XML-Verarbeitung mit SAX und DOM Holger Jakobs – [email protected], [email protected] 2006-08-10 aktuelle Version: http://www.bg.bib.de/portale/xml/pdf/XML-DOM-SAX.pdf Inhaltsverzeichnis 1 SAX 1.1 Lizenzierung von SAX . . . . . . . . . 1.2 Technische Voraussetzungen . . . . . . 1.3 Kurzbeispiel . . . . . . . . . . . . . . . 1.3.1 Dokument und Ereignisse . . . 1.3.2 Java-Code . . . . . . . . . . . . 1.4 Datenkonvertierung mit SAX . . . . . 1.4.1 XML in CSV . . . . . . . . . . 1.4.2 CSV in XML . . . . . . . . . . 1.5 Validieren mit Java . . . . . . . . . . . 1.5.1 DTD-Validation mit SAX . . . 1.5.2 Schema-Validation mit Xerces . . . . . . . . . . . . 2 2 2 3 3 3 6 6 10 11 11 16 2 DOM 2.1 Parsen von XML . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Erzeugen eines neuen Dokuments . . . . . . . . . . . . . . . . . . . . . . . 2.3 Anwendung von XSLT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 19 20 21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Es gibt zwei Möglichkeiten, ein XML-Dokument zu verarbeiten: Entweder wird das gesamte Dokument in die Anwendung eingelesen und ein passender Baum im Speicher erstellt, oder das Dokument wird elementweise eingelesen und ebenso elementweise verarbeitet. Bei DOM wird das gesamte Dokument eingelesen und kann im Speicher beliebig oft gelesen und verändert werden, bevor es dann wieder – in welche Form auch immer – ausgegeben wird. Auch die Erzeugung völlig neuer Dokumente ist möglich. Nachteil ist der Speicherbedarf gerade beim Lesen sehr großer Dokumente. Bei dagegen wird das Dokument nach und nach eingelesen, währenddessen bei jedem gelesenen Element eine von Ihnen geschriebene Methode (callback) aufgerufen wird, die Ihnen mitteilt, dass die Daten nun zur Verarbeitung bereit stehen. Sie können sie ignorieren, in eigene Datenstrukturen einbauen oder gleich wieder ausgeben – je nach Erfordernis. Das bedeutet, dass nur die gerade benötigten Daten überhaupt im Speicher vorgehalten werden. Auf diese Weise können beliebig große Dokumente verarbeitet werden. 1 1 SAX 1 SAX SAX1 ist die Abkürzung für Simple API for XML“, ein ursprünglich lediglich für Java ” vorgesehenes Interface für die Verarbeitung von XML-Daten. Mittlerweile unterstützen viele Programmiersprachen SAX. SAX verwendet keinen komplett in den Arbeitsspeicher eingelesenen Baum des zu verarbeitenden Dokuments, sondern geht elementweise vor und löst bei jedem Element ein Ereignis aus. Durch diese Ereignissteuerung werden die Inhalte des Dokuments nacheinander mittels Callbacks verarbeitet. Dies minimiert den Arbeitsspeicherbedarf und ermöglicht die Verarbeitung auch sehr großer Dokumente. Mit Hilfe der Callback-Handler kann durchaus während der Verarbeitung eine anwendungsspezifische Struktur des Dokuments im Arbeitsspeicher erstellt werden, aber es wird eben kein generischer Baum der einzelnen Knoten aufgebaut, der das gesamte Dokument repräsentiert. Tatsächlich verwenden viele DOM-Bibliotheken intern einen SAX-Parser, wodurch sogar SAX-spezifische Fehlermeldungen bei der Verwendung von DOM auftreten können. 1.1 Lizenzierung von SAX SAX ist public domain“, es unterliegt keiner Lizenz, auch nicht der GPL oder LGPL. ” Der Name ist nicht geschützt. Innerhalb von Java definiert SAX sein Interface und seinen Code, außerhalb von Java, d. h. bei Verwendung anderer Programmiersprachen, kann SAX abweichend definiert sein. Insbesondere Microsoft hat teilweise andere Vorstellungen davon, was SAX tun sollte und hat es daher anders implementiert. Wegen dieser Schwierigkeiten beschränken wir uns auf das Original von Java. 1.2 Technische Voraussetzungen Um mit SAX arbeiten zu können, benötigt man eine möglichst aktuelle Version von Java, mindestens aber Java 1.1, einen SAX-kompatiblen Parser und eine SAX2-Distribution im Java-Classpath. Dies alles ist meistens bereits installiert, wenn man eine Java-Entwicklungsumgebung hat. Man kann im Quellcode statt XMLReaderFactory.createXMLReader() auch new org.apache.xerces verwenden, allerdings muss dann auf allen Plattformen, auf denen das Programm laufen soll, genau dieser SAX2-Treiber vorhanden sein. Die Verwendung von createXMLReader() lässt die Verknüpfung mit einem speziellen Treiber offen, so dass sie erst zur Laufzeit durchgeführt wird. Dies ist mit JDBC vergleichbar, wo man einen Treiber im ProgrammQuelltext fest verankern kann, oder aber ihn erst zur Laufzeit auswählt. 1) http://sax.sourceforge.net 2 1 SAX 1.3 Kurzbeispiel 1.3 Kurzbeispiel 1.3.1 Dokument und Ereignisse Wir gehen von diesem kleinen XML-Dokument aus: <?xml version="1.0"?> <doc> <para>Hello, world!