Web07ModelareXML XPath ValidariXML DTD

un model de date pentru Web (II)
//*
XML Infoset, acces via XPath, validri DTD
Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/
Tehnologii Web
Chuang-Tzu
neleptul te nva prin faptele sale,

nu prin cuvintele sale.
Cum modelm (reprezentm) datele?
Scop:
specificarea unui model de date (abstract)
pentru XML
recomandare W3C, 2004
www.w3.org/TR/xml-infoset
xml-infoset
Se ofer un punct de vedere comun referitor la:

serializarea datelor semi-structurate
reprezentare intern (n memorie) fiier text XML
xml-infoset

crearea/folosirea de API-uri de procesare XML
ntr-o manier standardizat
xml-infoset

definirea unor specificaii de nivel (mai) nalt
exemple: XPath, XSLT sau XML Schema
care recurg la acelai model abstract XML
xml-infoset
Modelul asigura inter-operabilitatea diferitelor

tehnologii, interfee de programare (API-uri)
i aplicaii XML
xml-infoset
Document (document information item)

considerat a fi un arbore, cu rdcina dat
de proprietatea [document element]
xml-infoset: concepte
Document (document information item)

are proprietatea [children] desemnnd
lista de lucruri (items) din document,
n ordinea dat de algoritmul DFS (depth-first search)
Element
specific un element XML
posed proprietatea [parent] oferind informaii
despre elementul printe cruia i apartine
are asociat proprietatea [children]
Element
proprietatea [local name] desemneaz numele local
al elementului aparinnd unui spaiu de nume indicat
via [namespace name]
prefixul spaiului de nume utilizat este stocat
de proprietatea [prefix]
Element
proprietatea [attributes] ofer lista neordonat
a atributelor ataate
proprietatea [namespace attributes] specific
lista neordonat a atributelor xmlns asociate
Atribut (attribute)
desemneaz conceptul de atribut XML
numele i spaiul de nume ataat sunt specificate

de proprietile [local name] i [namespace name], respectiv
Atribut (attribute)
elementul cruia i aparine este indicat
de proprietatea [owner element]
valoarea propriu-zis a atributului
este specificat de [normalized value]
Caractere (characters)
corespund informaiilor textuale
ale coninuturilor elementelor XML
proprietatea [parent] indic elementul cruia i aparin
proprietatea [children] conine datele-caracter propriu-zise
Caractere (characters)
setul de caractere utilizat este desemnat
de proprietatea [character code]
modul de procesare a spaiilor albe este specificat
de proprietatea boolean [element content whitespace]
Attribute
Characters
Element
Instruciuni de procesare
(processing instruction information item)
Comentarii
(comment information item)
Declaraia tipului de document

(document type declaration item)
Construciei
<antologie xmlns=
"http://www.infoiasi.ro/antologii"
coordonator="Sabin Buraga" />
i corespunde infoset-ul:
xml-infoset: exemplu
n ce mod pot fi accesate datele stocate

de un document XML?
XPath 1.0
recomandare a Consoriului Web (1999)

www.w3.org/TR/xpath
xsl: xpath
XPath 1.0
adreseaz pri dintr-un document XML
ofer faciliti de baz pentru manipularea datelor
(iruri, numere,)
opereaz la nivelul structurii abstracte
a documentelor XML (arborele)
xsl: xpath
expresia XPath construcie de baz

evaluarea se realizeaz n funcie de context:
un nod al documentului XML
poziie
o funcie (predefinit sau specificat de programator)
o declaraie a unui spaiu de nume
xsl: xpath
expresia XPath construcie de baz

n urma evalurii expresiei, e oferit un obiect:
o mulime de noduri (node-set)
o valoare logic true/false
un numr (float)
un ir de caractere
xsl: xpath
Descendent /
/html/body/article
/cuprins/capitol/autor
xsl: xpath operatori
Traversare recursiv //
//capitol
//cuprins
//div/a
Traversare recursiv //
//capitol
//cuprins
//div/a
Atenie la problemele de performan!
De ce?
Wildcard *
/cuprins/*/nume
capitol/*
/html/body/*/section
evaluarea de expresii XPath

via extensia FirePath pentru Firefox
Nodul curent .
./capitol
Atribut @
capitol/@nr
table/@*
Spaiu de nume :
svg:*
Spaiu de nume :
//html:*
Filtru/index [ ]
/cuprins/capitol[2]
//li[@class = "presentation"]
forma general: [expresie]
6 noduri <li> (de tip Element) care au ca valoare

a atributului class irul de caractere "presentation"
Pentru valori logice i numerice pot fi folosii

operatorii uzuali:
or and = != <= < >= >
+ - * div mod
comparaiile de iruri sunt case sensitive
furnizai semnificaia expresiei XPath:

//*[@class="tools" or @class="presentation"]
Nodul curent (context node)

Nodul printe
Nodurile copil
Nodurile descendente
Nodurile de tip atribut
Nodurile spaiilor de nume
self
parent
child
descendant
attribute
namespace
xsl: xpath axe
Nodurile ascendente
ancestor
Nodurile ascendente
ori nodul curent
ancestor-or-self
Nodurile descendente
ori nodul curent
descendant-or-self
xsl: xpath axe
//div/descendant::a
//div/descendant::*
Ce valoare ofer fiecare expresie XPath?
expresia XPath
xsl: xpath axe
/produse/produs/promo/preceding::*
ofer rezultatul
<nume>Ping Uinix</nume>
<ofertant>
http://www.pinguin.info
</ofertant>
folosind axa preceding accesm nodurile precedente

aici, instrumentul Web de testare disponibil la
http://www.xpathtester.com/xpath
self
parent
attribute
namespace
../nume
//child::*[@nr > 2]
.
..
@
:
xsl: xpath sintaxa prescurtat
Noduri: id(), position(), count(), name(),

namespace-uri(), last(),
Tipuri de noduri: node(), text(), comment(),
processing-instruction()
iruri: concat(), starts-with(), contains(), substring(),
string-length(), translate(),
Booleeni: not(), true(), false()
Numere: sum(), round(), floor(), number(),
xsl: xpath funcii
count(//li[@class = "presentation"])
numrarea nodurilor ce satisfac o anumit condiie
xsl: xpath funcii
count(//a[@href]) = count(//a)true
toate elementele <a> includ atributul href
count(//li[@class]) = count(//li)false
exist elemente <li> care nu au specificat atributul class
xsl: xpath funcii
furnizai semnificaia expresiei XPath:

//nav/*/li[position() mod 2 = 1]
xsl: xpath functii
gsirea sub-nodurilor elementelor <li> aflate pe ultima

poziie din primele liste neordonate: //ul[1]/li[last()]/*
xsl: xpath functii
precizai semnificaia expresiei XPath:

//section[@id and not(contains(@id, "week"))]
xsl:
Ce efect are expresia XPath?

xpath
operatori
//nav/*/*[position()
<= 2]/*[@href]/text()
//*[contains(text(), "XML")]
furnizarea tuturor nodurilor care conin irul "XML"
precizai semnificaia expresiei XPath:

//li[@class="presentation"]/*/a[@href]
furnizai semnificaia expresiei XPath care-i diferena?

//li[@class="presentation"]/*/a[@href]/text()
<projects>
evaluarea expresiilor XPath
<project class="S">
direct n linia de comand
<title>Super</title>
<desc>Un super proiect pentru super studenti!</desc>
<stud>1</stud>
<url>http://super.info/</url>
</project>
<project class="M">
<title>Super--</title>
<desc>Un proiect care nu e foarte super...</desc>
<stud>2</stud>
<url>http://www.supermm.org/</url>
</project>
</projects>
instrumentul xmllint (folosete LibXML)

oferit de distribuiile GNU/Linux + Mac OS X
xmllint projects-dtd.xml
--xpath "substring(/projects/project[1]/desc/text(), 4, 5)"
Procesarea datelor XML

n conjuncie cu DOM (Document Object Model)
ori alte metode de prelucrare
detalii n
cursul viitor
xsl: xpath utilizri pragmatice
avansat

Transformarea documentelor XML n alte formate
n conjuncie cu XSL (Extensible Stylesheet Language)
XSLT permite generarea de reprezentri
precum HTML, XML sau text obinuit
XSL-FO faciliteaz crearea de obiecte de formatare n
vederea tipririi e.g., generarea de documente PDF
detalii n S. Buraga, Tehnologii XML:
www.slideshare.net/busaco/sabin-buraga-tehnologii-xml
avansat
Interogarea documentelor XML

n conjuncie cu XQuery
context: servere de baze de date
native sau suport pentru XML
de consultat
suplimentul
libxml (C, cu portri pentru alte limbaje;

include i utilitarul xmllint)
http://xmlsoft.org/
lxml i py-dom-xpath biblioteci Python
http://lxml.de/
REXML (Ruby)
modul XML cu suport i pentru XPath
SimpleXML procesri cu XPath n PHP
http://php.net/manual/en/simplexmlelement.xpath.php
xsl: xpath programare
define ('FLUX', 'http://www.infoq.com/feed'); // adresa fluxului de tiri RSS

define ('XPATH', '/rss/channel/item');
// expresia XPath utilizat
// funcie ce genereaz o legtur HTML spre resurs,

