XPath

XPath Diego Berrueta [email_address]

Contenido Introducción Expresiones, rutas, ejes y pasos Funciones Ejercicios

Introducción a XPath Recomendación del W3C, desarrollada en paralelo con XSLT Se usa también en XPointer y XLink Objetivo: seleccionar fragmentos de un documento XML Objetivo complementario: definir patrones para las plantillas Sintaxis no-XML Opera sobre una estructura abstracta (árbol), no sobre la sintaxis

Parecidos razonables Rutas de directorios DOM XML Information Set (Infoset) Expresiones regulares

Modelo de datos (I) XPath trabaja con el XML modelado como un árbol Los nodos del árbol pueden ser: Nodo raíz Nodo elemento Nodo texto Nodo atributo Nodo instrucción de procesamiento Nodo comentario

Modelo de datos (II) Existen dos recorridos del árbol: En el orden del documento (document-order) En el orden inverso (reverse-order) Valor-cadena de distintos nodos: Elementos: concatenación de todos los nodos de texto descendientes Atributos: valor normalizado Texto: valor literal

Cuestiones sintácticas Las expresiones XPath suelen ir dentro de atributos XML (p.e.: select, match). Por tanto: Se aplican las normas de codificación de cadenas de texto (“<” es “<”) Se pueden alternar comillas simples y dobles, o codificarlas (" y ') Se usan muchas comodidades sintácticas para abreviar las expresiones

Funcionamiento general El componente básico es la expresión Una expresión se evalúa respecto a un contexto ... ... para devolver un objeto, cuyo tipo puede ser: Node-set (conjunto no ordenado de nodos, sin duplicados) Booleano (true() / false()) Número Cadena de texto

Contexto de evaluación Un nodo de contexto La posición en el contexto (entero) El tamaño del contexto (entero) Inmutables: Ligaduras de variables (no hay asignación) Biblioteca de funciones Declaraciones de espacios de nombres

Expresiones Unión de dos node-sets: '|' Referencia a una variable ($variable) Valor literal (cadena o número) Llamada a una función u operador Ruta de localización

Rutas de localización Las rutas de localización son las expresiones más importantes Una ruta se compone de varios pasos de localización Los pasos se separan por '/': paso1 / paso2 ... Una ruta puede ser: Relativa: se evalúa desde el nodo de contexto Absoluta (comienza por '/'): se evalúa desde el nodo raíz

Evaluación de una ruta Se evalúa de izquierda a derecha El paso más a la izquierda se evalúa primero respecto al contexto actual Se genera un nuevo resultado (habitualmente un node-set) Para cada nodo del node-set, se evalúa recursivamente el resto de la ruta, modificando el contexto, y se concatenan los resultados

Pasos de localización Cada paso se compone de: Un eje Una prueba de nodo Opcionalmente, varios predicados Sintaxis: eje :: prueba_nodo [pred1] [pred2] ...

Evaluación de un paso Se construye un node-set con todos los nodos que están relacionados con el nodo de contexto en el eje indicado Se refina el node-set, descartando todos los que no tengan el tipo o nombre indicado Se refina de nuevo el node-set, seleccionando sólo los que verifiquen los predicados

Ejes (I) child:: Hijos directos (pero no atributos) descendant:: Descendientes following-sibling:: Hermanos posteriores following:: Posteriores (excluyendo descendientes) parent:: Padre directo (si existe) ancestor:: Antecesores preceding-sibling:: Hermanos precedentes preceding:: Precedentes (excluyendo antecesores)

Ejes (II) self:: El nodo de contexto ancestor-or-self:: descendant-or-self:: Ejes de tipo especial (no elementos): attribute:: Atributos del nodo de contexto namespace:: Espacios de nombres del nodo de contexto

Abreviaturas de ejes child:: es el eje por omisión attribute:: se abrevia '@' '.' equivale a “self::node()” '..' equivale a “parent::node()” '//' equivale a “/descendant-or-self::node()/”

Pruebas de nodo Nombre cualificado: se verifica para los nodos que tienen ese nombre ' * ': se verifica para todos los nodos del tipo del eje (elementos, atributos, NS) node() : se verifica para cualquier tipo de nodo [por tanto, * ⊆ node() ] text() : se verifica para los nodos de tipo texto comment() y processing-instruction() : se verifica para los nodos de esos tipos

Predicados Actúan como filtros Un predicado puede ser: Un número: sólo se verifica si coincide con la posición en el contexto. Atención: la numeración comienza en 1, no en 0 (Java, C#) Una expresión booleana o convertible a booleana (función boolean()) El orden es significativo

Funciones Conversión de tipos : string(), number() y boolean() Operadores booleanos : and, or, not() [en realidad, not() es una función] Operadores aritméticos : +, -, *, div, mod [un espacio debe preceder a '-'] Operadores de comparación : =, !=, <, >, <=, >= [igualdad con =, no ==] Funciones de biblioteca

