Лекция 7

Некоторые факты о XML
XML = eXtensible Markup Language
Разработан соответствующей рабочей группой концерна W3C в 1996 г., стандартизован в 1998 г.
Очень простое описание - около 30 стр.
Современная версия XML - 1.0

Предыстория XML: SGML
1980-е - SGML (Standard Generalized Markup Language)
разработан для МО США; задача - снизить расходы на передачу документации
четкая иерархическая структурированность информации;
расширяемость стандарта
отделение информации от представления (использование DTD - Document Type Definition)
слишком сложен для реализации в Web (Sounds Good, Maybe Later)

Предыстория XML: HTML
1991 - HTML (HyperText Markup Language)
фиксированное подмножество SGML, ориентированное на Web-страницы
чрезвычайно распространен - существует около 100 млрд. HTML-страниц!
трудности форматирования текста и невозможность отделить представление от данных (CSS решает эту проблему только частично)
недостаточная строгость стандарта и, как следствие, проблема структурирования текста

Зачем нам еще один стандарт?
Затем, что необходимо компактное, дешевое, простое и быстрое средство, аналогичное HTML, которое могло бы еще и расширяться, как SGML.
Еще было бы здорово иметь единый формат для передачи данных между приложениями
Еще хотелось бы создавать структурированные тексты с возможностью создания оглавлений, перекрестных ссылок и т.д.
Еще нам нужно уметь отображать нестандартную информацию (математические формулы, ноты и т.п.)

Десять целей XML
XML должен быть ориентирован на использование в Интернет
XML должен быть пригоден для использования в большом количестве приложений
XML должен быть совместим с SGML
Создание программ, обрабатывающих XML, должно быть простым
Число необязательных возможностей языка должно быть сведено к минимуму (в идеале - к нулю)

Десять целей XML (окончание)
Документы XML должны быть достаточно просты и понятны человеку
XML следует разработать в короткие сроки
Спецификация XML должна быть четкой и краткой
Создание XML-документов должно быть максимально простым
Краткость команд разметки XML не имеет принципиального значения

Мифы об XML
XML - это язык разметки (на самом деле - это метаязык для создания языков разметки)
XML - это только для Web (на самом деле, многие компании переходят на него с SGML)
XML - это подмножество SGML (раньше был, но теперь ввели схемы, пространства имен и т.д.)
HTML - это подмножество XML (такое описание в принципе возможно, но бессмысленно; кроме того, есть вопрос следования стандарту HTML)
XML - это еще один рекламный трюк (увы, нет)

Основы синтаксиса XML
У каждого элемента должен быть открывающий и закрывающий тэг
В документе должен быть ровно один корневой элемент
Элементы могут быть вложены друг в друга, но не могут пересекаться (т.е. деревянная структура)
Все названия элементов чувствительны к регистру
Некоторые символы запрещены (надо использовать специальные последовательности)
Значения атрибутов должны быть взяты в кавычки

Пример XML-документа
Outside of a dog, a book is man's best friend.
Inside of a dog, it's too
dark to read.

Заголовок XML
Необязательный, предназначен для синтаксического анализатора; должен идти с самого начала файла version="1.0"?>
Может указывать кодировку файла (по умолчанию UTF-8 или UTF-16 (в отличие от HTML):
Может указывать атрибут "самодостаточности":
Заголовок чувствителен к регистру символов!

Структура тэгов XML
Должен быть открывающий и закрывающий тэг:
1.5
Здесь duration - это название тэга, course – это
атрибут, а 1.5 – значение (содержимое элемента)
Должны соблюдаться правила вложенности:
Права
одного
человека
важнее
прав коллектива - неправильно!!!
Вместо этого правильно так:
Права
одного
человека
важнее
прав коллектива

Корневой тэг
Следующий пример некорректен:
...
...
Вместо этого должно быть:
...
...

Особые символы XML
Некоторые символы необходимо заменять на подстановочные строки:
Было предложено соотношение A но оно не
подошло.
Должно быть:
Было предложено соотношение A<B, но оно
не подошло.
Пять подстановочных строк:
< > & ' "
< > & ' "

Атрибуты
Содержат уточняющую информацию об элементе
Все значения атрибутов должны быть в одинарных или двойных кавычках! (в отличие от HTML)
Где хранить данные - в атрибутах или в значениях?
Атрибуты - это свойства объекта (подобен прилагательному по отношению к существительному)
Атрибуты эффективнее (5 байт против 7 байт)
Атрибуты не могут иметь вложенные структуры, а элемент может
Если не можете решить, включайте данные в элемент