</para> </doc> Ein ereignisgesteuertes Interface wird dieses Dokument lesen und folgende Ereignisse auslösen: start document start element: doc start element: para characters: Hello, world! end element: para end element: doc end document Die Anwendung behandelt diese Ereignisse prinzipiell genauso wie Ereignisse einer grafischen Oberfläche. Es ist nicht notwendig, das gesamte Dokument im Arbeitsspeicher vorzuhalten. 1.3.2 Java-Code Der Java-Code MySAXApp.java zur Verarbeitung des Dokuments und Anzeige der Ereignisse sieht so aus: import import import import import import import java.io.FileInputStream; java.io.InputStreamReader; org.xml.sax.XMLReader; org.xml.sax.InputSource; org.xml.sax.Attributes; org.xml.sax.helpers.XMLReaderFactory; org.xml.sax.helpers.DefaultHandler; public class MySAXApp extends DefaultHandler { public static void main (String args[]) throws Exception { XMLReader xr = XMLReaderFactory.createXMLReader(); 3 1.3 Kurzbeispiel 1 SAX MySAXApp handler = new MySAXApp(); xr.setContentHandler(handler); xr.setErrorHandler(handler); // Eingabedateien verarbeiten for (int i=0; i < args.length; i++) { FileInputStream fis = new FileInputStream (args [i]); InputStreamReader isr = new InputStreamReader (fis, "UTF-8"); xr.parse (new InputSource (isr)); } // for } // main() public void startDocument () { System.out.println("Start document"); } // startDocument() public void endDocument () { System.out.println("End document"); } // endDocument() public void startElement (String uri, String name, String qName, Attributes atts) { if ("".equals (uri)) System.out.println("Start element: " + qName); else System.out.println("Start element: {" + uri + "}" + name); for (int i=0; i < atts.getLength(); i++) { System.out.println("Attribut: " + atts.getLocalName(i) + " (" + atts.getType(i) + ") = " + atts.getValue(i)); } // for } // startElement() public void endElement (String uri, String name, String qName) { if ("".equals (uri)) System.out.println("End element: " + qName); else System.out.println("End element: {" + uri + "}" + name); } // endElement() public void characters (char ch[], int start, int length) { String ausgabe = ""; 4 1 SAX 1.3 Kurzbeispiel for (int i = start; i < start + length; i++) { if (Character.isWhitespace(ch[i]) && ch[i] != ’ ’) continue; switch (ch[i]) { case ’\\’: ausgabe += "\\\\"; break; case ’"’: ausgabe += "\\\""; break; case ’\n’: ausgabe += "\\n"; break; case ’\r’: ausgabe += "\\r"; break; case ’\t’: ausgabe += "\\t"; break; default: ausgabe += ch[i]; break; } // switch } // for if (ausgabe.length() > 0) { System.out.print("Characters: "); System.out.println(ausgabe); } // if } // characters() } // class MySAXApp Der Name der zu verarbeitenden Datei wird als Parameter übergeben. Es können sogar mehrere Dateinamen übergeben werden, weil eine Schleife über alle Argumente codiert wurde. Durch das Überschreiben der Methoden startDocument(), endDocument(), startElement(), endElement() und characters() werden diese neuen Methoden als Callback bei Eintreten der zugehörigen Ereignisse aufgerufen. Außer bei startDocument() und endDocument() wird über Parameter Information über das aktuell verarbeitete Element bereitgestellt. Aus diesen können die gewünschten Teile entnommen und verarbeitet werden – in diesem einführenden Beispiel werden sie einfach auf der Standardausgabe ausgegeben. 5 1.4 Datenkonvertierung mit SAX 1 SAX 1.4 Datenkonvertierung mit SAX Im folgenden sollen einige Beispiele zur Datenkonvertierung mit Hilfe von SAX dargestellt werden. Viele Anwendungen benötigen Daten in bestimmten Formaten, die man aus XMLDaten leicht generieren kann. Diese Schnittstellenproblematik ist geradezu allgegenwärtig. Die Konvertierung kann in beide Richtungen notwendig sein – je nach Aufgabenstellung. 1.4.1 XML in CSV CSV (comma-separated values) ist eines der gängigsten klassischen Datenformate zum Austausch und kann von vielen Programmen im- und exportiert werden, z. B. auch von Tabellenkalkulationen und Textverarbeitungen. Daher bietet sich die Konvertierung von und nach XML geradezu an. Zunächst die Richtung XML in CSV, denn dazu benötigen wir die Verarbeitung von XML mit Hilfe unseres Parsers. Vielleicht werden gar nicht alle Daten benötigt, sondern nur manche. Je nach Art des gefundenen Elements generieren wir eine CSV-Ausgabe oder eben auch nicht. Die zu verarbeitende Datei telefon.xml sieht so aus: <?xml version="1.0"?> <telefonabrechnung> <teilnehmer> <name>Fritz Meier</name> <rufnummer>1234567</rufnummer> <anschrift> <strasse>Hauptstr. 