XML. extensible Markup Language. Dr. Beatrice Amrhein.

Transkript

1 XML extensible Markup Language Dr. Beatrice Amrhein

2 2

3 Inhaltsverzeichnis 1 XML Grundlagen Die wichtigsten Punkte XML Sprachen und Anwendungen Der Aufbau eines XML Dokuments Elemente Attribute Zeichen- und Entity-Referenzen Kommentare und Verarbeitungsanweisungen Die XML Deklaration XML Knotentypen und Nachfolger Wohlgeformtheit: Zusammenfassung Namespaces Wozu dienen Namespaces? Definition eines Namespaces Qualifizierte Element-Namen XSD: XML Schema Definition Deklarationen <--> Definitionen Deklaration von einfachen Typen Vordefinierte primitive Schema Typen Attribut Deklarationen Komplexe Schema Typen Spezielle Schema Elemente Schlüssel SAX: Simple Application Interface for XML Was ist SAX? Wofür ist SAX geeignet? Wie funktioniert SAX? Übersicht über das SAX API Implementation des Default Handlers Fehlerbehandlung: ErrorHandler...42 Ein SAX Beispiel DOM: Das Document Object Model...45 Was ist DOM?...45 Die DOM Node Typen Die org.w3c.dom Java Interfaces Benutzen des DOM Parsers StAX: Streaming API for XML Was ist StAX? JAXB: Java Architecture for XML Binding Die JAXB Architektur Das Binding Übersetzung verschiedener Basis-Datentypen Erzeugen der Java Klassen Einlesen der XML Daten Schreiben der Daten in ein XML File Anpassen der generierten Java Klassen und Member Variablen Externe Binding-Deklaration Erzeugen von Schematas Schreiben von XML Daten ohne ObjectFactory Die Transformations-Sprache XSLT

4 8.1 Wie funktioniert XSLT? Der Aufbau eines Stylesheets: Templates Die wichtigsten XSLT Befehle Grundlegendes zu XSLT Default Template Regeln Template Driven vs. Data Driven Stylesheets XPath: Die XSL Adressierungssprache Die XPath Syntax Adressierungs-Achsen Die wichtigsten XPath Funktionen XSL-FO Einführung Die wichtigsten FO Elemente Die wichtigsten Attribute

5 1 XML Grundlagen 1.1 Die wichtigsten Punkte XML ist dazu gemacht, Informationen auszutauschen, zu speichern und zu übertragen, aber nicht um Daten darzustellen. In HTML sind Daten und deren Darstellung vermischt. In XML sind die Daten von deren Präsentation getrennt. XML wird benutzt, um Daten zwischen verschiedenen Applikationen, Datenbanken, Computer Systemen und auch über das Internet auszutauschen. XML ist keine Programmiersprache, sondern ein Standard, um Informationen zu strukturieren, zu verschicken oder zu speichern. XML trennt Information von deren Darstellung -- im Gegensatz zu HTML XML vereinfacht den Daten Austausch zwischen inkompatiblen Systemen. XML vereinfacht den Austausch von Informationen über das Internet (B2B). XML Dokumente sind Unicode Text Files, einfach lesbar und somit einfach benutzbar. Aus XML entstehen neue Sprachen: SVG, WAP (Wireless Application Protocol ), WML (Wireless Markup Language), CML (Chemical Markup Language ), MathML,... Immer mehr Applikationen haben XML Schnittstellen, (Datenbanken, MSExcel, MSWord, SAP...), was den einfachen Austausch von Informationen erlaubt. XML wurde 1998 von einer Arbeitsgruppe des World Wide Web Consortium (W3C) definiert, um Informationen im World Wide Web bereitzustellen. extensible: Die Tag-Menge ist erweiterbar (Metasprache) markup: Die Tags enthalten Metadaten Ein HTML Beispiel <html> <h1>people</h1> <table border="1"> <tr> <th>name</th> <th>profession</th> </tr> <tr> <td>alan Turing</td> <td>computer scientist</td> </tr> <tr> <td>richard M. Feynman</td> <td>physicist</td> </tr> </table> </html> 5

