Tvorba informačních systémů

Transkript

1 Tvorba informačních systémů Michal Krátký Katedra informatiky VŠB Technická univerzita Ostrava Tvorba informačních systémů, 2006/2007 c Michal Krátký Tvorba informačních systémů 1/37

2 Obsah 8. XML Technologie XML, Datový model, Schémata, Dotazovací jazyky, Jmenné prostory, Transformace,. c Michal Krátký Tvorba informačních systémů 2/37

3 Extensible Mark-up Language (XML) Extensible Mark-up Language (XML) byl uveden v roce 1998 konsorciem World Wide Web Consortium (W3C, Značkovací jazyk reprezentující informace elementy, které mohou obsahovat další elementy a atributy. Neobsahuje pevnou množinu značek, ale umožňuje definovat vlastní schéma XML dokumentu. c Michal Krátký Tvorba informačních systémů 3/37

4 Extensible Mark-up Language (XML) Z jiného pohledu: formát pro přenos heterogenních dat: Geography Markup Language (GML), mathematical formulas (MathML), DocBook... Z jiného pohledu: datový model. XML dokument je modelován stromem (XML strom). c Michal Krátký Tvorba informačních systémů 4/37

5 Dobře strukturovaný (well formed) XML dokument Element má typ identifikovaný jménem. Element může obsahovat množinu dvojic atribut= hodnota. V textovém tvaru XML dokumentu identifikujeme počáteční (start-tag) a koncovou značku (end-tag) elementu (<name>...</name>). Text mezi počáteční a koncovou značkou nazýváme obsah elementu (element content). c Michal Krátký Tvorba informačních systémů 5/37

6 Dobře strukturovaný (well formed) XML dokument Pokud element obsahuje další potomky a znaková data, mluvíme o dokumentu se smíšeným obsahem (mixed content). Např. <a>hi, <b>mike</b></a>. Element nemající obsah nazýváme prázdný (empty). Zkrácený zápis: <img src="picture.jpg"/>. Dokument splňující takováto základní pravidla se nazývá dobře strukturovaný (well formed). c Michal Krátký Tvorba informačních systémů 6/37

7 Příklad - XML dokument <?xml version= " 1.0 "? > <books> <book i d = " " > < t i t l e >The Two Towers< / t i t l e > <author>j.r.r. Tolkien< / author> < / book> <book i d = " " > < t i t l e >The Return of the King< / t i t l e > <author>j.r.r. Tolkien< / author> < / book> <book i d = " " > < t i t l e >Catch 22< / t i t l e > <author>joseph H e l l e r < / author> < / book>< / books> c Michal Krátký Tvorba informačních systémů 7/37

8 XML strom 8. XML Technologie books book book book id title author id title author id title author The Two Towers J.R.R. Tolkien The Return of the King J.R.R. Tolkien Catch 22 Joseph Heller c Michal Krátký Tvorba informačních systémů 8/37

9 Příklad - XML dokument se smíšeným obsahem 1/2 <books>... <book> < t i t l e >XML Data Management: Native XML and XML Enabled Database Systems< / t i t l e > <author> Akmal B. Chaudhri, Awais Rashid, Roberto Z i c a r i < / author> <keywords> XML, Native XML Database,... < / keywords> c Michal Krátký Tvorba informačních systémů 9/37

10 Příklad - XML dokument se smíšeným obsahem 2/2 <desc> <isbn> < / isbn> copy 2003 Addison Wesley P r o f e s s i o n a l < / desc> < / book>... < / books> c Michal Krátký Tvorba informačních systémů 10/37

11 XML strom 8. XML Technologie 0 BOOKS (0) 34 BOOK (1) TITLE 34 (2) 36 AUTHOR (11) 38 KEYWORDS (18) 40 DESC (19) 35 PCDATA (3) 37 PCDATA (3) 39 PCDATA (3) 41 ISBN (20) 43 PCDATA (3) (4) (5) (6) XML Data Management: (7) (4) (8) Native XML and XML-Enabled (9) (10) Database Systems (12) (13) Akmal B. Chaudrhi, (14) (15) Awais Rashid, (16) (17) Roberto Zicari (4) XML, (7) (4) (9) Native XML database, PCDATA (3) (21) (22) (23) copyright 2003, (24) (25) Addison Wesley (26) Professional c Michal Krátký Tvorba informačních systémů 11/37

12 Validní dokument 8. XML Technologie XML dokument splňující definované schéma nazýváme validní. DTD, XML Schema,... Není nutné psát interpretr pro každý XML dokument. c Michal Krátký Tvorba informačních systémů 12/37

13 Příklad - DTD 8. XML Technologie <!DOCTYPE books [ <!ELEMENT books ( book ) > <!ELEMENT book ( t i t l e, author ) > <! ATTLIST book i d CDATA #REQUIRED> <!ELEMENT t i t l e (#PCDATA) > <!ELEMENT author (#PCDATA) > ] > c Michal Krátký Tvorba informačních systémů 13/37