// oferind inclusiv descrierea ei
function genereazaLegatura ($url, $titlu, $dataPub = '', $desc = '') {
return "<section class='news'><p><a href=\"$url\" title=\"$titlu\">$titlu</a>
($dataPub)</p><div>" . $desc . "</div></section>";
}
try {
$xml = @simplexml_load_file (FLUX);
// ncrcm documentul XML
// baleim nsemnrile (aici, elementele <item> din RSS)
foreach ($xml->xpath (XPATH) as $stiri) {
echo genereazaLegatura ($stiri->link, $stiri->title,
$stiri->pubDate, $stiri->description); }
}
catch (RuntimeException $e) {
echo $e->getMessage();
// a survenit o excepie
}
<?xml version="1.0" encoding="UTF-8"?>

<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/">
<channel>
<title>InfoQ</title>
<link>http://www.infoq.com</link>
<description>InfoQ feed</description>
<item>
<title>Facebook Open Sources React Native, Year
and Network Class, Fresco and Nuclide</title>
<link>http://www.infoq.com/news/2015/03/react-native-fresco-nuclide</link>
<pubDate>Fri, 27 Mar 2015 12:00:00 GMT</pubDate>
<description></description>

<category>Social Networking</category>
<category>Programming</category>
<category>Open Source</category>
<category>Mobile</category>
<category>Development</category>
<dc:creator>Abel Avram</dc:creator>
<dc:date>2015-03-27T12:00:00Z</dc:date>
structura general a unui
</item>

flux RSS poate fi studiat la
</channel>
http://www.rssboard.org/
</rss>
un rezultat
al procesrii
xpath (JavaScript) modul Node.js

de vizitat i https://nodejsmodules.org/tags/xpath
XML::XPath modul Perl
https://metacpan.org/release/XML-XPath
XPath API diverse interfee de programare

oferite de Apache Xalan i Saxon pentru Java
(vezi i javax.xml.xpath.XPath din cadrul JAXP)
hxt-xpath Haskell XML Toolbox XPath
https://wiki.haskell.org/HXT
avansat
$x ("//p[@class='info']/*[1]/text()")
utilizarea obiectului $x oferit de consola browser-ului
Chrome sau Firefox pentru evaluarea expresiilor XPath
xsl: xpath
avansat
Instrumente XPath exemplificri:
xsl: xpath
FirePath, Firefinder extensii Firebug pentru formularea

de interogri XPath asupra documentelor Web
XPath Helper, Xpath Finder extensii pentru Chrome

EXPath iniiativ de utilizare/creare de extensii
pentru XPath: http://expath.org/
(n loc de) pauz
Cum verificm corectitudinea datelor XML?
Dorim ca datele modelate via XML

s poat fi regsite, reutilizate i partajate
ntre aplicaii
necesiti
O cerin important este de a cunoate:

elementele/atributele ce pot fi specificate
+
modul lor de structurare
e.g., ordinea, numrul minim/maxim de apariii,...
necesiti

tipul coninutului
exemplu: atributul align poate avea valorile
mutual exclusive left, right, center
necesiti

ce poate fi considerat valid i ce reprezint eroare
exemplificare:
elementul <img> are coninut vid
(nu va putea include alte elemente)
necesiti
Grupuri de indivizi specific vocabularul XML

(setul de elemente/atribute permise)
i regulile de marcare modelele structurale
soluie
Grupuri de indivizi specific vocabularul XML