2</strasse> <plz>51465></plz> <ort>Bergisch Gladbach</ort> </anschrift> <bankverbindung> <bank>Postbank Köln</bank> <blz>370 100 50</blz> <konto>123456789</konto> </bankverbindung> </teilnehmer> <zeitraum monat="05" jahr="2004"> <grundpreis>24.00</grundpreis> <ortsgespraeche>12.54</ortsgespraeche> <ferngespraeche>42.44</ferngespraeche> <auslandsgespraeche>0.00</auslandsgespraeche> <sonderrufnummern>0.00</sonderrufnummern> </zeitraum> <zeitraum monat="06" jahr="2004"> <grundpreis>24.00</grundpreis> <ortsgespraeche>9.57</ortsgespraeche> 6 1 SAX 1.4 Datenkonvertierung mit SAX <ferngespraeche>52.12</ferngespraeche> <auslandsgespraeche>3.44</auslandsgespraeche> <sonderrufnummern>0.48</sonderrufnummern> </zeitraum> </telefonabrechnung> Frage ist, wie sich diese Daten sinnvoll in eine CSV-Datei konvertieren lassen. In ihrer Gänze ist das sicherlich kaum möglich, weil sie verschiedene Aspekte enthalten, nämlich Angaben zum Kunden und Angaben zu Rechnungen für diverse Zeiträume. Bei der Konvertierung beschränken wir uns daher darauf, nur einen der Aspekte zu berücksichtigen – es sollen hier die Rechnungsdaten extrahiert und umgewandelt werden. Aber auch nach dieser Einschränkung bleiben noch Fragen offen: Soll pro Monat ein Datensatz mit mehreren Spalten erzeugt werden – für jede Gesprächsart eine? Oder sollen die Gesprächsarten untereinander aufgelistet werden, so dass Monat und Jahr jeweils daneben wiederholt werden? Oder sollen gar schon Werte summiert werden und nur als Summe erscheinen? Natürlich gibt es noch weitere Darstellungsmöglichkeiten. Wir können ja mal diese beiden beschriebenen Varianten realisieren. So soll es also aussehen, wenn man es mal tabellarisch darstellt: monat jahr grundortsfernauslandssonderpreis gespraeche gespraeche gespraeche rufnummern 05 2004 24.00 12.54 42.44 0.00 0.00 06 2004 24.00 9.57 52.12 3.44 0.48 Die zweite Variante sähe so aus: monat 05 05 05 05 05 06 06 06 06 06 jahr posten betrag 2004 grundpreis 24.00 2004 ortsgespraeche 12.54 2004 ferngespraeche 42.44 2004 auslandsgespraeche 0.00 2004 sonderrufnummern 0.00 2004 grundpreis 24.00 2004 ortsgespraeche 9.57 2004 ferngespraeche 52.12 2004 auslandsgespraeche 3.44 2004 sonderrufnummern 0.48 Bei der Verarbeitung sollen also nur die zeitraum-Elemente mit all ihren Kind-Elementen berücksichtigt werden. Das Element teilnehmer wird ignoriert, mitsamt all seinen KindElementen. Genau dies muss im Java-Code umgesetzt werden. Dazu setzen wir ein Member der Klasse namens aktiv auf false und schalten es für die Dauer der Verarbeitung von zeitraum-Elementen auf true. Eine weitere Verarbeitung findet nur dann statt, wenn der Schalter wahr ist. 7 1.4 Datenkonvertierung mit SAX 1 SAX Das erste Java-Programm telefon_csv1.java erzeugt eine Ausgabe wie in der oberen Tabelle – im Beispiel auf der Standardausgabe. import import import import java.util.HashMap; java.io.FileReader; org.xml.sax.*; org.xml.sax.helpers.*; public class telefon_csv1 extends DefaultHandler { boolean aktiv=false; String monat, jahr; HashMap kosten = new HashMap(); String currentElement; public static void main (String args[]) throws Exception { XMLReader xr = new org.apache.crimson.parser.XMLReaderImpl(); telefon_csv1 handler = new telefon_csv1(); xr.setContentHandler(handler); xr.setErrorHandler(handler); // Eingabedateien verarbeiten for (int i=0; i < args.length; i++) { FileReader r = new FileReader (args [i]); // nur US-ASCII!! System.out.println ("Monat,Jahr,Grund,Ort,Fern,Ausland,Sonder"); xr.parse (new InputSource (r)); } // for } // main() public void startElement (String uri, String name, String qName, Attributes atts) { if (qName.equals ("zeitraum")) { aktiv=true; monat = atts.getValue("monat"); jahr = atts.getValue("jahr"); kosten.clear(); } else { if (!aktiv) return; } // if currentElement = name; } // startElement() 8 1 SAX 1.4 Datenkonvertierung mit SAX public void endElement (String uri, String name, String qName) { if (qName.equals ("zeitraum")) { if (kosten.isEmpty()) { System.out.println ("keine Daten vorhanden!"); } else { System.out.print (monat + ","); System.out.print (jahr + ","); System.out.print (kosten.get ("grundpreis") + ","); System.out.print (kosten.get ("ortsgespraeche") + ","); System.out.print (kosten.get ("ferngespraeche") + ","); System.out.print (kosten.get ("auslandsgespraeche") + ","); System.out.println (kosten.get ("sonderrufnummern")); } // if aktiv=false; } // if } // endElement() public void characters (char ch[], int start, int length) { String s = new String (ch).substring (start, start+length); if (s.trim().length() == 0) return; if (!aktiv) return; kosten.put (currentElement, Double.valueOf (s)); // Mit Hilfe von Schema-Validation kann sichergestellt werden, // dass hier keine Format-Exception auftreten wird. } // characters() } // class telefon_csv1 Das zweite Java-Programm telefon_csv2.java