XML-Technologien. XML-Parser. Florian Raith Hochschule München Fakultät für Informatik und Mathematik am 04. November 2010

Transkript

1 XML-Technologien XML-Parser Florian Raith Hochschule München Fakultät für Informatik und Mathematik am 04. November 2010

2 XML-Technologien Inhalt Das Document Object Model (DOM) Simple API for XML Vergleich DOM, SAX XmlReader (Pull-Parser,.Net)

3 Allgemeines Schnittstellenbeschreibung für den Zugriff auf XML-Dokumente abstrakte Definition durch W3C (Interface Definition Language) unabhängig von Plattform und Programmiersprache erste Version wurde 1998 spezifiziert (Level 1) aktuell in der dritten Version (Level 3)

4 Funktionsprinzip Abbildung des Infosets in einem hierarchischen Objektbaum (Modell) Objektbaum wird im Speicher gehalten =>wahlfreihe Abfrage und Manipulation Architektur DOM- Modell XML- Dokument XML- Parser DOM- Schnittstelle (Objektbaum) DOM- Schnittstelle XML- Anwendung

5 Aufbau Objektbaum ein Knoten pro Informationseinheit Repräsentation jeder Informationseinheit durch entsprechenden Knotentyp (Document, Element, Attr, Comment ) Knoten vom Typ Document als Wurzelknoten Interface Node wird von jedem Knotentyp implementiert => Methoden und Attribute zur einheitlichen Navigation und Manipulation

6 DOM Vererbungshierarchie Zusätzliche Schnittstellen:

7 Interface Node Attribute zur Navigation im Objektbaum: readonly attribute NodeList childnodes; readonly attribute NamedNodeMap attributes; readonly attribute Node parentnode; readonly attribute Node firstchild; readonly attribute Node lastchild; Manipulation des Objektbaums: Node insertbefore(node newchild, Node refchild) Node insertafter(node newchild, Node refchild) Node replacechild(node newchild, Node oldchild) Node removechild(node oldchild) Node appendchild(node newchild) readonly attribute Node previoussibling; readonly attribute Node nextsibling; Identifizierung des Knotentyps: readonly attribute unsigned short nodetype;

8 Beispiel DOM-Objektbaum <?xml version= 1.0 encoding= UTF-8?> <!DOCTYPE sammlung SYSTEM buecher.dtd > <sammlung> Processing Instruction Document Document Type sammlung

9 Beispiel DOM-Objektbaum <?xml version= 1.0 encoding= UTF-8?> Document <!DOCTYPE sammlung SYSTEM buecher.dtd > <sammlung>  Processing Instruction Document Type sammlung <> </> <> Kommentar verlag </ <verlag id = springer name= Springer Verlag ort= Muenchen /> <verlag id = wesley name= Addison-Wesley Verlag ort= Muenchen /> </sammlung>

10 Beispiel DOM-Objektbaum <?xml version= 1.0 encoding= UTF-8?> <!DOCTYPE sammlung SYSTEM buecher.dtd > <sammlung>  Processing Instruction <> <titel>designpattern</titel> <>Erich Gamma</> <>Richard Helm</> </> <> <titel>xml in a Nutshell</titel> <>Scott Means</> </ <verlag id = springer name= Springer Verlag ort= Muenchen /> <verlag id = wesley name= Addison-Wesley Verlag ort= Muenchen /> </sammlung> Document Document Type sammlung Kommentar verlag titel Designpattern Erich Gamma Richard Helm

11 Beispiel DOM-Objektbaum <?xml version= 1.0 encoding= UTF-8?> <!DOCTYPE sammlung SYSTEM buecher.dtd > <sammlung>  < isbn= 456 verlag= wesley > <titel>designpattern</titel> <>Erich Gamma</> <>Richard Helm</> </> < isbn= 123 verlag= springer > <titel>xml in a Nutshell</titel> <>Scott Means</> </ <verlag id = springer name= Springer Verlag ort= Muenchen /> <verlag id = wesley name= Addison-Wesley Verlag ort= Muenchen /> </sammlung> Processing Instruction Document Document Type sammlung verlag Kommentar verlag isbn titel Designpattern Erich Gamma Richard Helm

12 Bewegen im Objektbaum (Beispiel C#) XMLDocument doc; Document //Nach unten klettern Processing Instruction Document Type sammlung XmlNode node = doc.documentelement; Kommentar verlag titel Designpattern Erich Gamma Richard Helm