(setul de elemente/atribute permise)
i regulile de marcare modelele structurale
uzual, grupurile reprezint:
o companie, o industrie, persoane mprtind
interese comune,
dezvoltatori de instrumente de marcare,
un consoriu/organizaie non-profit
soluie
Modelul structural se aplic unei clase de

documente XML, n vederea verificrii
via un analizor (procesor, parser XML)
a corectitudinii instanelor de documente
aparinnd acelei clase
soluie
Aspecte de interes:
numirea elementelor/atributelor
definirea regulilor de utilizare a acestora
specificarea structurii i coninutului
definirea constrngerilor
oferirea unui set de convenii de numire
soluie
Apare necesitatea specificrii

unui set de constrngeri asociate documentelor
XML, astfel nct datele XML s fie verificate
daca sunt valide sau nu din punct de vedere
structural ori al tipului coninutului
soluie
Modalitile de specificare a constrngerilor

se pot baza pe:
descrieri
reguli
abloane
soluie
avansat

se pot baza pe:
descrieri
exist un element <utilizator>
avnd un atribut nume care are coninutul...
DTD, XML Schema
soluie
avansat

se pot baza pe:
reguli
orice element <utilizator> va avea un atribut nume,
iar coninutul acestui atribut se va conforma regulii...
Schematron
soluie
avansat

se pot baza pe:
abloane pattern-uri
structura documentelor din clasa utilizator trebuie
s se potriveasc (match) conform urmtorului ablon...
RELAX NG
soluie
Tipuri de documente
Document Type Definition (DTD)
specificare formal a tipurilor de documente
(constituieni + structur)
dtd
Tipuri de documente
Document Type Definition (DTD)
specificare formal a tipurilor de documente
(constituieni + structur)
n spiritul
limbajelor formale
dtd
Documentele XML pot avea sau nu un DTD ataat

intern sau extern documentului XML pe care-l valideaz
dtd
Dac DTD-ul lipsete, documentul trebuie

s respecte un numr minim de constrngeri
document bine formatat well formed
dtd
Regulile sintactice de specificare

a meta-elementelor DTD provin de la SGML
DTD-ul poate exprima structura coninutului,
indicatorii de apariie, conectorii
detalii: http://www.w3.org/TR/REC-xml
dtd
Un DTD specific un tip de document:

<!DOCTYPE element_rdcin [
declaraii de elemente, atribute, entiti,...
]>
dtd
Un DTD specific un tip de document:

<!DOCTYPE element_rdcin [
declaraii de elemente, atribute, entiti,...
]>
<!DOCTYPE projects [
...
]>
exemplu:
lista proiectelor
dtd
<!ELEMENT
<!ELEMENT
<!ELEMENT
<!ELEMENT
<!ELEMENT
<!ELEMENT
metaelement
projects
project
title
desc
stud
url
nume de
element
(neterminal)
(project+)>
(title, desc?, stud, url?)>
(#PCDATA)>
(#PCDATA)>
(#PCDATA)>
(#PCDATA)>
coninut (neterm. & term.)

#PCDATA, EMPTY, ANY
* + ? indicatori de apariie
, | conectori
dtd: elemente
Coninutul unui element poate fi:

ir de caractere (#PCDATA parsed character data)
vid (EMPTY)
orice alt marcaj/ir de caractere (ANY)
dtd: elemente
Un element poate aprea:

o singur dat numele elementului
de oricte ori, inclusiv niciodat (*)
macr o dat (+)
de zero sau unu ori (?)
dtd: elemente
Ordinea apariiei elementelor:

secven (,)
alternativ (|)
dtd: elemente
elementul cruia
i este asociat
<!ATTLIST projects
update
>
<!ATTLIST project
class
>
CDATA
#REQUIRED
(A | B | C)
"A"
tipul coninutului
CDATA, ID, ENTITY,...
enumerare de valori
mod de apariie
#REQUIRED
#IMPLIED
#FIXED
dtd: atribute
Coninutul unui atribut poate fi:

ir de caractere (CDATA character data)
identificator unic (ID)
referin la un identificator (IDREF)
referin la o entitate (ENTITY)
enumerare de valori
dtd: atribute
Un atribut poate fi declarat s apar:

obligatoriu (#REQUIRED)
opional (#IMPLIED)
fix se folosete o valoare a-priori specificat
(#FIXED)
dtd: atribute
<!ELEMENT html
(head, body)>
<!ATTLIST html
id
ID
#IMPLIED
xmlns CDATA #FIXED 'http://www.w3.org/1999/xhtml'>
<!ELEMENT img
EMPTY>
<!ATTLIST img
src
CDATA #REQUIRED
alt
CDATA #REQUIRED
height CDATA #IMPLIED
width
CDATA #IMPLIED>
<!ELEMENT table
(caption?, (col* | colgroup*), thead?, tfoot?, (tbody+ | tr+))>
<!ELEMENT caption
#PCDATA>
<!ELEMENT thead
(tr)+>
<!ELEMENT tfoot
(tr)+>
<!ELEMENT tbody
(tr)+>
fragment din DTD-ul
<!ELEMENT colgroup
(col)*>
<!ELEMENT col
EMPTY>
specificnd gramatica
<!ELEMENT tr
(th | td)+>
limbajului HTML
O instan de document trebuie s aib ataat