6 Ein XML Beispiel XML Dokumente sind reine Datenfiles und enthalten im Gegensatz zu HTML normalerweise keine Präsentations-Hinweise. <?xml version="1.0"?>  <people> <person> <name>alan Turing</name> <profession>computer scientist</profession> </person> <person> <name>richard M. Feynman</name> <profession>physicist</profession> </person> </people> Der Unterschied von XML zu HTML HTML ist endliche Menge von Formatierungselementen wie Überschriften, Absätze, Listen, Tabellen usw. und dient zur Darstellung von Informationen XML ist eine erweiterbare Menge struktureller und inhaltlicher Elemente und enthält die Beschreibung und die Struktur der Informationen 6

7 1.2 XML Sprachen und Anwendungen Durch Vereinbaren gewisser Tags, wird eine gemeinsame (Austausch-) Sprache für mathematische oder chemische Formeln, Bilder, Ressourcen,... definiert. Extensible HyperText Markup Language (XHTML) Scalable Vector Graphics (SVG) Mathematical Markup Language (MathML) XML Schema Definition (XSD) Wireless Markup Language (WML) Chemical Markup Language (CML) Financial Products Markup Language (FpML) User Interface Markup Language (UIML) Geography Markup Language (GML) Bean Markup Language (BML)... Obwohl XML zunächst vor allem für Internet Applikationen definiert wurde, wird XML heute für verschiedenste Anwendungen eingesetzt. Die Standards werden darum laufend den neuen Bedürfnissen angepasst. Elektronischer Datenaustausch zwischen Firmen (B2B) Konfigurationsfiles von Software Erstellen und Verarbeiten von Textdokumenten (vgl. DocBook) Definition von Netzwerk- oder Internet Protokollen (SOAP, WSDL,...) Schnittstelle zu Datenbanken Deklarative Programmierung Der Aufbau eines XML Dokuments XML-Dokumente müssen wohlgeformt sein. Das heisst, sie müssen nach gewissen Regeln aufgebaut sein.ein XML-Dokument heisst wohlgeformt, wenn es die syntaktischen Regeln der Spezifikation einhält, bzw. wenn ein XML-Parser das Dokument ohne Fehler einlesen kann. XML-Dokument XML-Parser Applikation Einige der Regeln sind: Es gibt im XML-Dokument genau ein äusserstes Element (Root Element). Jedes Element hat ein Start- und ein passendes End-Tag. Die Elemente sind korrekt geschachtelt.... Dieses Kapitel behandelt im Folgenden die vollständigen Regeln für die Wohlgeformtheit. 7

8 Ein Beispiel <?xml version="1.0"?> Prolog  optionaler Kommentar <people> <person> <name>alan Turing</name> <profession> computer scientist </profession> </person> Root / Document <person> -element <name>richard M. Feynman</name> <profession> physicist </profession> </person> </people> <people> ist das Root-Element oder Document-Element des XML Dokuments. Die zwei <person> Elemente sind Kind-Elemente von <people> Das <name> Element hat als Kind einen Text-Knoten. 1.4 Elemente Die Struktur eines Elements <person> <name>alan Turing</name> <profession> computer scientist </profession> </person> Start-Tag End-Tag Inhalt Jedes Element beginnt mit einem Start-Tag (hier <person>) und endet mit einem End-Tag </person>. Start- Tag und End-Tag müssen identisch sein (case-sensitiv) bis auf den Slash im End-Tag. Gültige Element Namen Elementnamen dürfen Buchstaben, Ziffern, Unterstriche (_), Bindestriche (-) und Punkte (.) enthalten Elementnamen müssen mit einem Buchstaben oder einem Unterstrich beginnen Doppelpunkte sind für Namespaces reserviert Gültige Namen Ungültige Namen <Drivers_License_Number> <Driver's_License_Number> <year-month-day> <year/month/day> <firstname> <first Name> 8

