Python-Praxis XML & XML-Prozessierung

Transkript

1 Python-Praxis XML & XML-Prozessierung 1

2 Themen XPath und DOM-Repräsentation 2

3 Daten sind strukturiert (Texte, Bilder, Messergebnisse) Maschinelle Verarbeitung erfordert Kenntniss der Strukturen Automasierte Verarbeitung erfordert einheitliches Datenformat Gesucht: Formalismus, um beliebige Strukturen zu beschreiben 3

4 Daten sind strukturiert (Texte, Bilder, Messergebnisse) Maschinelle Verarbeitung erfordert Kenntniss der Strukturen Automasierte Verarbeitung erfordert einheitliches Datenformat Gesucht: Formalismus, um beliebige Strukturen zu beschreiben Lösung: XML XML kann textuelle Daten strukturieren XML ist eine Metasprache zur Definition von Auszeichnungssprachen Welche Elemente/Attribute sind vorhanden? Wie dürfen diese verschachtelt sein? 4

5 XML-Sprachbeispiele XHTML 1.1 SVG RSS 2.0 RDF MathML <?xml version="1.0" encoding="utf-8"?> <Wurzelelement> <Element> </Element> <Element> <Unterelement Attribut= xyz > </Unterelement> <Unterelement> </Unterelement> <Standalone-Element Attribut= /> </Element> <Standalone-Element /> </Wurzelelement> 5

6 XML Und dann? XML dient rein zur Datenrepräsentation Darstellung sekundäres Problem XML muss weiterverarbeitet werden CSS XML Web-Browser 6

7 XML transformieren XSLT XML XSLT-Prozessor XML 7

8 XML transformieren XSLT XSLT XML XSLT-Prozessor XML XSLT-Prozessor XML 8

9 XML transformieren & darstellen XSLT CSS XML XSLT-Prozessor XHTML HTML Web-Browser 9

10 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> 10

11 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> XML declaration Optional: Kodierung encoding= UTF-8 enconding= ISO enconding=... 11

12 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> Root XML-Dokumente besitzen genau ein Root-Element. 12

13 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> Element Ab der Wurzel können beliebig viele Kindelemente folgen. Sie werden auch Elementknoten genannt. 13

14 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> Öffnendes und schließendes Tag Ein Element besitzt genau ein öffnendes und ein schließendes Tag: <elem>: öffnend </elem>: schließend Alternativ kann Tag auch leer sein: <elem/> 14

15 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> Textknoten Elemente können als Inhalt Text enthalten, sodasssie zu Textknoten werden. 15

16 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> Entities Spezielle Zeichen werden als Entities gesetzt Textmakro. Dienen zur Kodierung von Sonderzeichen und reservierten Zeichen. Neben bereits vorgegebenen, können neue definiert werden. Siehe hierzu: DTD. 16

17 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> Attribute Elemente können Attribute besitzen, um Zusatzinformationen zu hinterlegen. Sie kommen nur im öffnenden Tag vor. Die Benennung muss eindeutig sein. Der Wert steht zwischen: : double quote ' : single quotes 17

18 Ein Beispiel <?xml version="1.0"?> <presentation status="draft" date=" "> <title>xml & Friends for Dummies</title> <author>joe User</author> <slide> <title toc="yes">what is XML?</title> <ilist> <item>xml is not a markup language (unlike HTML)</item> <item>xml instances can be <emph>well formed</emph> or even <emph>validating</emph></item> <item>xml stands for &xml;</item> </ilist> </slide> <slide>...</slide> </presentation> Nested Elements In Textknoten können eingebette Elemente vorkommen. Es muss auf korrekte Schachtelung geachtet werden: <a><b> </b></a> vs. <a><b> </a></b> 18

19 Besonderheiten Groß-/Kleinschreibung ist relevant <elem> </Elem> Reservierte Sonderzeichen: < < > > & & ' &apos; " (mehrzeilige) Kommentare <!-- Beginn --> Ende Darf nicht vorkommen: -- Keine Verschachtelung möglich Wenn alle vorherigen Richtlinien beachtet wurden, ist das XML- Dokument wohlgeformt und kann korrekt validiert werden! 19