13 Bewegen im Objektbaum (Beispiel C#) XMLDocument doc; Document //Nach unten klettern Processing Instruction Document Type sammlung XmlNode node = doc.documentelement.childnodes[1]; Kommentar verlag titel Designpattern Erich Gamma Richard Helm

14 Bewegen im Objektbaum (Beispiel C#) XMLDocument doc; Document //Nach unten klettern Processing Instruction Document Type sammlung XmlNode node = doc.documentelement.childnodes[1].firstchild; Kommentar verlag titel Designpattern Erich Gamma Richard Helm

15 Bewegen im Objektbaum (Beispiel C#) XMLDocument doc; Document //Nach unten klettern Processing Instruction Document Type sammlung XmlNode node = doc.documentelement.childnodes[1].firstchild.firstchild; Kommentar verlag titel Designpattern Erich Gamma Richard Helm

16 Bewegen im Objektbaum (Beispiel C#) XMLDocument doc; Document //Nach unten klettern Processing Instruction Document Type sammlung XmlNode node = doc.documentelement.childnodes[1].firstchild.firstchild; Kommentar verlag //Nach oben klettern node = titel node.parentnode; Designpattern Erich Gamma Richard Helm

17 Bewegen im Objektbaum (Beispiel C#) XMLDocument doc; Document //Nach unten klettern Processing Instruction Document Type sammlung XmlNode node = doc.documentelement.childnodes[1].firstchild.firstchild; Kommentar verlag //Nach oben klettern node = titel node.parentnode.parentnode; Designpattern Erich Gamma Richard Helm

18 Bewegen im Objektbaum (Beispiel C#) XMLDocument doc; Document //Nach unten klettern Processing Instruction Document Type sammlung XmlNode node = doc.documentelement.childnodes[1].firstchild.firstchild; Kommentar verlag //Nach oben klettern node = titel node.parentnode.parentnode.nextsibling; Designpattern Erich Gamma Richard Helm

19 Document - Knoten primärer zugang zum Objektbaum Document Fabrikmethoden zur Erzeugung neuer Knoten Processing Instruction Document Type sammlung Element createelement(string tagname) Text createtextnode(string data); mögliche Kindknoten: -> max. ein Elementknoten -> max. ein Document Type Knoten -> Processing Instructions -> Kommentare Kommentar verlag titel Designpattern Erich Gamma Richard Helm

20 Element - Knoten Repräsentiert normales Element (Tag) Document Methoden zur Verwendung von Attributen Processing Instruction Document Type sammlung boolean hasattribute(string name); Attr getattributenode(string name); Attr setattributenode(attr newattr); Kommentar verlag Durchsuchen nach Kind-Elementknoten titel NodeList getelementsbytagname(string name); Designpattern Erich Gamma Richard Helm

21 Attribut - Knoten Zugriff über Node-Interface ist nicht möglich trotz Implementierung Document => Aufruf führt zu DOMException bzw. null-return Processing Instruction Document Type verlag sammlung Zugriff nur über Attribute und Methoden des Element-Knoten möglich Kommentar isbn verlag titel Designpattern Erich Gamma Richard Helm

22 Beispiel 1: DOM Inhaltsstruktur ausgeben Vorgehensweise: 1. DOM Parsen und in den Speicher laden 2. Oberste Hierarchie-Ebene durchlaufen und nach Element-Knoten durchsuchen. 3. Element-Knoten nach Attributen durchsuchen 4. Rekursiver Aufruf für Kind-Knoten

23 Einfügen von Knoten (Beispiel C#) XMLDocument doc; Document //Nach unten klettern XmlNode currentnode = Processing Instruction Document Type sammlung doc.documentelement.childnodes[2]; //neuen Knoten erzeugen XmlNode newnode = Kommentar document.createelement( ); titel //Knoten einfügen doc.documentelement.insertafter(newnode,currentnode); Designpattern Erich Gamma Richard Helm

24 Beispiel 2: Element-Knoten mit Attributen einfügen Vorgehensweise: 1. DOM Parsen und in den Speicher laden 2. Notwendige Knoten erzeugen und verketten 3. Einfügen in den Objektbaum

25 Simple API for XML Allgemeines Schnittstellenbeschreibung für den Zugriff auf XML-Dokumente unterliegt keinem Konsortium => defacto Standard (Spec. unter: entstanden aus Java-API Veröffentlichung von SAX 1.0 durch die XML_DEV Community (1998) Aktuell in der Version 2.0.1

