document, -File)
xindice rd -c /db/mojedok -f c:/devel/mojedokumenty/md.out.xml
Zrušení dokumentu z databáze (-Delete Document)
xindice dd -c /db/mojedok -n mujklic
eXist je podobně jako Xindice open-source databáze podporující XML:DB.
samostatně běžící (standalone) server, přístupný soketovým spojením (XML-RPC, HTTP)
jako in-process (embedded) -server běžící v témže běhu JVM jako aplikace, která jej používá
jako webová aplikace - .war archív, který se instaluje (deploy) na servletový kontejner (např. Tomcat, Jetty, Bajie...)
eXist má Jetty server přibalen v instalačním balíku, viz eXist download.
Je možno instalovat na Win NT/2000, Linuxu...
Postupujeme přesně podle instrukcí v eXist Quickstart.
Doporučuji (odzkoušeno na Win 2000 Pro):
řídit se instalačními pokyny, instalovat např. do
\devel\eXist.
přepnout se do instalačního adresáře, otevřít Command
Shell/Prompt a spustit eXist přes Jetty webový server:
bin\startup.bat.
eXist ohlásí, že se spustil. Případné chybové hlášky loggeru ignorovat.
Pokud se v konfiguracích nic neměnilo, je služba eXist dostupná přes URL podobné tomuto: http://kleopatra.fi.muni.cz:8080/exist/. (tj. port 8080, cesta /exist)
Nyní můžeme vytvořit kolekci, přidat soubor, dotazovat se...
Vytvoříme kolekci mydocs a do ní přidáme
dokument databases.xml (tyto slidy):
Zadáme XPath dotaz, specifikujeme rozsah (ve které koleci hledat), uvedeme, kolik vyhovujících dokumentů v odpovědi vrátit.
rozsáhlý projekt - poskytnout jednotný komplexní značkovací jazyk pro „vešekerou“ programátorskou dokumentaci
nyní používáno k celé řadě jiných účelů - psaní článků (article), knih (book), jednotlivých kapitol (chapter), sekcí (section, sectX)
autorem je Norman Walsh (Sun Microsystems Inc.)
podrobnosti, DTD, help, software, styly k dispozici viz docbook.org
pravděpodobně nejrozsáhlejší existující značkování pro logický popis dokumentu
k DB existuje TDG (DocBook: The Definitive Guide) - také jako Windows Help
k vizualizaci (a převodu do tiskových formátů) z napsaného DocBookového dokumentu lze použít XSL styly
XSL styly jsou na http://docbook.sf.net
v rámci toho je i přizpůsobení DocBook Slides
styly formátují do HTML, XHTML, XSL:FO, ...
zpracování lze parametrizovat bez přepisování stylů
XML data jsou sice částečně „lidsky čitelná“, ale pro zpracování člověkem vyžadují transformaci do kvalitně zobrazitelné podoby - formátování.
Formátování je proces transformace primárních dat do lidsky čitelné „prezentovatelné“ podoby, určené k zobrazení, hlasové interpretaci, atd.
Rozlišujeme formátování na úrovni:
maximum sémantiky v datech je zachováno, je přidána formátovací sémantika - např. struktura publikace, členení na kapitoly, sekce; datový obsah je vyfiltrován pro účely zobrazení (např. metadata jsou redukována). Příklad formátu - DocBook.
původní sémantiku již nelze rekonstruovat, je přidána další formátovací sémantika - např. členění na nadpisy, tabulky, styly, přibývají instrukce pro volbu písma, barvu, odsazení, mezery mezi odstavci... Formátovaný dokument je stále relativně univerzálně zobrazitelný a přenositelný. Příklad formátu - HTML.
formátovaný dokument je v podstatě přesným popisem, jak vytisknout, zobrazit, hlasově přečíst dokument. Příklady formátu - PostScript, PDF.
Dokument na vyšších formátovacích úrovních (konceptuální) lze dále transformovat, zpracovávat...
Část sémantiky původních dat je však již ztracena a naopak formátovací sémantika je doplněna.
Viz např. formát DocBook - dokument v DocBooku už je článek, kniha, přednáška ve formě slidů... což původní zdrojová data nebyla.
Dokument formátovaný do formátů nižších úrovní (logický, fyzický) není obvykle určen k dalšímu zpracování vyjma přípravy pro tisk, zobrazení.