9 Der Element-Inhalt Der Inhalt eines Elementes kann aus Zeichendaten oder aus weiteren Elementen bestehen: <person> <name> <firstname>alan</firstname> <lastname>turing</lastname> </name> <profession>computer scientist</profession> <profession>mathematician</profession> <profession>cryptographer</profession> </person> <firstname> und <lastname> sind Elemente, welche als Kinder nur Zeichendaten (Text-Knoten) enthalten. <name> und <person> enthalten weitere Kind-Elemente. Der folgende Baum entspricht (hier) gerade dem DOM (Document Object Model). Die Blätter eines XML-Baums sind entweder Text-Knoten (Zeichendaten, Strings) oder leere Knoten. Man unterscheidet im Baum zwischen Kindern (d.h. direkten Nachfolgern) und allgemeinen Nachfolgern auf beliebigen Stufen (Kinder, Enkel, Urenkel,...) Elemente mit gemischten Inhalt Textorientierte XML-Dokumente enthalten oft Elemente mit gemischtem Inhalt. Beispiele davon sind Briefe, Reports, Bücher, Artikel,... <biography> <name>alan Turing</name> was one of the first people to truly deserve the name <profession>computer scientist</profession> </biography> Das <biography> Element ist ein sog. "mixed element". Es enthält sowohl Zeichendaten (Text-Knoten) als auch Element-Knoten. 9

10 Im zugehörigen XML Baum hat das biography Kinder darum Elemente und Text-Knoten als Kinder. biography name Alan Turing was one of the... profession computer scientist Leere Elemente Leere Elemente sind solche ohne Inhalt. <image></image> Bei leeren Elementen darf der End-Tag fehlen, die Darstellung verkürzt sich auf den Start-Tag. <image/> 1.5 Attribute Das Start-Tag eines Elements kann ein oder mehrere Attribute enthalten <person born="1912/06/23" died="1954/06/07"> <name>alan Turing</name> <image src="turing.jpg"/> </person> Nur das Start Tag darf Attribute enthalten. Attribut Werte müssen in Anführungszeichen (") oder in Apostrophe (') eingeschlossen werden Attribut Werte dürfen das Zeichen, in das sie eingeschlossen sind, nicht enthalten Attribut Werte dürfen das Zeichen < nicht enthalten Attribut Werte dürfen das Zeichen & nur am Anfang einer Zeichen- oder Entity-Referenz enthalten Ein Element darf nicht zwei Attribute mit dem gleichen Namen haben Attribute können nicht verschachtelt werden Die Reihenfolge der Attribute ist unwesentlich Attribute sind darum eher für Metadaten, Elemente für die eigentlichen Daten zu verwenden. Die Unterscheidung zwischen Daten und Metadaten ist allerdings nicht immer einfach. 10

11 1.6 Zeichen- und Entity-Referenzen Sonderzeichen können als Zeichen Referenzen (Entity) mit dem entsprechenden Unicode eingefügt werden: <copyright> Copyright 2001</copyright> Beispiele von Zeichen Referenzen: (Copyright) (Euro) Für die Zeichen &, <, >, '," gibt es spezielle Entity Referenzen Zeichen Entity-Referenz & & < < > > ' ' " " <publisher> O'Reilly & Associates </publisher> Durch Angabe des entsprechenden Zeichensatzes wie zum Beispiel <?xml version="1.0" encoding="iso "?> werden die Umlaute ä, ö, ü als Zeichen erkannt und müssen nicht als Referenzen angegeben werden. 1.7 Kommentare und Verarbeitungsanweisungen Kommentare dienen der Dokumentation des XML Codes und können überall ausser innerhalb eines Tags stehen  Kommentare dürfen ausser am Anfang () keine "--" Sequenz enthalten. Verarbeitungsanweisungen (Processing Instructions) liefern Informationen für bestimmte Anwendungen und stehen normalerweise im Prolog des XML- Dokuments <?robots index="yes" follow="no"?> Eine spezielle Verarbeitungsanweisung ist die XML Deklaration zu Beginn des Dokumentes <?xml version="1.0" encoding="iso "?> Eine andere Verarbeitungsanweisung wird zum Verknüpfen eines XSL-Stylesheets verwendet <?xml-stylesheet href="stl.xsl" type="text/xsl"?> 1.8 Die XML Deklaration Die XML-Deklaration ist optional, muss aber - falls vorhanden - ganz am Anfang des XML-Dokuments stehen <?xml version="1.0" encoding="utf-8"?> <?xml version="1.0" encoding="iso "?> Das Encoding gibt die für das XML Dokument verwendete Codierung an. 11

