XML-Parser

1
XML-Parser

• Manuel Röllinghoff

2
Übersicht

• Einleitung
• Parsereigenschaften
• SAX
• DOM
• Beschreibung der wichtigsten Java-Parser
• Parsergeneratoren

3
Einleitung

• Große Anzahl von XML-Parsern für fast alle
  Programmier- und Skriptsprachen erhältlich.
• Unterstützung von Standards unterschiedlich.
• Java und XML

4
Einleitung

• Wo werden XML-Parser eingesetzt?
• Ein Beispiel

5
Parserarten

• Zwei Parserarten
• Nicht-validierende Parser überprüfen nur, ob das
  Dokument wohlgeformt ist
• Validierende Parser überprüfen zusätzlich, ob
  das Dokument sich an die vorgegebene DTD hält

6
Wohlgeformtheit

• Alle Attributwerte müssen in Anführungsstrichen
  stehen
• Jedes Tag muss ein Ende-Tag besitzen ( ltbrgtlt/brgt
  ) oder mit einem "/" gleich beendet werden (
  ltbr/gt )
• Elemente müssen sauber ineinander eingebettet
  sein ( nicht ltsprachegt ltdeutschgt lt/sprachegt
  lt/deutschgt )
• Der Name eines Attributs kommt innerhalb eines
  Elements nicht mehr als einmal vor
• Ein Attributwert darf keinen Verweis auf ein
  externes Entity enthalten
• Ein Attributwert darf kein "lt" enthalten

7
SAX

• Simple API for XML
• entwickelt von der XML-DEV Mailinglist
• 1998 Version 1.0, inzwischen Version 2.0
• serieller Mechanismus zur Verarbeitung von
  XML-Dokumenten
• ereignisgesteuertes Protokoll(Handler)

8
SAX

• Parser über ParserFactory instanzieren
• Handler implementieren und beim Parser
  registrieren
• Parser.parse() aufrufen

9
SAX
DocumentHandler

• startDocument()
• endDocument()
• startElement()
• endElement()
• characters()
• ignorableWhitespace()
• processingInstruction()
• setDocumentLocator()

10
SAX
11
SAX
ErrorHandler

• warning()
• error()
• fatalError()

12
SAX
13
SAX
Entity Resolver

• resolveEntity()
• unparsedEntityDecl()
• notationDecl()

DTDHandler
14
SAX 1.0 gt SAX 2.0

• Unterstützung von XML-Namespaces
• einheitliche Schnittstelle zum Lesen und
  Schreiben von Properties und Features
• Interface XMLFilter um Filter zwischen Anwendung
  und SAX-Treiber einzusetzen
• neue Namen für Interfaces XMLReader für Parser,
  ContentHandler für DocumentHandler u.v.m.

15
Whitespace I

• Leerzeichen, Tabs, Zeilenschaltung u.ä. zwischen
  Tags um Quelltext lesbarer zu machen
• nicht signifikant, kann nur mit Hilfe der DTD
  erkannt werden
• wird in Methode ignorableWhitespace() des
  DocumentHandlers weitergegeben
• bei nichtvalidierenden Parsern unterschiedliche
  Behandlung

16
Whitespace II

• signifikant, z.B. Zeilenenden bei Quelltext,
  mehrere Leerzeichen zwischen Wörtern
• keine Möglichkeit für den Parser, die Signifikanz
  zu erkennen
• Lösung entweder das Attribut xmlspace"preserve"
  setzen oder die Daten in einem CDATA-Abschnitt
  kapseln

17
DOM

• Document Object Model
• Standard vom W3C
• 1998 DOM Level 1, DOM Level 2 Proposed
  Recommendation
• Das DOM definiert mehrere Interfaces mit denen
  Daten in einer Baumstruktur beschrieben werden
  können.

18
DOM
19
DOM

• Alle Knoten von Node abgeleitet
• Funktionalität zum Traversieren des Baumes in
  Node
• spezifische Eigenschaften in abgeleiteten Klassen
• weitere Interfaces für Notation, Entity,
  EntityReference, ProcessingInstruction

20
DOM

• Beispiel

lt?xml version"1.0"?gt lt!--DOM Demo--gt ltxdocgt
ltBegruessunggtHallo ltlautgtXMLlt/lautgt
Parser! lt/Begruessunggt ltApplaus
art"anhaltend"/gt lt/xdocgt
21
DOM und XML-Parser

• Die meisten Parser unterstützen ausschließlich
  DOM Level 1.0
• DOM Level 1.0 spezifiziert nur, wie man mit dem
  DOM arbeiten kann, nicht wie ein DOM aus einem
  XML-Dokument erzeugt werden kann
• Unterschiedliche Implementierungen zumeist auf
  Grundlage von SAX