Viz např. HTML, PDF... (s jistými výjimkami)
Z primárních dat extrahujeme data potřebná. Vhodné nástroje:
poměrně nekomfortní, ale za běhu efektivní zpracování dat; pro pouhé filtrace elementů vyhoví; lze použít XMLFilter
DOM, dom4j a další reprezentace; náročnější na pamět i čas; dovoluje složitější manipulace
mocné, ale poněkud náročnější na zvládnutí
vhodné řešení, ale vyžaduje stroj na interpretaci
Příklad 1.19. Příklad XSLT extrakce
Ze všech programátorů v Devguru chceme zobrazit jen mladší 30 let:
<?xml version="1.0" encoding="Windows-1250"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
version="1.0" xmlns:saxon="http://icl.com/saxon"
extension-element-prefixes="saxon">
<xsl:strip-space elements="*" />
<xsl:output method="xml" encoding="Windows-1250" indent="no" />
<xsl:template match="programmer[number(age) < 30]">
<xsl:copy-of select="."/>
</xsl:template>
<xsl:template match="programmer"/>
<xsl:template match="/">
<young_programmers>
<xsl:apply-templates/>
</young_programmers>
</xsl:template>
</xsl:stylesheet>
Příklad 1.20. XSLT transformace do DocBooku
O všech mladších programátorech z Devguru napiš souhrnnou zprávu (styl je zkrácen):
<xsl:output method="xml" encoding="Windows-1250" indent="no"
doctype-system="http://www.oasis-open.org/docbook/xml/simple/1.0/sdocbook.dtd"
doctype-public="-//OASIS//DTD Simplified DocBook XML V1.0//EN"/>
<xsl:template match="programmer">
<row>
<entry>
<xsl:value-of select="name"/>
</entry>
<entry>
<xsl:value-of select="age"/>
</entry>
</row>
</xsl:template>
<xsl:template match="/">
<article>
<title>Seznam pracovníků mladších 30 let</title>
<table>
<title>Tabulka pracovníků mladších 30 let</title>
<tgroup cols="2">
<tbody>
<row><entry>jméno</entry><entry>věk</entry></row>
<xsl:apply-templates/>
</tbody>
</tgroup>
</table>
</article>
</xsl:template>
...
Příklad 1.21. XSLT transformace do DocBooku
Zprávu o mladších programátorech formátuj do HTML:
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
<head>
<meta http-equiv="Content-Type" content= "text/html;charset=ISO-8859-1">
<title>Seznam pracovníků mladších 30 let</title>
<link rel="stylesheet" href="html.css" type="text/css">
<meta name="generator" content= "DocBook XSL Stylesheets V1.60.1">
</head>
<body bgcolor="white" text="black" link="#0000FF" vlink= "#840084" alink="#0000FF">
<div class="article" lang="en">
<div class="titlepage">
<div><div>
<h2 class="title">
<a name="d0e1"></a>Seznam pracovníků mladších 30 let
</h2>
</div></div>
<hr>
</div>
<div class="table">
<a name="d0e4"></a>
<p class="title">
<b>Table 1. Tabulka pracovníků mladších 30 let</b>
</p>
<table summary="Tabulka pracovníků mladších 30 let" border="1">
<colgroup>
<col>
<col>
</colgroup>
<tbody>
<tr><td> jméno </td> <td> věk</td> </tr>
<tr> <td> Minnie Mouse</td> <td> 24 </td> </tr>
</tbody>
</table>
</div>
</div>
</body>
</html>
k transformaci pro tato média lze použít XSLT (do plaintextu, HTML, XHTML...), speciálních nástrojů (např. RTF FormattingKit, viz RTF FormattingKit web pro RTF)
pokud je formátování určeno k prohlížení na webu (prohlížečem), je možné pro specifikaci stylu použít konvenci (<?xml-stylesheet type="text/xsl" href="somestylesheet.xsl"?>)
totéž lze použít i pro CSS styly
pro XML je použitelná verze CSS2
k transformaci pro tato média lze použít XSLT (do plaintextu, HTML, XHTML...), speciálních nástrojů (např. RTF FormattingKit, viz RTF FormattingKit web pro RTF)
pokud je formátování určeno k prohlížení na webu (prohlížečem), je možné pro specifikaci stylu použít konvenci typu <?xml-stylesheet type="text/xsl" href="somestylesheet.xsl"?>.