26 Simple API for XML Funktionsprinzip Sequentielles Parsen eines XML-Dokuments Event-basiert verschiedene EventHandler stehen zur Verfügung: SAXParserFactory ContentHandler XML - Dokument XML - Parser ErrorHandler DTDHandler EntityResolver

27 Simple API for XML Ablauf 1. Eventhandler anlegen (Implementierung entspr. Interfaces) 2. Parser anlegen, konfigurieren und starten 3. Aufruf der Methoden in den Eventhandlern durch den Parser Developer Code SAX Implementation (Parser)

28 Simple API for XML ContentHandler - Interface Wichtigster Handler, wird zum Verarbeiten des Inhalts verwendet definierte Methoden: setdocumentlocator(locator loc) startelement() characters() endelement() startdocument() enddocument() startelement(string uri, String localname, String qname, Attributes atts) <Lager><Artikel><Bezeichnung>Buch</Bezeichnung> endelement(string uri, String localname, String qname) characters (char[] ch, int start, int length)

29 Simple API for XML ErrorHandler - Interface error(saxparseexception exception) Parsen kann trotzdem abgeschlossen werden (z.b. not valid) fatalerror(saxparseexception exception) Parsen sollte i.d.r. nicht fortgesetzt werden (z.b. not wellformed) warning(saxparseexception exception) Ereignis das weder der FatalError noch der Error Spezifikation entspricht

30 Simple API for XML DTDHandler - Interface Behandlung von unparsed Entities: unparsedentitydecl(string name, String publicid, String systemid, String notationname) Behandlung von Notations: public void notationdecl(string name, String publicid, String systemid) EntityResolver - Interface Verwendung externer Entities: resolveentity(string publicid, String systemid)

31 Simple API for XML Beispiel 3: Aufgabe: 1. XML-Dokument buecher.xml nach folgenden Kriterien durchsuchen: Wie viele verschiedene Bücher? Wie viele verschiedene Autoren? Gesamtanzahl der Bücher? 2. XML-Dokument validieren.

32 DOM vs. SAX Vorteile DOM Navigation im gesamten Dokument ist möglich Das Dokument kann beliebig manipuliert werden Erstellen neuer Dokumente ist möglich komfortablere Programmierschnittstelle Nachteile DOM hohe Ressourcen-Anforderungen Dokumentgröße ist durch den Hauptspeicher begrenzt

33 DOM vs. SAX Vorteile SAX kaum Anforderungen an System-Ressourcen schneller, da nicht erst ein Objektbaum in den Speicher geladen wird Verarbeiten von beliebig große Dokumenten problemlos möglich Nachteile SAX Fehler im Dokument werden erst spät erkannt Navigation im Dokument nicht möglich hoher Programmieraufwand bei komplexen Dokumenten

34 XMLReader (.NET) Allgemeines keine SAX Implementierung in.net enthalten sequentielle XML-Verarbeitung durch XMLReader im Namespace System.Xml Größter Unterschied: SAX: Push-Mechanismus XMLReader: Pull-Mechanismus

35 XMLReader (.NET) Anlegen und Konfigurieren Konfiguration in XMLReaderSettings XmlReaderSettings settings = new XmlReaderSettings(); settings.validationtype = ValidationType.DTD; settings.dtdprocessing = DtdProcessing.Parse; Anlegen durch Create() String path ; XmlReader reader = XmlReader.Create(path, settings);

36 XMLReader (.NET) Navigation Sprung zum nächsten Knoten (kleinster Schritt) bool Read() Elemente: bool ReadToDescendant(string name) bool ReadToFollowing(string name) bool ReadToNextSibling(string name) void Skip() Attribute: bool HasAttributes() bool MoveToNextAttribute() bool MoveToAttribute(string name)

37 XMLReader (.NET) Vorteile des Pull-Mechanismus Kombination mehrerer Eingabestreams möglich Push-Modell kann aus Pull-Modell realisiert werden, nicht umgekehrt nicht benötigte Knoten können übersprungen werden => Steigerung der Effizienz

38 XMLReader (.NET) Beispiel 4: XmlReader Aufgabe: 1. Personen- und Adressdaten suchen und in geeigneten Objekten speichern. 2. Rahmenbedingung: Effizienz

39 XML-Technologien Vielen Dank für Ihre Aufmerksamkeit!