14 Příklad - XML Schema 1/2 <xsd:schema xmlns:xsd= " h t t p : / /www. w3. org /2001/XMLSchema" > <xsd:element name= " books " > <xsd:complextype> <xsd:sequence> <xsd:element name= " book " maxoccurs= " unbounded " > <xsd:complextype> <xsd:sequence> <xsd:element name= " t i t l e " type= " x s d : s t r i n g " / > <xsd:element name= " author " type= " x s d : s t r i n g " / > < / xsd:sequence> < x s d : a t t r i b u t e name= " i d " type= " IdType " use= " r equired " / > < / xsd:complextype> c Michal Krátký Tvorba informačních systémů 14/37

15 Příklad - XML Schema 2/2 < / xsd:element> < / xsd:sequence> < / xsd:complextype> < / xsd:element> < xsd:simpletype name= " IdType " > < x s d : r e s t r i c t i o n base= " x s d : s t r i n g " > < x s d : l e n g t h value= " 9 " / > < x s d : p a t t e r n value= " [0 1] [0 1] " / > < / x s d : r e s t r i c t i o n > < / xsd:simpletype > < / xsd:schema> c Michal Krátký Tvorba informačních systémů 15/37

16 XPath, XQuery, XQL,.... Jazyky jsou založené na XPath. XPath umožňuje procházet XML strom pomocí tzv. výrazů cest. Obsahuje tzv. osy XPath relace mezi uzly stromu. Obsahuje funkce, např. vrácení podřetězce atp. c Michal Krátký Tvorba informačních systémů 16/37

17 XPath 8. XML Technologie Dotaz se skládá z výrazů axis::tag[filter] oddělených / nebo //. Výsledkem výrazu na kontextovém uzlu u je množina uzlů u : Relace axis obsahuje (u, u ). Značka pro u je tag. Podmínka filter nabývá hodnoty true na uzlu u. books/book/title //book/title //book[author= Joseph Heller ]/title c Michal Krátký Tvorba informačních systémů 17/37

18 Příklad, XPath 8. XML Technologie books book book book id title author id title author id title author The Two Towers J.R.R. Tolkien The Return of the King J.R.R. Tolkien Catch 22 Joseph Heller books/book/title //book/title //book[author= Joseph Heller ]/title c Michal Krátký Tvorba informačních systémů 18/37

19 Osy XPath 1/2 8. XML Technologie parent ancestor ancestor-or-self child descendant descendant-or-self preceding 1. uzel na cestě od u ke kořeni uzly ležící na cestě z u ke kořeni u a uzly ležící na cestě z u ke kořeni přímý potomek uzlu u všechny uzly pro které je u předek descendant + u uzly předcházející uzel u (kromě předků) c Michal Krátký Tvorba informačních systémů 19/37

20 Osy XPath 2/2 8. XML Technologie following uzly následující uzel u (kromě potomků) preceding-sibling předcházející sourozenci u following-sibling následující sourozenci u attribute atribut uzlu u self u namespace jmenný prostor u c Michal Krátký Tvorba informačních systémů 20/37

21 Příklad, Osy XPath 1/ (a) (b) (c) 8 9 Výsledné uzly výrazů (a) parent::*, (b) ancestor::*, (c) ancestor-or-self::* z kontextového uzlu 7. c Michal Krátký Tvorba informačních systémů 21/37

22 Příklad, Osy XPath 2/ (a) (b) (c) 8 9 Výsledné uzly výrazů (a) child::*, (b) descendant::*, (c) descendant-or-self::* z kontextového uzlu 1. c Michal Krátký Tvorba informačních systémů 22/37

23 Příklad, Osy XPath 3/ (a) (b) Výsledné uzly výrazů (a) preceding::* a (b) following::* z kontextového uzlu 6 resp. 1. c Michal Krátký Tvorba informačních systémů 23/37

24 Příklad, Osy XPath 4/ (a) (b) Výsledné uzly výrazů (a) preceding-sibling::* a (b) following-sibling::* z kontextového uzlu 6 resp. 2. c Michal Krátký Tvorba informačních systémů 24/37

25 XQuery 8. XML Technologie Aktuální standard W3C pro dotazování XML dat. < r e s u l t s > { f o r $ b i n doc ( books. xml ) / books / book, $n i n $ b / name, $a i n $ b / author r e t u r n < r e s u l t > { $ n } { $ a } < / r e s u l t > } < / r e s u l t s > c Michal Krátký Tvorba informačních systémů 25/37

26 XML namespace 8. XML Technologie Umožňuje rozšířit jméno elementu o prefix jmenný prostor. <?xml version= " 1.0 " encoding= " ISO "?> < x s l : s t y l e s h e e t version= " 1.0 " x m l n s : x s l = " h t t p : / /www. w3. org /1999/XSL / Transform " > < x s l : t e m p l a t e match= " / " > c Michal Krátký Tvorba informačních systémů 26/37

27 EXtensible Stylesheet Language Transformation (XSLT) W3C standard. Transformace XML dokumentu na jiný XML dokument. Transformace je řízena transformačním souborem XML soubor validní ke schématu XSL. XSL je rozsáhlejší, obsahuje i XSL FO (formatting objects) např. transformace XML do pdf. c Michal Krátký Tvorba informačních systémů 27/37