12 1.9 XML Knotentypen und Nachfolger Wenn man in XML von Knoten redet, meint man die Bestandteile der Dokument-Baumstruktur. Die verschiedenen XML Knotentypen sind Elemente --> <firstname>... </firstname> Attribute --> date="1912" Textknoten --> Alan Kommentarknoten -->  Verarbeitungsanweisungen --> <? processing introduction?> Wir betrachten das folgende Beispiel: <people>  <person> <name> <firstname>alan</firstname> <lastname>turing</lastname> </name> <born date= 1912/06/23 > <profession>computer scientist</profession> <profession>cryptographer</profession> </person> <people> Jedes XML-Dokument beginnt mit einem Wurzelknoten. Dieser hat jedoch keine konkrete Ausprägung, sondern ist nur der abstrakte "Ursprung" der Daten und wird oft mit einem Slash (/) bezeichnet. Erst sein unmittelbarer Abkömmling in der Baumstruktur hat eine konkrete Ausprägung: nämlich das Root- Element oder Dokument-Element, also das äusserste, den gesamten Inhalt umfassende Element (hier <people>). Das Root-Element hat in unserem Beispiel zwei Kind-Knoten (bzw. direkte Nachfolger): einen Kommentar- Knoten und ein person Element. Aus Sicht des person Elements ist der Knoten people der Elternknoten, oder das Elternelement. Der person Knoten hat vier Kind-Knoten, nämlich ein name Element, ein born Elemen und zwei profession Elemente. Das born Element hat einen assoziierten Knoten, nämlich ein Attribut namens date. Der Kind-Knoten von firstname ist der Text-Knoten Alan. Die (direkten und indirekten) Nachfolger des person-elementes sind dessen Kinder (name, born, profession) sowie die indirekten Nachfolger firstname und lastname Wohlgeformtheit: Zusammenfassung XML-Dokumente müssen wohlgeformt sein. Das heisst, sie müssen nach folgenden Regeln aufgebaut sein: Es gibt im XML-Dokument genau ein äusserstes Element (Document- oder Root-Element) Jedes Element hat ein Start- und ein passendes End-Tag (case-sensitive!) Die Elementnamen bestehen aus Buchstaben, Ziffern und den Zeichen Punkt, Unterstrich, Bindestrich und Doppelpunkt (für Namespaces) Elementnamen beginnen mit einem Buchstaben oder einem Unterstrich Die Elemente sind korrekt geschachtelt Alle Attribut-Werte stehen im Start-Tag eines Elements und in Anführungszeichen (Single oder Double Quotes) Ein Element hat nicht mehrere Attribute mit demselben Namen Kommentare und Verarbeitungsanweisungen stehen nicht innerhalb von Tags Attribut-Werte dürfen die Zeichen < nicht enthalten und & nur für Entities 12