Пустые элементы и комментарии
Иногда хочется создать элемент без содержания (например, горизонтальная линия в HTML,
)
Нужен закрывающий символ
Упрощение синтаксиса:
Комментарии:

Корректно сформированные документы
Документы, удовлетворяющие описанным выше правилам, называются корректно сформированными (well-formed) документами type="printer">
/usr/lpr
/usr/drivers/HP5SIPS
sheet feeder

Совместная обработка XML-файлов
A duck walks into a bar and says to the bartender, "Gimme a shot of whisky and put it on my bill."
A duck walks into a bar and asks for the whisky and a cucumber. Then it drinks whisky, eats his cucumber and leaves.
Then a cowboy sitting in the bar says to another cowboy: "For the first time in my life I saw someone finishing whiskey with a cucumber."

Проблема обработки XML-документов
И первый, и второй примеры являются корректно сформированными XML-документами.
Но можно ли создать программу, которая записывала бы эти и другие анекдоты в базу данных? По крайней мере, это будет сложно...
Однако можно было бы разослать всем авторам некоторую заранее предопределенную структуру ожидаемого документа
Такая структура для XML называется схемой документа. Стандартом на сегодня является DTD

Определение типа документа (DTD)
"Документ называется действительным, если он имеет связанное с ним определение типа документа (схему) и соответствует ему"
В XML 1.0 единственным типом схем является DTD – Document Type Definition
DTD основано на упрощенном формате SGML и было создано для нужд EDI (Electronic Data Interchange)
Синтаксис DTD существенно отличается от XML

Пример DTD
firstTold CDATA #IMPLIED >
Outside of a dog, a book is man's
best friend
Inside of a dog, it's too dark
to read.

Проблемы DTD
DTD - строго иерархический формат, плохо подходящий для меняющихся документов
У документа может быть только один тип, что не очень удобно для коммерческих приложений (пример с разными форматами адреса)
Синтаксис DTD не похож на XML и плохо воспринимается человеком
В DTD допустимо использование только текстового типа данных (нет числового типа или даты)

Предлагаемое решение: XML-схемы
Схемы должны следовать синтаксису XML
Стандарт схемы должен поддерживать распространенные типы данных (число, дата…)
Схема XML должна быть открытой для подключения внешних источников
Метод разрешения неоднозначности имен при соединении двух файлов - пространства имен:
Mr.
Pupkin

Document Object Model
Объектная модель документа открывает доступ к XML-документу как к древовидной структуре в памяти
Позволяет работать с XML-документом как с обычным объектом в любом современном языке программирования
Перед началом работы DOM требует загрузки всего документа в память (поэтому разрабатываются и альтернативные стандарты, например, SAX)
Стандарт оставляет разработчикам большую свободу в интерпретации
Microsoft предлагает MS XML DOM 3.0, интегрированную в IE 5, MS Office 2000 и MS Windows 2000

XLink & XPointer
Иногда возникает ситуация, когда объект связан с другим объектом, но эта связь не является иерархической
XLink позволяет создавать в XML-документе ссылки и задавать семантику его обработки (кроме того, поддерживает встроенные ссылки)
XPointer позволяет ссылаться на фрагменты документов с гораздо большей степенью детализации, чем была доступна в HTML

XSL и XSLT
XSL позволяет описывать внешний вид (форматирование) XML-документа
Реально XSL состоит из двух документов: первый относится к преобразованию документов XML, а второй – к интерпретации форматирования
Язык преобразования описан в стандарте XSLT (XSL Transformations)

Разработка отраслевых схем
Разрабатываются промышленными группами (автомобилестроение, химические и математические формулы и т.д.)
Самая первая попытка создания такой отраслевой схемы – в 80-х гг. Air Transport Association (еще на SGML)
Самый популярный пример сегодня – стандарт записи математических формул (MathML)

XML-компоненты в .NET
XmlReader & XmlWriter
Могут читать/писать корректно сформированный XML
XmlDocument
На базе модели W3C DOM с поддержкой XPath SelectNodes() и SelectSingleNode()
XPathNavigator
Предоставляет модель XPath поверх любых данных
XPathDocument (XML-данные, оптимизированные для X/Path)
XSLTransform
Предоставляет трансформации над XPath
XSD Compliance
XmlSchema - Object Model (SOM)
XmlValidatingReader