28 Příklad, XSLT 1/2 8. XML Technologie <?xml version= " 1.0 " encoding= " ISO "?> < x s l : s t y l e s h e e t version= " 1.0 " x m l n s : x s l = " h t t p : / /www. w3. org /1999/XSL / Transform " > < x s l : t e m p l a t e match= " / " > <html> <body> <h2>cd C o l l e c t i o n < / h2> < t a b l e border= " 1 " > < t r bgcolor=" #9acd32 " > < th> T i t l e < / th> < th> A r t i s t < / th> < / t r > c Michal Krátký Tvorba informačních systémů 28/37

29 Příklad, XSLT 2/2 8. XML Technologie < x s l : f o r each s e l e c t = " catalog / cd " > < t r > < td>< x s l : v a l u e of s e l e c t = " t i t l e " / >< / td> < td>< x s l : v a l u e of s e l e c t = " a r t i s t " / >< / td> < / t r > < / x s l : f o r each> < / t a b l e > < / body> < / html> < / x s l : t e m p l a t e > < / x s l : s t y l e s h e e t > < / x s l : s t y l e s h e e t > c Michal Krátký Tvorba informačních systémů 29/37

30 Programovací jazyky a XML Parsery: DOM (Document Object Model) W3C, XML dokument je načten do paměti jako struktura instancí: např. Xerces Java Parser. SAX sekvenčně zpracováváme jednotlivé elementy, které parser načítá: např. Xerces Java Parser. Další např..net umožňuje pro každý typ uzlu definovat třídu. Implementace XSLT: Microsoft XSLT. Java - Apache Xalan ( c Michal Krátký Tvorba informačních systémů 30/37

31 Příklad, Java, DOM 8. XML Technologie DocumentBuilderFactory d b f a c t o r y = DocumentBuilderFactory. newinstance ( ) ; DocumentBuilder b u i l d e r = d b f a c t o r y. newdocumentbuilder ( ) ; Document doc = b u i l d e r. parse (new F i l e ( " f i l e. xml " ) ) ; Element r o o t = doc. getdocumentelement ( ) ; NodeList l i s t = r o o t. getelementsbytagname ( " book " ) ; for ( i n t i = 0 ; i < l i s t. getlength ( ) ; i + + ) { Element element = ( Element ) l i s t. item ( i ) ; S t r i n g i d = element. g e t A t t r i b u t e ( " i d " ) ; NodeList t i t l e L i s t = element. getelementsbytagname ( " t i t l e " ) ;.... } c Michal Krátký Tvorba informačních systémů 31/37

32 Datový model XML - XML dokument je modelován stromem (XML strom). XML dokument/dokumenty tvoří databázi, schéma dokumentů je schématem této databáze. Pro dotazování XML dat, používáme XML dotazovací jazyky, např. XPath, XQuery apod. Existují jazyky pro provádění změn v XML dokumentech, např. XUpdate. Pro indexování XML dokumentů je nutné použít sofistikované metody. c Michal Krátký Tvorba informačních systémů 32/37

33 Příklad, XPath, model books book book book id title author id title author id title author The Two Towers J.R.R. Tolkien The Return of the King J.R.R. Tolkien Catch 22 Joseph Heller books/book/title //book/title //book[author= Joseph Heller ]/title c Michal Krátký Tvorba informačních systémů 33/37

34 Triviální implementace Každý element je vložen do B-stromu (indexujeme dle id v uspořádání dokumentu), jinými slovy vytvoříme tabulku Element(tag, id, value) a pro každý element do ní vložíme záznam. n0 books n1 book n2 book n3 n4 n5 id title author n7 n6 n8 id title author The XML Book John Smyth The XQuery Frank Book Nash /books/book[author= John Smyth ]/title c Michal Krátký Tvorba informačních systémů 34/37

35 Provádění dotazu 8. XML Technologie 1 Najdi všechny elementy typu books. 2 Najdi všechny elementy typu book. Proved strukturální spojení mezi množinami. 3 Najdi všechny elementy typu author s hodnotou John Smyth. Proved strukturální spojení mezi množinami. 4 Najdi všechny elementy typu title. Proved strukturální spojení mezi množinami. c Michal Krátký Tvorba informačních systémů 35/37

36 Aktuální stav 8. XML Technologie 1 Takto triviální přístupy jsou velmi neefektivní. Např. dotaz site/closed_auctions/closed_auction/annotation/ description/parlist/listitem/parlist/listitem/ text/emph/keyword trvá na MS SQL s 14min (kolekce XMark 1GB). 2 Efektivní přístupy jsou v současné době záležitostí výzkumu. Např. přístup MDX vyvíjený na katedře tento dotaz vykoná za 4s. c Michal Krátký Tvorba informačních systémů 36/37

37 Reference 8. XML Technologie XPath, XQuery XML Namespace XSLT Akmal B. Chaudhri, Awais Rashid, Roberto Zicari: XML Data Management: Native XML and XML-Enabled Database Systems. Addison-Wesley Professional, c Michal Krátký Tvorba informačních systémů 37/37