20 Wohlgeformtheit und Validierbarkeit Nur wenn alle vorherigen Richtlinien beachtet wurden, ist das XML- Dokument wohlgeformt und gültig. Überprüfung durch Validierer: Kommandozeile: xmlwf xmllint Onlinetools:

21 Aufgabe Erstellt ein XML-Dokument, das eine Mediendatenbank für Musikstücke repräsentiert. Überprüfe die Wohlgeformheit und Validierbarkeit mittels der vorgestellten Kommandozeilen- und Onlinetools. Fügt beispielhaft drei Einträge ein (inkl. leerer Elemente in einem Eintrag). 21

22 Namespaces Verwendung unterschiedlicher XML-Sprachen in einem Dokument Vergleichbar mit Modulen (Python, Java) oder einer Telefonvorwahl Unterscheidung zwischen gleichnamigen Elementen Werden durch URIs (Uniform Resource Identifier) dargestellt Müssen keine gültige URL (Uniform Resource Locator) darstellen Wenn gültige URL, dann sollte dort zu finden sein: DTD (Dokumenttypdefinition XML-Schema 22

23 Namespaces <html xmlns=" XHTML-Elemente <math xmlns=" MathML-Elemente </math>... XHTML-Elemente </html> 23

24 Namespaces <html xmlns=" XHTML-Elemente <math xmlns=" MathML-Elemente </math>... XHTML-Elemente </html> Attribut xmlns:pf= bindet den Namensraum pf an die URI <html xmlns=" xmlns:m=" XHTML-Elemente <m:math> <span>hier steht XHTML. Variable x: <m:i>x</m:i></span> </m:math>... XHTML-Elemente </html> 24

25 XPath & DOM-Repräsentation Es existieren unterschiedliche Techniken, um durch ein XML-Dokument zu navigieren (und diesen zu verändern). Xpath (Navigieren) DOM-Repräsentation (Navigieren und Modifizieren) Beide Verfahren sehen das Dokument als Baum an, mit: Knoten: Element, Attribut, Text, Kommentar, Namespace, PI (Processing instruction) Navigation entlang einer Achse Optionale Knotentests (Bedingungen) 25

26 XPath & DOM-Repräsentation Baumrepräsentation presentation title status draft slide slide Date author XML & Friends for Dummies Joe User title ilist What is XML? toc yes Parent item XML stands for &xml; Sibling item Child XML is not Element Attriibut Wert Text 26

27 XPath & DOM-Repräsentation XPath Beginnt mit der Suche ab aktuellem Kontextknoten Finden eines Zielknotens während der Lokalisierung: Achse::Knotentest[Prädikat1][Prädikat2]... Achse: Pfad, getrennt mit / oder Achsangabe Knotentest: * alle Kindknoten, NAME eines Knotens oder Funktionsaufruf wie z.b. Text() oder comment() Prädikat: Index, Relationszeichen, Zeichenkettenfunktionen, Operatoren, Knotenmengenfunktionen 27

28 XPath & DOM-Repräsentation XPath Beispiele /* Das Wurzelelement //Interpret Alle Elemente auf der Interpret-Achse (Ebene) //Titel/Produzent[2] Der zweite Produzent eines Titels Der zweite Produzent eines Titels, der ebenfalls GEMA-Mitglied ist attribute::* Alle Attribute des Kontextknotens child::text() Alle Textknotens des Kontextknotens. Der aktuelle Kontextknoten 28

29 XPath & DOM-Repräsentation DOM-Repräsentation Document Object Model (DOM): Spezifikation für Zugriff auf XML- Dokumente Implementationen in vielen Sprachen verfügbar: JavaScript, JDOM für Java, LibXML jeweils für Perl und C Durch Spezifikation: Einheitliche Funktionen, Funktionsnamen, Funktionsweise Lesender und schreibender Zugriff 29

30 XPath & DOM-Repräsentation Arbeiten mit DOM XML-Dokument wird eingelesen und geparst Parser XML-Dokument liegt als Baumstruktur vor mit folgenden Knotentypen: Document Node Element Attr Text Comment CDATA Namespace DTD Processing Instructions Variablen repräsentieren Knoten eines bestimmten Typs Funktionen auf Variablen sind Kontextabhängig Knoten können anhand einer eindeutigen ID, Tagnamen (mit/ohne Namespace), Namen, Verwandschaftsverhältnis' und mittels XPath- Ausdruck angesteuert werden 30