o declaraie a tipului cruia i aparine:
<!DOCTYPE html PUBLIC
"-//W3C//DTD XHTML 1.0 Strict//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<!DOCTYPE projects SYSTEM "projects.dtd">
dtd: validare
Validarea documentului se realizeaz

prin intermediul unui analizor procesor, parser XML
(Apache Xerces, libxml, MSXML etc.)
sau utilitar
(exemple: OpenSP, <oXygen/>, xmllint,)
dtd: validare
<projects>
<project class="D">
<title>Super</title>
<title/>
<desc>Un super proiect!</desc>
<stud atribut="suplimentar">
1
</stud>
<url>http://www.super.ro/</url>
</project>
</projects>
dtd:> xmllint
validare
projects-dtd.xml --valid
validarea unui document XML cu utilitarul xmllint
projects-dtd.xml:32: element project: validity error :

Value "D" for attribute class of project is not among
the enumerated set
<project class="D">
^
projects-dtd.xml:36: element stud: validity error :
No declaration for attribute atribut of element stud
<stud atribut="suplimentar">1</stud>
^
projects-dtd.xml:38: element project: validity error :
Element project content does not follow the DTD,
expecting (title , desc? , stud , url?),
got (title title desc stud url )
</project>
^
de studiat
arhiva
exemplelor


<!ENTITY busaco
"Sabin Buraga <busaco@infoiasi.ro>">
<!ATTLIST cuprins
titlu
CDATA
editura
CDATA
an
(2004|2005|2007|2009)
<!ATTLIST capitol
numar
CDATA
<!ATTLIST autor
email
CDATA
#REQUIRED
#IMPLIED
"2007">
#REQUIRED>
#IMPLIED>


<!ELEMENT cuprins
(coordonator?, capitol+)>
<!ELEMENT coordonator ANY>
<!ELEMENT capitol
(nume, autor*, descriere?)>
<!ELEMENT nume
(#PCDATA)>
<!ELEMENT autor
(#PCDATA)>
<!ELEMENT descriere
(#PCDATA)>
<!DOCTYPE cuprins SYSTEM "cuprins.dtd">


<cuprins titlu="Programarea in Web 2.0" editura="Polirom" an="2007">
<coordonator>&busaco;</coordonator>
</cuprins>
dtd: validare
validarea unui document XML via <oXygen /> XML Editor

pe baza Apache Xerces
raportarea erorilor de validare n Visual Studio

recurgnd la MSXML
https://msdn.microsoft.com/en-us/library/ms763742.aspx
dtd: validare
validarea paginilor Web pe baza DTD-urilor

corespunztoare versiunilor HTML: 3.2, 4.01, 5,
validator.w3.org
dtd: validare
extragerea i validarea datelor XML
//*
limbajul XPath definirea tipurilor de documente
rezumat
n cadrul orelor de laborator (1115 aprilie 2016)

http://profs.info.uaic.ro/~busaco/teach/courses/web/web-projects.html
episodul viitor: prezentarea proiectului

Web07ModelareXML XPath ValidariXML DTD

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Web07ModelareXML XPath ValidariXML DTD

Încărcat de

Drepturi de autor:

Formate disponibile

un model de date pentru Web (II)

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

neleptul te nva prin faptele sale,

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Cum modelm (reprezentm) datele?

recomandare W3C, 2004

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Se ofer un punct de vedere comun referitor la:

reprezentare intern (n memorie) fiier text XML

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Se ofer un punct de vedere comun referitor la:

ntr-o manier standardizat

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Se ofer un punct de vedere comun referitor la:

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Modelul asigura inter-operabilitatea diferitelor

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Document (document information item)

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Document (document information item)

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

numele i spaiul de nume ataat sunt specificate

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

proprietatea [children] conine datele-caracter propriu-zise

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Declaraia tipului de document

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

n ce mod pot fi accesate datele stocate

recomandare a Consoriului Web (1999)

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

expresia XPath construcie de baz

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

expresia XPath construcie de baz

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

evaluarea de expresii XPath

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/

xsl: xpath operatori

forma general: [expresie]

Dr. Sabin Buragaprofs.info.uaic.ro/~busaco/