22
DOM und XML-Parser

• Beispiel JAXP von Sun

DocumentBuilderFactory factory
DocumentBuilderFactory.newInstance() try
factory.setValidating(true) DocumentBuilder
builder factory.newDocumentBuilder()
Document document builder.parse( new
File(argv0) ) catch (SAXParseException spe)
... Fehlerbehandlung ausgeschnitten ...
23
DOM

• Achtung DOM wird komplett im Hauptspeicher
  gehalten
• Bei Verarbeitung von großen Dokumenten mit wenig
  Arbeitsspeicher Performanceverlust wegen
  Auslagerung des Speichers

24
XML-Parser in Java

• JAXP und Project X (Sun)
• Xerces-J (Apache)
• XP (James Clark)
• XML Parser v2 (Oracle)

25
JAXP

• Java API for XML Parsing
• stellt Schnittstellen zum Parsen und Manipulieren
  von XML-Dokumenten zur Verfügung
• zusammen mit Project X als Referenzimplementation
  eines Parsers
• Java Optional Package mit Paketnamen
  javax.xml.parsers
• Standarderweiterung des JDK, wird aber noch nicht
  zusammen damit ausgeliefert

26
JAXP

• Interfaces
• SAXParserFactory
• SAXParser
• DocumentBuilderFactory
• DocumentBuilder
• FactoryConfigurationError
• ParserConfigurationException

27
JAXP

• Voraussetzungen, um einen Parser in das
  JAXP-Interface "pluggen" zu können
• Er muß als character set encodings mindestens
  ascii, UTF8 und UTF16 unterstützen
• Er muß ein Dokument auf seine Wohlgeformtheit
  überprüfen können
• Er muß ein Dokument auf seine Gültigkeit anhand
  einer DTD überprüfen können

28
JAXP - Project X

• Project X 1998 als Technology Release 1
• 1999 Technology Release 2
• 2000 Referenzimplementation für JAXP
• erster schneller Parser
• validierender und nichtvalidierender Parser
• Unterstützung von SAX 1.0, DOM Level 1.0 und XML
  Namespaces
• nicht open source, aber Community Source License

29
JAXP - Project X

• Vorteile
• hohe Konformität zum XML-Standard
• hohe Geschwindigkeit
• gute Dokumentation ( Tutorial, Beispiele, source
  code )

30
Xerces-J

• xml.apache.org Projekt
• entstanden aus dem IBM XML4J
• XML4J gibt es weiterhin und baut auf Xerces-J auf
• aktuelle Version 1.2.1
• bietet validierende und nichtvalidierende Parser
• unterstützt SAX 1.0 und 2.0, DOM Level 1, DOM
  Level 2 beta
• ansatzweise Unterstützung von XML-Schema

31
Xerces-J

• open source
• gute Dokumentation
• Achtung Dieser Parser liest eine DTD, auch wenn
  er im nicht-validierenden Modus ist

32
XP

• Autor James Clark Technical Editor der
  XML-Spezifikation
• zwei Designziele 100 konform zum XML-Standard
  und möglichst schnell
• dafür Einschränkungen
• kein validierender Parser,
• Unterstützung nur von SAX 1.0
• keine DOM-Unterstützung
• nur 4 character encodings
• ErrorHandling "brutal"

33
XP

• Dokumentation nur API-Doc
• open source

34
XML Parser v2 (Oracle)

• validierende und nichtvalidierende Parser
• Unterstützung von SAX 1.0 und DOM Level 1.0
• Besonderheit XSLT Modul, mit dem sich XML
  mittels eines Stylesheets in HTML oder ein
  anderes Format umwandeln läßt.
• Java Beans Komponenten(DOMBuilderBean,
  TreeViewBean, XSLBean)
• kein open source, kein source code
• Beispiele API-Dokumentation

35
Parsergenerator XMLBooster

• generiert XML-Parser für vorher definierte
  Datenstrukturen in Java, C, C, Cobol und Delphi
• Zunächst Meta-Definition (proprietäres Format,
  DTD-ähnlich) für das benötigte XML-Format
  erstellen
• Dann Parser generieren lassen und in eigene
  Anwendung integrieren
• Falls ein geparstes Dokument nicht dem Format
  genügt, wird Fehlermeldung ausgegeben, ansonsten
  erhält man die in der Meta-Definition
  beschriebene Datenstruktur mit Inhalt zurück.

36
Parsergenerator XMLBooster

• Vorteile
• Geschwindigkeit
• Daten gleich in eigener Datenstruktur verfügbar
• Nachteile
• proprietäre Meta-Definition
• nicht frei verfügbar

37
Ende

• Noch Fragen?