unterscheidet sich nur in der Methode endElement und in der Kopfzeilen-Ausgabe, weshalb auch nur diese Methode gezeigt wird: public void endElement (String uri, String name, String qName) { if (qName.equals ("zeitraum")) { if (kosten.isEmpty()) { System.out.println ("keine Daten vorhanden!"); } else { System.out.println (monat + "," + jahr + ",grundpreis," + kosten.get ("grundpreis")); System.out.println (monat + "," + jahr + ",ortsgespraeche," + kosten.get ("ortsgespraeche")); 9 1.4 Datenkonvertierung mit SAX 1 SAX System.out.println (monat + "," + jahr + ",ferngespraeche," + kosten.get ("ferngespraeche")); System.out.println (monat + "," + jahr + ",auslandsgespraeche," + kosten.get ("auslandsgespraeche")); System.out.println (monat + "," + jahr + ",sonderrufnummern," + kosten.get ("sonderrufnummern")); } // if aktiv=false; } // if } // endElement() Tatsächlich kann man die zweite Variante sogar weiter im Sinne von XML flexibilisieren, wenn man die Namen der einzelnen Posten gar nicht mehr fest codiert, sondern genau die Posten ausgibt, die in der XML-Datei vorkommen. Wenn es dann neuartige Posten gibt, braucht man das Programm nicht mehr zu verändern. Allerdings ist die Reihenfolge der einzelnen Posten eines Monats nicht mehr steuerbar, nur alphabetisch sortieren könnte man noch. Codiert sieht das so aus: public void endElement (String uri, String name, String qName) { if (qName.equals ("zeitraum")) { if (kosten.isEmpty()) { System.out.println ("keine Daten vorhanden!"); } else { Iterator i = kosten.keySet().iterator(); while (i.hasNext()) { Object key = i.next(); System.out.println (monat + "," + jahr + "," + key + ", " + kosten.get (key)); } // while } // if aktiv=false; } // if } // endElement() Damit es funktioniert, muss allerdings noch java.util.Iterator importiert werden. 1.4.2 CSV in XML Nun zur umgekehrten Richtung CSV in XML, wozu man keinen XML-Parser benötigt, sondern die Daten einfach mit Java einliest und dann XML generiert. Dies ist allgemein der einfachere Vorgang als umgekehrt, denn das CSV-Format ist von seiner Natur her einfacher. Damit es nicht allzu trivial wird, lesen wir zwei CSV-Dateien ein, aus denen dann aber nur eine einzige XML-Datei erzeugt werden soll. Die Daten eines Kunden liegen 10 1 SAX 1.5 Validieren mit Java in der Datei teilnehmer.txt, die Abrechnungsdaten in gebuehren.csv. So haben wir alle Daten beisammen, um die im Abschnitt 1.4.1 auf Seite 6 gezeigte Datei telefon.xml erzeugen zu können. Es wird also zunächst die Datei mit den Kundendaten geöffnet und gelesen, so dass das Element <teilnehmer> geschrieben werden kann. Die Datei ist folgendermaßen aufgebaut: Rufnummer 1234567 Fritz Meier Hauptstr. 2 51465 Bergisch Gladbach Postbank Köln, BLZ 370 100 50, Konto 123456789 Anschließend wird die Datei gebuehren.csv eingelesen und verarbeitet, wobei aus jeder Zeile ein Element <zeitraum> erzeugt wird: 2004,05,24.00,12.54,42.44,0.00,0.00 2004,06,24.00,9.57,52.12,3.44,0.48 Da dies im Grunde ganz gewöhnliche Dateiverarbeitung mit Java ist, wird hier kein fertiges Programm gezeigt. Zur Probe sollte die erzeugte Datei anschließend mit den Programmen zur Umwandlung von XML in CSV wieder verarbeitet werden. Ein Prüfen mittels SchemaValidator bietet sich ebenfalls an. Alternativ wäre natürlich möglich, mittels DOM einen Baum zu erstellen und diesen anschließend als XML auszugeben. Damit wäre zumindest die Wohlgeformtheit in jedem Fall sichergestellt. Für größere Aufgaben – insbesondere wenn Flexibilität gefordert ist – ist das auch der bessere Weg. Beispiele hierzu müssten noch erstellt werden. 1.5 Validieren mit Java 1.5.1 DTD-Validation mit SAX Der SAX-Parser kann auch validieren. Dies muss von ihm allerdings erst gefordert werden, was durch das Einschalten des entsprechenden Features und Überschreiben der zugehörigen Methoden geschieht. Das kann dann beispielsweise so aussehen: import import import import import import import import import java.io.FileReader; java.io.FileInputStream; java.io.InputStreamReader; org.xml.sax.SAXNotRecognizedException; org.xml.sax.SAXNotSupportedException; org.xml.sax.XMLReader; org.xml.sax.InputSource; org.xml.sax.helpers.XMLReaderFactory; org.xml.sax.Attributes; 11 1.5 Validieren mit Java import import import import 1 SAX org.xml.sax.helpers.DefaultHandler; org.xml.sax.ErrorHandler; org.xml.sax.SAXException; org.xml.sax.SAXParseException; public class SaxValidate extends DefaultHandler implements ErrorHandler { public static void main (String args[]) throws Exception { XMLReader xr = new org.apache.xerces.parsers.SAXParser(); SaxValidate handler = new SaxValidate(); xr.setContentHandler(handler); xr.setErrorHandler(handler); //xr.setProperty ("http://xml.org/sax/properties/lexical-handler", null); xr.setFeature ("http://xml.org/sax/features/validation", true); try { String id = "http://xml.org/sax/features/validation"; if (xr.getFeature(id)) { System.out.println("Parser is validating."); } else { System.out.println("Parser is not validating."); } // if } catch (SAXNotRecognizedException e) { System.out.println("Can’t tell."); } catch (SAXNotSupportedException e) { System.out.println("Wrong time to ask."); } // try-catch // Eingabedateien verarbeiten for (int i=0; i < args.length; i++) { //FileReader r = new FileReader (args [i]); // Annahme: (US-)ASCII-Datei FileInputStream fis = new FileInputStream (args [i]); InputStreamReader isr = new InputStreamReader (fis, "UTF-8"); xr.parse (new InputSource (isr)); } // for } // main() public void startDocument () { System.out.println("Start document"); 12 1 SAX 1.5 Validieren mit Java } // startDocument() public void endDocument () { System.out.println("End document"); } // endDocument() public void startElement (String uri, String name, String qName, Attributes atts) { if ("".equals (uri)) System.out.println("Start element: " + qName); else System.out.println("Start element: {" + uri + "}" + name); for (int i=0; i < atts.getLength(); i++) { System.out.println("Attribut: " + atts.getLocalName(i) + " (" + atts.getType(i) + ") = " + atts.getValue(i)); } // for } // startElement() public void endElement (String uri, String name, String qName) { if ("".equals (uri)) System.out.println("End element: " + qName); else System.out.println("End element: {" + uri + "}" + name); } // endElement() public void characters (char ch[], int start, int length) { String ausgabe = ""; for (int i = start; i < start + length; i++) { if (Character.isWhitespace(ch[i]) && ch[i] != ’ ’) continue; switch (ch[i]) { case ’\\’: ausgabe += "\\\\"; break; case ’"’: ausgabe += "\\\""; break; case ’\n’: ausgabe += "\\n"; break; case ’\r’: ausgabe += "\\r"; 13 1.5 Validieren mit Java 1 SAX break; case ’\t’: ausgabe += "\\t"; break; default: ausgabe += ch[i]; break; } // switch } // for if (ausgabe.length() > 0) { System.out.print("Characters: System.out.println(ausgabe); } // if } // characters() "); /********************************************************************* Folgende Variablen und Methoden dienen zur Fehlerbehandlung beim Validieren **********************************************************************/ boolean boolean boolean boolean reportErrors = abortOnError = reportWarnings abortOnWarning true; true; = true; = false; private void print (String label, SAXParseException e) { System.err.println ("** " + label + ": " + e.getMessage ()); System.err.println (" URI = " + e.getSystemId ()); System.err.println (" line = " + e.getLineNumber ()); } // print() // für fatale Fehler public void fatalError (SAXParseException fe) throws SAXException { if (reportErrors) print ("fatal error", fe); if (abortOnError) throw fe; } // fatalError() // für nicht-fatale Fehler, z. B. Validitätsprobleme public void error (SAXParseException e) throws SAXException { if (reportErrors) print ("error", e); 14 1 SAX 1.5 Validieren mit Java if (abortOnError) throw e; } // error() // für Warnungen public void warning (SAXParseException w) throws SAXException { if (reportErrors) print ("warning", w); if (abortOnWarning) throw w; } // warning() } // class SaxValidate Die XML-Datei wird mittels FileInputStream fis = new FileInputStream (args [i]); InputStreamReader isr = new InputStreamReader (fis, "UTF-8"); xr.parse (new InputSource (isr)); geöffnet und verarbeitet, weil das Öffnen in den anderen Programmen die Dateien automatisch aus US-ASCII-Dateien verarbeitet. Da in den XML-Daten aber angegeben ist, dass es sich um UTF-8 handelt, muss das auch so gelesen werden, um eine entsprechende Warnung zu verhindern. So lange die Daten nur 7-Bit-Daten sind, ist das natürlich kein Problem, sobald aber Umlaute oder andere Zeichen jenseits des US-ASCII-Zeichensatzes dabei sind, dann würden die Daten tatsächlich falsch interpretiert, wenn die Datei in UTF -8 codiert ist, die Standard-Codierung der Prozessumgebung aber eine andere ist (bei Windows 2000 beispielsweise Windows-Codepage-1252, bei Linux-Distributionen ist sie teilweise ISO-8859-X, teilweise UTF-8). Eine Beispieldatei, die einen Fehler meldet – wegen des falschen Elements <wurst>“, ” wäre diese (wetter2.xml): <?xml version="1.0" encoding="UTF8"?> <!DOCTYPE weather-report SYSTEM "http://www.bg.bib.de/~bibjah/wreport.dtd"> <?xml-stylesheet type="text/xsl" href="wreport3-style.xml" ?