XML Parsing Γιώργος Θάνος Παρασκευή 14 Νοεμβρίου 2008

Εισαγωγή  Η επεξεργασία της πληροφορίας XML βασίζεται σε  Η επεξεργασία της XML βασίζεται σε συγκεκριμένα πρότυπα διακριτά από την γλώσσα προγραμματισμού στην οποία υλοποιούνται  Τα πρότυπα είναι :  Document Object Model (DOM).  Simple API for XML (SAX).  Streaming API for XML (StAX). Διαφάνεια 2

Document Object Model (DOM)  To W3C ξεκίνησε την ανάπτυξη του DOM γύρω στο  Το μοντέλο DOM διατηρεί την δενδρική δομή του XML αρχείου. Στην πραγματικότητα πρόκειται για την απεικόνιση του XML σε μία μορφή που είναι προσπελάσιμη από συγκεκριμένο API.  Η γλώσσα Javascript ενσωματώνει το DOM standard για την προσπέλαση των στοιχείων της HTML. Κατά συνέπεια όλοι οι browsers πρέπει να ικανοποιούν το συγκεκριμένο standard. Διαφάνεια 3

Document Object Model (DOM)  Χαρακτηριστικά του DOM  Απαιτεί σημαντικούς πόρους σε μνήμη ανάλογα με το μέγεθος του XML αρχείου.  Κατά κανόνα δεν είναι ιδιαίτερα γρήγορος τρόπος προσπέλασης του XML περιεχομένου.  Είναι βολικό όταν θέλουμε να γνωρίζουμε το σύνολο της δενδρικής δομής της XML πληροφορίας και να κάνουμε queries σε αυτή. Διαφάνεια 4

Document Object Model (DOM)  Βασικά στοιχεία του DOM μοντέλου  Node (abstract entity)  Document  Element  Attribute Διαφάνεια 5 Χρήση Java // parse an XML document into a DOM tree DocumentBuilder parser = DocumentBuilderFactory.newInstance().newDocumentBuilder(); Document document = parser.parse(new File("instance.xml")); Χρήση PHP $objDOM = new DOMDocument(); $objDOM->load(“instance.xml");

Document Object Model (DOM)  Βασικές μέθοδοι στη γλώσσα Java  getChildNodes()  getFirstChild()  getLastChild()  getNextSibling()  getNodeName()  getNodeType()  getNodeValue()  getParentNode() Διαφάνεια 6  getNamespaceURI  getPrefix() //namespace prefix  getPreviousSibling()  getTextContent()  hasAttributes()  hasChildNodes()  insertBefore()  removeChild()  replaceChild()  Το interface Node είναι το βασικό interface.

Simple API for XML (SAX)  Ο Sax parser είναι ένας stream parser με event-driven API.  Ορίζονται κάποιες callback μέθοδοι, οι οποίες καλούνται κατά το parsing με βάση το είδος του αντικειμένου που συναντά ο parser.  Συγκεκριμένα ορίζονται μέθοδοι για τα παρακάτω events:  XML Text Nodes  XML Element Nodes  XML Processing Instructions  XML Comments Διαφάνεια 7

Simple API for XML (SAX) - Πλεονεκτήματα  Η ιδέα για τον SAX Parser προήλθε μέσα από τα προβλήματα του DOM.  Το βασικό του πλεονέκτημα είναι ότι δεν απαιτείται να φορτωθεί όλο το XML δέντρο στη μνήμη προκειμένου να αρχίσει η επεξεργασία.  Γρηγορότερος από το DOM για πολύ μεγάλα αρχεία XML διότι η διαδικασία του memory allocation απαιτεί χρόνο. Διαφάνεια 8

Simple API for XML (SAX) - Μειονεκτήματα  Εξαιρετικά βολικό όταν τα XML αρχεία ακολουθούν συγκεκριμένο pattern που επαναλαμβάνεται. Εάν δεν ακολουθείται συγκεκριμένο / επαναλαμβανόμενο pattern το προγραμματιστικό μοντέλο γίνεται πολύπλοκο.  Συχνά η επεξεργασία απαιτεί το σύνολο του XML αρχείου. Τέτοια παραδείγματα είναι η χρήση Xpath, XQuery και XSLT. Διαφάνεια 9

Simple API for XML (SAX)  Ο χρήστης φτιάχνει την δική του κλάση που κληρονομεί την κλάση org.xml.sax.helpers.DefaultHandler.  Ο χρήστης ορίζει τις δικές του μεθόδους για κάθε μία από τις μεθόδους που ορίζει η συγκεκριμένη κλάση.  Βασικές συναρτήσεις : Διαφάνεια 10 Χρήση Java // parse an XML document into a DOM tree SaxParser parser = SaxParserFactory.newInstance().newSaxParser(); parser.parse(new File("instance.xml"), new UserDefinedHandler() ); 1. startDocument() 2. endDocument() 3. startElement(String uri, String localName, String qName, Attributes attributes) 4. endElement(String uri, String localName, String qName) 5. startPrefixMapping(String prefix, String uri) 6. endPrefixMapping(String prefix)