totéž lze použít i pro styly CSS (pro XML je použitelná verze CSS2)
dobré informační zdroje k použití CSS pro XML:
Validace dokumentů s CSS styly:CSS Validátor na W3C: http://jigsaw.w3.org/css-validator/
obvyklý postup:
transformace XML -- XSL:FO pomocí XSLT
rendering XSL:FO do PDF/PS pomocí Apache FOP nebo jiného (komerčního) nástroje
nebo přes PassiveTex do TeXového zdroje a pak standardní TeXovou cestou (TeX -- DVI -- PS nebo TeX -- PDF s pomocí pdfTeXu)
jak může vypadat celý postup zpracování, ukazuje návod J. Pavloviče k modulu xslt2
pro mobilní telefony s WAP: v podstatě obdobné jako pro web, jazykem popisu WAP stránek je WML
použijí se typicky opět XSLT transformace
pro PDA: typicky nemají on-line spojení, připojují se "občas" přes stolní počítač zapojený do internetu
proto potřebují systém na stažení, kompresi a off-line prohlížení webových stránek
možným řešení je AvantGo.com: pro uživatele zdarma, pro poskytovatele obsahu je to komerční systém (omezené použití (málo uživatelů) zdarma)
AvantGo systém je rozdělen na serverovou část (na výše uvedené adrese) a klientskou část rozdělenou na desktop (menší část) a PDA počítač (větší část)
technicky je AvantGo schopno přizpůsobit a zobrazit "skoro normální HTML"
problémy jsou pochopitelně s interaktivními aplikacemi (formuláře) -- částečně lze řešit tzv. Form Managerem
bližší informace k technice tvorby webů pro AvantGo
VoiceXML je značkovací jazyk určený k popisu dialogu vedeného hlasovým rozhraním
Dave Raggett's Introduction to VoiceXML 2.0
...další informace spolu se systémem Elvira (vyvíjeným na FI) najdete na domovské stránce projektu
XSL:Formatting Objects (XSL:FO) je standard pro platformově neutrální, v XML zapsaný popis (tiskového) formátu publikací
dány standardem W3C - viz http://www.w3.org/Style/XSL/
k transformaci z XML do XSL:FO se typicky využívá XSLT (proto původně v jedné specifikaci)
dalším krokem bývá transformace XSL:FO do PDF/PS např. nástrojem Apache FOP.
obvykle kvalitnějšího výstupu dosáhneme použitím komerčního nástroje, který také podporuje širší škálu formátovacích objektů. Viz např. RenderX XEP .
dobrý úvodní článek What is XSL:FO (Ken Hollman, XML.COM)
kvalitní XSL FO Tutorial (firma RenderX)
Stylesheet Tutorial, Sample Files of Formatting Objects and Sample Stylesheets
RDF Model a RDf Schema jsou doporučeními W3C
Specifikace a další informace pracovní skupiny - http://www.w3.org/RDF
RDf je obecný mechanizmus pro specifikaci metadat
je použitelný k libovolných (i ne-digitálním) zdrojům
zdroj (resource) - např. http://www.fi.muni.cz/~tomp/xml
vlastnost (property) - např. popis
hodnota (value) - např. Domovská stránka předmětu P138 na FI MU v Brně
Dobrý úvodní článek na xml.com: What is RDF?
RDF Tutoriál - Zvon RDF Tutorial
RDF Tutorial http://www710.univ-lyon1.fr/~champin/rdf-tutorial/node1.html
Další RDF Tutorial (.ppt)
je generické metadatové schéma s univerzální použitelností
vznikl původně jako iniciativa knihovníků pro popis bibliografických informací
dnes univerzálně používán - např. pro metadatový popis informací ve veřejné správě (e-Government)
tvoří jej 15 základních elementů s rámcově definovanou sémantikou
elementy je možné rozšiřovat - rozkladem na (obvykle disjunktní) podmnožiny (vždy to musí být podmnožiny některého z původních elementů)
"Jednoduchý" nebo "základní" Dublin Core (angl. Simple Dublin Core nebo Unqualified Dublin Core, dále jen "jednoduchý DC") představuje základní soubor patnácti prvků, který vyvinula a podporuje
Iniciativa pro metadata Dublin Core (Dublin Core Metadata Initiative, DCMI, http://dublincore.org).
přijat konsorciem IETF jako tzv. dokument RFC (Request For Comment) 2431.
Momentálně je aktuální verzí Dublin Core 1.1.
Název Jméno dané zdroji Tvůrce Entita primárně odpovědná za vytvoření obsahu zdroje Předmět a klíčová slova Téma obsahu zdroje Popis Vysvětlení obsahu zdroje Vydavatel Entita odpovědná za zpřístupnění zdroje Přispěvatel Entita, která přispěla k vytvoření obsahu zdroje Datum Datum spojené s určitou událostí během existence zdroje Typ zdroje Povaha nebo druh obsahu zdroje Formát Fyzická nebo digitální reprezentace zdroje Identifikátor zdroje Jednoznačný odkaz na zdroj v rámci daného kontextu Zdroj Odkaz na zdroj, z něhož je popisovaný zdroj odvozen Jazyk Jazyk intelektuálního obsahu zdroje Vztah Odkaz na příbuzný zdroj Pokrytí Rozsah nebo záběr obsahu zdroje Správa autorských práv Informace o právech vztahujících se k popisovanému zdroji
Název Zelená kniha o elektronickém obchodu Tvůrce Úřad pro veřejné informační systémy, Úřad vlády Předmět Elektronický obchod, elektronický podpis, bezpečnost, správa Popis Vládní návrh podpory elektronického obchodu v České republice Datum vytvoření 2001-09-20 Datum zveřejnění 2001-10-17 Identifikátor ISBN:?????