> <weather-report> <date>März 06, 2000</date> <time>09:10</time> <area> <city>Cologne</city> <region >NRW</region> <country>Germany</country> <wurst>Hans</wurst> </area> 15 1.5 Validieren mit Java 1 SAX <measurements> <skies>fine</skies> <temperature scale="C">15</temperature> <wind> <direction>SW</direction> <windspeed>6</windspeed> </wind> </measurements> </weather-report> Im obigen Programm ist der Aufruf des Crimson-Parsers auskommentiert und durch einen Aufruf des neueren Xerces-Parsers (ebenfalls aus dem Apache-Projekt) ersetzt worden. Dieser kann neben DTDs auch mittels XML-Schemas validieren – was im nächsten Abschnitt erläutert wird. 1.5.2 Schema-Validation mit Xerces Weder die Validation mit DTDs noch die Verwendung des crimson-Parsers sind technisch der letzte Stand. Zwar gilt crimson als der Parser, der garantiert in jeder Java-Umgebung zur Verfügung steht, der Xerces-Parser hat aber einen deutlich größeren Funktionsumfang, zu dem auch die Möglichkeit gehört, mittels Schemas zu validieren. Einem XmlTester-Konstruktor übergibt man einen Dateinamen bzw. einen URL des XML-Dokuments und als zweiten Parameter wahlweise den Dateinamen bzw. URL des Schemas oder aber null. Im letzteren Fall muss das XML-Dokument einen Verweis auf das zu verwendende Schema tragen – sonst findet mangels eines Schemas keine Validation statt. Mit Hilfe einer DocumentBuilderFactory wird ein DocumentBuilder erzeugt. Dessen Methode parse kann man einen Dateinamen oder einen URL übergeben. Rückgabewert von parse ist ein DOM-Document, d. h. ein Objekt einer Klasse, welche das DocumentInterface implementiert. Ein solches Document repräsentiert ein komplettes HTML- oder XML-Dokument in einem Java-Objekt. Es ist quasi die Wurzel des Dokumentbaums und ermöglicht den Zugriff auf die Daten des Dokuments. Wegen der factory-Einstellungen mit setNamespaceAware, setValidating und setAttribute vor dem Erzeugen des DocumentBuilder und dem Parsen des Dokuments führt der Parser die Schema-Validation durch. Das erzeugte Document-Objekt wird lediglich dazu verwendet, den Namen des Root-Nodes anzuzeigen. Weitere Methoden zum Lesen, zum Verändern und zum Schreiben in eine neue XML-Datei stehen zur Verfügung – siehe JavaAPI-Dokumentation. /* XmlTester.java basierend auf Code aus http://www.javaworld.com/javaworld/jw-08-2005/jw-0808-xml_p kleine Aenderungen durch [email protected], 2006-03-02 */ 16 1 SAX import import import import import import import import import 1.5 Validieren mit Java java.io.IOException; javax.xml.parsers.DocumentBuilder; javax.xml.parsers.DocumentBuilderFactory; javax.xml.parsers.ParserConfigurationException; org.w3c.dom.Document; org.w3c.dom.Node; org.xml.sax.SAXException; org.xml.sax.ErrorHandler; org.xml.sax.SAXParseException; public class XmlTester { public static final void main (String[] args) { if (args.length != 1 && args.length != 2) { System.out.println ("Usage: java XmlTester myFile.xml [ mySchema.xsd ]\n") System.out.println ("If a second argument is provided, the given schema fi System.out.println ("Otherwise, the schema file location must be specified System.exit (-1); } // if String xmlFile = args[0]; String schemaFile = null; if (args.length == 2) { schemaFile = args[1]; } // if try { XmlTester xmlTester = new XmlTester (xmlFile, schemaFile); } catch (Exception e) { System.out.println (e.getClass().getName() +": "+ e.getMessage()); } // try/catch } // main() public XmlTester(String xmlFile, String schemaFile) throws ParserConfigurationException, SAXException, IOException { DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); System.out.println ("DocumentBuilderFactory: "+ factory.getClass().getName()); factory.setNamespaceAware (true); factory.setValidating (true); factory.setAttribute ("http://java.sun.com/xml/jaxp/properties/schemaLanguage" "http://www.w3.org/2001/XMLSchema"); 17 1.5 Validieren mit Java 1 SAX if (schemaFile != null) { factory.setAttribute ("http://java.sun.com/xml/jaxp/properties/schemaSource schemaFile); } // if DocumentBuilder builder = factory.newDocumentBuilder(); builder.setErrorHandler (new SimpleErrorHandler()); Document document = builder.parse (xmlFile); Node rootNode = document.getFirstChild(); System.out.println ("Root node: "+ rootNode.getNodeName()); } // XmlTester() } // class XmlTester class SimpleErrorHandler implements ErrorHandler { public void error (SAXParseException exception) { System.out.println ("error: "+ exception.getMessage()); } // error() public void fatalError (SAXParseException exception) { System.out.println ("fatalError: "+ exception.getMessage()); } // fatalError() public void warning (SAXParseException exception) { System.out.println ("warning: "+ exception.getMessage()); } // warning() } // class