Funciones de conversión de tipos (I) string() number() boolean() Si el argumento de una función no es del tipo esperado, se realiza una conversión implícita usando una de estas tres funciones Observación: no hay conversión a node-sets

Funciones de conversión de tipos (II) string() : convierte a cadena de texto Si es un número, se devuelve su representación como cadena de texto (es mejor utilizar la función format-number) Si es un booleano, se devuelve “true” o “false” Si es un node-set, se aplica al primer nodo Si es un nodo, se devuelve el valor-cadena

Funciones de conversión de tipos (III) number() : convierte a un número flotante Si es una cadena, trata de parsearla Si es un booleano, true() es 1 y false() es 0 Si es un node-set, se convierte primero a cadena mediante string()

Funciones de conversión de tipos (IV) boolean() : convierte a un booleano Si es un número, es true() si distinto de cero Si es un node-set, es true() si contiene algún elemento (muy útil en predicados) Si es una cadena, es true() si no es la cadena vacía

Funciones de biblioteca (I) Matemáticas sum() floor() ceiling() round()

Funciones de biblioteca (II) Manipulación de cadenas: concat() substring() substring-before(), substring-after() translate() normalize-space() string-length() [resultado: entero] Predicados sobre cadenas: contains() starts-with() [pero no hay ends-with()]

Funciones de biblioteca (III) Relativas al node-set o el contexto: position() last() count(node-set) id() [devuelve un node-set] Propiedades de los nodos: name() local-name() namespace-uri() lang()

Carga de documentos externos document() permite cargar un documento XML en tiempo de ejecución Esto permite extraer y combinar información de múltiples ficheros Advertencia: suele presentar problemas de rendimiento

XPath como lenguaje de patrones XSLT reaprovecha XPath como lenguaje para definir los patrones de las plantillas No todas las expresiones XPath pueden ser patrones: Debe devolver un node-set Sólo valen los ejes child:: y attribute:: (y '//') Un nodo “encaja” con el patrón si pertenece al node-set resultante de evaluar la expresión con respecto a algún contexto formado por él mismo o por sus antecesores

Fichero RSS (ej: Barrapunto) Obtener el título del canal Obtener el título de la primera noticia Contar el número de noticias Contar cuántas noticias han sido editadas por “Yonderboy” Contar cuántas noticias tienen más de 50 comentarios Sumar los comentarios de todas las noticias Contar cuántas noticias fueron editadas el mismo día que la más reciente

Población provincias (I) Contar cuántas provincias hay Obtener la población de la provincia más poblada (están ordenadas de mayor a menor) Contar cuántas provincias superan el millón de habitantes Sumar la población de todas las provincias Sumar la población de las provincias de menos de un millón de habitantes Sumar la población de las 5 provincias más pobladas

Población provincias (II) Sumar la población de las provincias que ocupen una posición par Provincias que comienzan por 'A' Provincias que contienen la letra 'a' (minúscula) Provincias que contienen la letra 'a' (minúscula o mayúscula) Provincias que contienen alguna de estas letras: 'b, d, g' (sin usar OR)

Población provincias (III) Provincias que terminan en 's' Provincias que tienen al menos una 'a' y además tienen al menos una 'e' antes de la primera 'a' Provincias que tienen una 'e' entre sus primeras 4 letras Provincias que van justo después de otra que contiene la letra 'i'

Superficie comunidades (I) Superficie de la comunidad más grande Están ordenadas de mayor a menor Calcular la superficie de España PRIMER INTENTO: eliminar las unidades SEGUNDO INTENTO: usar otro fichero Sumar la superficie de las comunidades uniprovinciales Comunidades más grandes que Asturias Comunidades uniprovinciales con el mismo nombre que la provincia

Superficie comunidades (II) Comunidades que tienen un número par de provincias Comunidades que tienen más de una palabra en el nombre La segunda comunidad (por población) que tiene más de una palabra en el nombre Atención al orden de los predicados Comunidades cuyas provincias tienen todas una 'a' Sugerencia: probar primero con alguna

Superficie comunidades (III) Provincias que son primeras o últimas en sus comunidades Lo mismo, pero sin usar position() ni last() Lo mismo, pero sólo en comunidades con al menos tres provincias Comunidades cuya superficie media por provincia sea al menos de 10.000 km2

Otros ejercicios Redondear un número real con una cantidad fija de decimales Expresión absoluta que selecciona todos los nodos Expresión relativa que selecciona todos los nodos

Limitaciones de XPath Xpath es demasiado pobre para expresar algunas consultas: Join Map Ordenación de resultados ... Sin embargo, la combinación de XPath + XSLT es mucho más potente Algunos procesadores de XPath + XSLT permiten acoplar extensiones

Referencias XML Path Language (XPath) [W3C Recommendation] Página de XPath en la Wikipedia XSLT Cookbook [Sal Mangano, O'Reilly]

XPath

Más contenido relacionado

La actualidad más candente (17)

Destacado (8)

Similar a XPath (20)

Más de Diego Berrueta (7)

Último (20)

XPath