13 2 Namespaces 2.1 Wozu dienen Namespaces? Namespaces werden benötigt um: Namenskonflikte bei Elementen und Attributen zu vermeiden. Elemente und Attribute einer bestimmten XML-Anwendung zuzuordnen (XSL, SVG, MathML, FO,...). Browser können diese automatisch erkennen und umsetzen. die gewohnten Namen (title, name, type,...) für verschiedene Anwendungen benutzen zu können. Ein SVG Beispiel <svg:svg xmlns:svg=" > <svg:g font-family="helvetica" font-size="6"> <svg:rect x="10" y="33" width="10" height="10" fill="#ffcccc"/> <svg:text x="7" y="50">0 sec.</svg:text> <svg:rect x="60" y="20" width="10" height="10" fill="#ffcccc"/> <svg:text x="52" y="40">3 sec.</svg:text> <svg:path d="m-5,0 L0,-10 L5,0 z" fill="blue" stroke="red"> <svg:animatemotion from="15,43" to="65,30" begin="0s" dur="3s"/> </svg:path> </svg:g> </svg:svg> Ein MathML Beispiel MathML wird in diesem Beispiel innerhalb von einer HTML Seite benutzt. <html xmlns=" <body> <h4>can your browser display Presentation MathML?</h4> <p> <m:math xmlns:m=" <m:mrow> <m:msup> <m:mfenced open="[" close="]"> <m:mrow> <m:mi>a</m:mi> <m:mo>+</m:mo> <m:mi>b</m:mi> </m:mrow> </m:mfenced> <m:mn>260</m:mn>... </p>... 13

14 Beispiel eines Namenskonflikts Namen wie date, title, name, description will man oft in verschiedenstem Kontext benutzen können: <?xml version="1.0"?> <catalog> <description> <title>impressionist Paintings</title> <creator>elliotte Rusty Harold</creator> <date> </date> </description> <painting> <title>memory of the Garden at Etten</title> <artist>vincent van Gogh</artist> <date> <month>november</month> <year>1888</year> </date> </painting> </catalog> 2.2 Definition eines Namespaces Durch Definieren eines Namespaces werden die Namen eindeutig description painting creator title date artist day month year description painting dc:creator dc:date dc:title pt:artist pt:title pt:day pt:date pt:month pt:year Ein Namespace wird durch einen URI definiert: xmlns:dc= xmlns:m=" Der URI zeigt nicht unbedingt auf eine existierende HTML-Seite.Wichtig ist bloss, dass der Namespace eindeutig ist. Parser vergleichen Namespace-URIs zeichenweise. Der Präfix dient als dessen Abkürzung. Für Namespaces werden URL's benutzt, weil diese weltweit eindeutig festgelegt sind. So benutzt zum Beispiel Microsoft für ihre Anwendungen Namespaces der Form oder OpenOffice die Namespaces 14

15 2.3 Qualifizierte Element-Namen Um Elemente in einen Namespace einzufügen, werden sie mit dem entsprechenden Präfix qualifiziert: <dc:title>impressionist Paintings</dc:title> Mit einem xmlns-attribut kann einem Namespace-URI ein Präfix zugeordnet werden: <description xmlns:dc=" > Der Präfix ist nur innerhalb des Elements gültig, in dem er definiert wird. Damit ein Präfix im ganzen Dokument gültig ist, muss er also im Root-Element definiert werden. Die definierten Namespaces werden dann im XML Dokument verwendet, um die Namenskonflikte aufzulösen. <?xml version="1.0"?> <catalog xmlns:dc=" xmlns:pt=" <dc:description > <dc:title>impressionist Paintings</dc:title> <dc:creator>elliotte Rusty Harold</dc:creator> <dc:date> </dc:date> </dc:description> <pt:painting> <pt:title>memory of the Garden at Etten</pt:title> <pt:artist>vincent van Gogh</pt:artist> <pt:date> <pt:month>november</pt:month> <pt:year>1888</pt:year> </pt:date> </pt:painting> </catalog> Default Namespaces Wird ein Namespace ohne Präfix definiert, so gehören alle Elemente ohne qualifizierten Namen innerhalb dieses Bereichs zu diesem Namespace. <html xmlns=" <head><title>presentation Examples</title></head> <body> <h4>this is a Presentation of MathML</h4> <math xmlns=" <mrow> <msubsup><mi>x</mi><mn>1</mn><mi>a</mi></msubsup> <mo>+</mo> <msubsup><mi>x</mi><mn>2</mn><mi>b</mi></msubsup> </mrow> </math> </body> </html> 15

16 16