SimpleErrorHandler Damit der richtige Parser Xerces verwendet wird, muss dieser im CLASSPATH vor dem alten Crimson-Parser liegen. Fehlt der Xerces oder liegt er im CLASSPATH weiter hinten, so wird der Crimson-Parser verwendet, der aber die Attribute nicht kennt und daher einen Fehler liefern wird: No attributes are implemented Die Java-VM liest alle im CLASSPATH angegebenen Jar-Archive und schaut dort nach der Datei META-INF/services/javax.xml.parsers.DocumentBuilderFactory. In dieser steht dann der komplette Pfad der Klasse, die die DocumentBuilderFactory implementiert. Wird also das zu Xerces gehörende Archiv (xercesImpl.jar) vor dem Crimson-Archiv durchsucht, wird Xerces verwendet. 18 2 DOM 2 DOM DOM2 ist die Abkürzung für Document Object Model“, ein plattform- und program” miersprachenneutrales Interface des Word Wide Web Consortiums3 zur Verarbeitung von XML-Daten. Es kann mit compilierten und mit interpretierten Sprachen verwendet werden, wobei Zugriff auf Teile und Veränderung des Dokuments möglich sind. Das Ergebnis der Dokumentverarbeitung kann in das XML-Dokument zurückgeschrieben werden – oder auch in ein anderes. DOM4J4 ist eine handliche, quelloffene Bibliothek für das Arbeiten mit XML, XPath und XSLT auf der Java-Plattform. Sie steht im XML-Portal5 zum Download zur Verfügung; Sie brauchen das jar-Archiv lediglich Ihrem CLASSPATH hinzuzufügen. Anhand einiger Beispiele soll das Arbeiten mit DOM4J erläutert werden. 2.1 Parsen von XML Im ersten Beispiel soll ein XML-Dokument, dessen Name als Parameter übergeben wird, geparst werden. Der Name des Wurzelelementes und die Namen aller direkten Kindelemente davon werden ausgegeben. import import import import import org.dom4j.Document; org.dom4j.Element; org.dom4j.DocumentException; org.dom4j.io.SAXReader; java.util.Iterator; public class ParseXML { public static void main (String args[]) throws Exception { // Eingabedateien verarbeiten for (int i=0; i < args.length; i++) { SAXReader reader = new SAXReader(); Document document = reader.read (args[i]); iterate (document); } // for } // main() public static void iterate (Document d) throws DocumentException { Element wurzel = d.getRootElement(); 2) 3) 4) 5) http://w3.org/DOM http://w3.org http://dom4j.org http://www.bg.bib.de/portale/xml/Quelltexte 19 2.2 Erzeugen eines neuen Dokuments 2 DOM System.out.println ("Das Wurzelelement heißt "+ wurzel.getName()); System.out.println ("und hat folgende direkte Kindelemente:"); for (Iterator i = wurzel.elementIterator(); i.hasNext(); ) { Element element = (Element) i.next(); System.out.println ("Element: " +element.getName()); } // for } // iterate() } // class ParseXML Iteratoren sind ein gängiges Verfahren von Java, um Listen abzuarbeiten, schlagen Sie sie ggf. in der Java-Online-Doku nach oder fragen Sie im Java-Unterricht. Mit diesem kleinen Programm kann man schon erkennen, wie man an einzelne Elemente aus dem XML-Baum herankommt. Das Interface Element hat viele Methoden, um Eigenschaften eines Elementes abzufragen, z. B. wie oben angwendet nach dem Namen, aber auch nach dem Inhalt, nach Attributen, den enthaltenen Elementen usw. usf. 2.2 Erzeugen eines neuen Dokuments In diesem Abschnitt sehen Sie auch, wie Sie ein bereits bestehendes, d. h. eingelesenes Dokument verändern können. Da ein neues Dokument zunächst leer ist, müssen Sie vor dem Schreiben in eine Datei auch hier Veränderungen vornehmen – allerdings ist es hier auf das Hinzufügen von Elementen und Attributen beschränkt. Das Löschen oder Verändern von vorhandenen Elementen und Attributen können Sie leicht in der API-Dokumentation von DOM4J nachschlagen. import import import import import org.dom4j.Document; org.dom4j.DocumentHelper; org.dom4j.Element; org.dom4j.io.XMLWriter; org.dom4j.io.OutputFormat; import java.io.FileWriter; import java.io.IOException; public class NewDoc { public static void main (String[] args) { Document neu = createDocument(); try { writeDocument (neu); } catch (Exception e) { 20 2 DOM 2.3 Anwendung von XSLT System.out.println ("SAXException: " + e.getMessage()); System.exit (1); } // try/catch } // main() public static Document createDocument() { Document document = DocumentHelper.createDocument(); Element root = document.addElement( "Autorenliste" ); Element author1 = root.addElement( "Autor" ) .addAttribute( "Initialen", "JW" ) .addAttribute( "Ort", "Köln" ) .addText( "Johann Werkzeugmacher" ); Element author2 = root.addElement( "Autor" ) .addAttribute( "Initialen", "HS" ) .addAttribute( "Ort", "Bonn" ) .addText( "Hermann Schwaderlappen" ); return document } // createDocument() public static void writeDocument (Document d) throws