XmlReader и XmlWriter

Описание XmlReader и XmlWriter
XmlReader
Основан на модели Pull; основная схема применения:
While (reader.Read())
{ /* обработка полученных узлов */}
Предоставляет последовательный (forward-only) курсор над любыми XML-данными
Реализован в XmlTextReader, XmlNodeReader
XmlWriter
Генерирует валидный XML
Помогает обрабатывать пространства имен
Реализован в XmlTextWriter

Пример использования XmlTextReader
XmlTextReader xr = new XmlTextReader("MyFile.Xml");
while (xr.Read()) {
switch (xr.NodeType) {
case XmlNodeType.Document:
Console.Write(" version='1.0'?>");
break;
case XmlNodeType.Element:
Console.Write("<" + xr.Name+">");
break;
case XmlNodeType.SignificantWhitespace:
case XmlNodeType.Text:
Console.Write(xr.Value);
break;
case XmlNodeType.Comment:
Console.Write("
");
break;
case XmlNodeType.ProcessingInstruction:
Console.Write("
");
break;
case XmlNodeType.EndElement:
Console.Writeline("
");
}
}

Пример использования XmlWriter
public void WriteDocument(XmlWriter writer) {
writer.WriteStartDocument();
writer.WriteComment(“sample person document");
writer.WriteProcessingInstruction("hack", "on person");
writer.WriteStartElement("p", "person", "urn:person");
writer.WriteStartElement("name", "");
writer.WriteString("joebob");
writer.WriteEndElement();
writer.WriteElementInt16("age", "", 28);
writer.WriteEndElement();
writer.WriteEndDocument();
}
joebob
28

Архитектура XmlDocument

XmlDocument
Поддерживает рекомендации W3C DOM Core Level 1 и Core Level 2 (пространства имен)
Предоставляет API для редактирования XML
MS-расширения – Load(), Save() и обработка событий
Свойство InnerXml (аналог innerHTML)
node.InnerXml = "
John
[email protected]
"

Пример использования XmlDocument
using System; using System.Xml;
public class GenerateDocument {
public static void Main(String[] args) {
// instantiate the document
XmlDocument doc = new XmlDocument(); XmlNode node;
// create a comment/pi and append
node = doc.CreateComment("sample person document");
doc.AppendChild(node);
node = doc.CreateProcessingInstruction("hack", "on person");
doc.AppendChild(node);
// create the person element within the 'urn:person' namespace
node = doc.CreateElement("p", "person", "urn:person");
doc.AppendChild(node); node = doc.CreateElement("name");
node.InnerText = "joebob"; doc.DocumentElement.AppendChild(node);
node = doc.CreateElement("age"); node.InnerText = "28";
doc.DocumentElement.AppendChild(node);
// serialize the document to the console
XmlTextWriter tw = new XmlTextWriter(Console.Out);
tw.Formatting = Formatting.Indented; doc.Save(tw); } }

Архитектура XPath
XML Stores
XmlDocument
XmlDataDocument
XPathDocument
DOM
DOM <-> DataSet
Fast XPath

XPathNavigator
Предоставляет возможность использования модели XPath над любым типом данных
Доступ к данным XML в стиле обычного курсора
Предоставляет функциональность XPath:
void Select (String xpath);
Object Evaluate (String xpath);
XPathNodeIterator – итератор для прохождения всех выбранных узлов

Пример использования XPath
// Создаем XPathDocument
XPathDocument myXPathDoc = new XPathDocument("books.xml");
// Получаем XPathNavigator
XPathNavigator myNav =
((IXPathNavigable)myXPathDoc).CreateNavigator();
// Печатаем цену каждой книги (полный обход дерева)
XPathNodeIterator iter = myNav.Select("descendant::book/price");
while(iter.MoveNext())
Console.WriteLine(iter.Current.Value);
// Печатаем общую сумму цен всех книг (без обхода дерева)
Console.WriteLine ("Total Price: {0} ",
myNav.Evaluate ("sum(descendant::book/price)"));

Архитектура XslTransform
XML Stores
XPathNavgator
XmlDocument
XmlDataDocument
XPathDocument
DOM
DOM <-> DataSet
Fast XPath

Использование XslTransform
XPathDocument дает нам оптимизированный формат для чтения данных с использованием XPath and XSL/T:
XPathDocument doc = new XPathDocument(“XmlDoc.xml”);
XslTransform t = new XslTransform();
t.Load( Stylesheet );
XmlTextWriter writer = new XmlTextWriter (Console.Out);
writer.Formatting = Formatting.Indented;
writer.Indentation=2;
t.Transform (doc, null, writer );
XSLT может быть выполнено над Dataset'ами, хранящими XmlDataDocument