(Qualified Dublin Core) obsahuje stejný soubor prvků jako jednoduchý DC a doporučuje další upřesnění a omezení každého prvku.
Typicky se tak děje na základě formálního nebo de-facto mezinárodního standardu, např. může požadovat, aby prvek "jazyk" byl vyplněn v souladu se seznamem ISO pro jazyky (ISO 639).
DTD - http://dublincore.org/documents/2001/11/28/dcmes-xml/dcmes-xml-dtd.dtd
XML Schema - http://dublincore.org/documents/2001/11/28/dcmes-xml/dcmes-xml-xsd.xsd
RDF Schema - rdf/dc-rdf-schema-cz.rdf
RDF Schema pro slovník typů (Type Vocabulary) - /~tomp/xml/rdf/dc-tv-rdf-schema-cz.rdf
Jena Java RDF API and toolkit http://www.hpl.hp.com/semweb/
další viz http://www.w3.org/RDF
Přijmout doporučení Dublin Core a osvojit jej jako Národní metadatový standard (NMS).
Rozšířit tento standard tak, aby vyhovoval potřebám veřejné správy jak pro snadné vyhledávání informací, tak pro správu informačních zdrojů.
Vyvinout Aplikační profil NMS, který bude obsahovat předepsaná kódovací schémata a závazný výklad jednotlivých metadatových prvků.
Připravit Tezaurus veřejné správy.
pro potřeby veřejné správy v zemích Evropské Unie, Austrálie, Kanady a Nového Zélandu je rozpracováván specifický aplikační profil Dublin Core.
Cílem MIReG je vytvořit metadatový rámec (metadata framework), příslušné referenční softwarové nástroje a soubor osvědčených postupů (best practice) pro implementaci rámce v jednotlivých zemích a sektorech. Přitom spolupracuje také s evropskou standardizační autoritou CEN, což dává předpoklad celoevropského respektování vzniklého doporučení.
proces zahájen na sérii pracovních seminářů Managing information resources for e-government (MIReG) a stal se součástí programu Interchange of Data between Administrations (IDA) Evropské Unie.
Dalším partnerem při vytváření evropského metadatového rámce je též projekt ParlML, zaměřený na zpřístupňování informací Evropského parlamentu.
Příslušná pracovní skupina připravuje doporučení DC-Gov Application Profile
Upřesnění (zjemnění, kvalifikaci, specializaci angl. element refinement) metadatových prvků, které přesněji určuje sémantiku daného prvku a tím jej rozděluje na jemněji (přesněji) určené podprvky - např. obecné datum lze kvalifikací rozdělit na menší části, a místo "datum" uvádět přesněji např. "datum vytvoření", "datum zveřejnění", "datum platnosti", "nástupnické datum".
Kvalifikovaný prvek lze však i nadále zpracovávat nástroji, které příslušné kvalifikaci "nerozumějí" - tyto nástroje potom chápou prvek jako by zůstal nekvalifikovaný (všeobecnější), tj. "datum zveřejnění" mohou chápat jako prosté "datum", čímž je sice část sémantiky ztracena, ale prvek může být stále užitečný např. pro vyhledávání.
Kódovací schémata (též kvalifikace hodnoty, angl. encoding scheme nebo value qualification) specifikující formát, ve kterém bude uložena hodnota pro příslušný metadatový prvek, např. "datum" vždy bude uváděno ve formátu rrrr-mm-dd (rok-měsíc-den), což definuje standard ISO 8601.
Kromě formátu může být kvalifikací hodnoty též např. specifikace měrné jednotky, v níž bude hodnota uváděna.
prostředek jak popisovat znalosti
množina pojmů a konstruktů, jak je odvozovat, spojovat atd.
základní kategorie ontologií jsou
Classes (general things) in the many domains of interest
The relationships that can exist among things
The properties (or attributes) those things may have
používá metadatové rámce (např. RDF), ale je
bohatší s přesnější sémantikou
předpokládá se vybudování obecného rámce pro tvorbu ontologií pro specifické domény
Další návrh pracovní skupině WebOnt - http://www.topicmaps.org/xtm/1.0