IOException { OutputFormat format = OutputFormat.createPrettyPrint(); XMLWriter writer = new XMLWriter ( new FileWriter ("neu.xml"), format); writer.write (d); writer.close(); } // writeDocument() } 2.3 Anwendung von XSLT Als letztes Beispiel soll die Verwendung des bereits früher besprochenen XSLT in einem eigenen Java-Programm gezeigt werden. Es ist also festzustellen, dass die Verarbeitung mit XSLT Stylesheets und die in eigenen Programmen keineswegs einander ausschließen, sondern auch miteinander kombiniert werden können. Manche Verarbeitungsschritte lassen sich leichter in XSLT codieren, andere leichter mit Java programmieren. Änderungen an XSLT bedürfen keine Compilation, die am Java-Code schon. So hat alles seine Vor- und Nachteile, die Sie in der Praxis abwägen müssen. Das Java-Programm StyleXSLT.java sieht so aus: 21 2.3 Anwendung von XSLT import import import import 2 DOM org.dom4j.io.SAXReader; org.dom4j.Document; org.dom4j.io.DocumentResult; org.dom4j.io.DocumentSource; import javax.xml.transform.stream.StreamSource; import javax.xml.transform.Transformer; import javax.xml.transform.TransformerFactory; import org.dom4j.io.XMLWriter; import org.dom4j.io.OutputFormat; import java.io.FileWriter; import java.io.IOException; public class StyleXSLT { public static void main (String[] args) { try { TransformerFactory tf = TransformerFactory.newInstance(); Transformer t = tf.newTransformer ( new StreamSource ("wreport-style.xml")); SAXReader reader = new SAXReader(); Document document = reader.read ("wetter.xml"); DocumentSource src = new DocumentSource (document); DocumentResult res = new DocumentResult(); t.transform (src, res); Document transformedDoc = res.getDocument(); OutputFormat format = OutputFormat.createPrettyPrint(); XMLWriter writer = new XMLWriter ( new FileWriter ("wetter.html"), format); writer.write (transformedDoc); writer.close(); } catch (Exception e) { System.out.println ("SAXException: " + e.getMessage()); System.exit (1); } // try/catch } // main() } 22 2 DOM 2.3 Anwendung von XSLT Die TransformerFactory wird herangezogen, um einen neuen Transformer namens t zu erzeugen, der das Stylesheet wreport-style.xml verwendet. Das Dokument wetter.xml wird mit Hilfe eines SAXReaders in ein DOM-Document eingelesen. Es wird je eine Instanz von DocumentSource und DocumentResult für den Transformationsvorgang gebildet und mittels der Methode transform der Klasse Transformer die XSLT-Transformation durchgeführt. Das transformierte Dokument wird aus dem Ergebnis gelesen mittels der Methode getDocument(). Damit das Ergebnis schön formatiert ausgegeben wird, wird ein entsprechendes OutputFormat generiert und anschließend das Dokument mit einem XMLWriter ausgegeben. Das Zieldokument ist ein HTML-Dokument, wie man dem folgenden Stylesheet wreport-style. xml entnehmen kann: <?xml version="1.0" encoding="UTF-8"?> <xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0"> <xsl:template match="/"> <xsl:apply-templates select="weather-report"/> </xsl:template> <xsl:template match="weather-report"> <html> <head><title>hi there</title></head> <body> <!-- Fuer eine Auswahl von Elementen Vorlagen anwenden: --> <xsl:apply-templates select="area|date|time|measurements"/> </body> </html> </xsl:template> <!-- Pattern = Knoten[area|date|time|measurements] --> <xsl:template match="date|time"> <!--Fuer date ODER time--> <p style="color:navy; background-color:yellow"> <xsl:value-of select="." /> <!-- fuege Wert(e) ein --> </p> </xsl:template> <xsl:template match="area"> <p style="color:yellow; background-color:blue"> <!-- Inhalt des Kindes "country" --> <xsl:value-of select="country" /> </p> </xsl:template> 23 2.3 Anwendung von XSLT 2 DOM <xsl:template match="measurements"> <p style="color:navy; background-color:yellow"> <!-- Inhalte aller direkten Kinder --> <xsl:value-of select="./*" /> </p> </xsl:template> </xsl:stylesheet> Das passende XML-Dokument wetter.xml sieht so aus: <?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="wreport-style.xml" ?> <weather-report> <date>Juni 06, 2000</date> <time>09:10</time> <area> <!-- Dies ist ein Kommentarknoten --> <city>Köln</city> <region >NRW</region> <country>Germany</country> </area> <measurements> <skies>fine</skies> <temperature scale="C">15</temperature> <wind> <direction>SW</direction> <windspeed>6</windspeed> </wind> </measurements> </weather-report> Wie das erzeugte Dokument wetter.html aussieht, können Sie dem XSLT-Code entnehmen oder auch einfach ausprobieren. Die Dokumente stehen im XML-Portal6 im Bereich Quelltexte zur Verfügung. $Id: XML-DOM-SAX.tex,v 1.11 2006/08/10 13:33:22 hj Exp $ 6) http://www.bg.bib.de/portale/xml 24