Zde je nějakýzvýrazněnýtext.

Odpovídající model je na Obr. 2.1. /

kořenový uzel

uzel elementu P

uzel elementu

textový uzel textový uzel Zde je nějaký

text.

HI

textový uzel atributový uzel zvýrazněný

TYPE ital

Obr. 2.1 Model XML dat v XPath

Uzly ve stromu, který reprezentuje XML dokument jsou uspořádány podle tzv. uspořádání dokumentu (dokument order), které z hlediska stromu odpovídá jeho průchodu doleva-do hloubky. Pro práci s modelem XML dat je také důležitý pojem řetězcové hodnoty uzlu (string value). Např. pro atribut je to normalizovaná hodnota atributu, pro element je to zřetězení všech textových uzlů, které jsou jeho potomky, v souladu s upořádáním dokumentu. Pro dokument odpovídající stromu na Obr. 2.1 je řetězcová hodnota uzlu P rovna: Zde je nějakýzvýrazněnýtext

Řetězcové hodnoty uzlů jsou využívány při porovnávání s jinými objekty.

2.2

Výrazy jazyka XPath

Základním stavebním kamenem výrazů jazyka XPath je tzv. krok (step). Krok je skutečně zamýšlen jako krok v XML dokumentu, přesněji v reprezentaci XML dokumentu. Výraz v jazyce XPath je tvořen posloupností kroků, oddělených znakem „/“. Interpretace výrazu spočívá v postupné interpretaci jednotlivých kroků. Každý krok je interpretován vzhledem k aktuálnímu kontextu. Kontextem se myslí jednak aktuální poloha v dokumentu, dále pak stav globálních objektů a prostředí. Interpretací kroku se kontext změní, následující krok se interpretuje v novém kontextu. Kontext, do kterého vstoupíme posledním krokem je výstupem vyhodnocení výrazu vzhledem ke vstupnímu kontextu. Význam výrazu je pak sada objektů, nacházejících se v daném kontextu v aktuální poloze. Chceme-li učinit krok, musíme se rozhodnout, kterým směrem půjdeme. v jazyce XPath se těmto směrům říká osy (axis). Můžeme např. kráčet po elementech XML stromu, můžeme zamířit k atributům uzlu, či ke jmennému prostoru. Každý jednotlivý krok je určen osou a testem na uzel v tomto směru. Krok určitým směrem se zapisuje: osa::test-na-uzel

kde osa určuje směr, test na uzel specifikuje požadované vlastnosti uzlu. Seznam os XPath podává následující tabulka, jejich význam lze také vyčíst z Obr. 2.2. child:: descendand:: descendand-or-self::

Přímí potomci aktuálního uzlu. Všichni potomci aktuálního uzlu. Aktuální uzel a všichni potomci. 3



Moderní databáze 2006

self:: ancestor-or-self:: ancestor:: parent:: following:: preceding:: following-sibling:: preceding-sibling:: attribute:: namespace::



Aktuální uzel. Aktuální uzel a všichni jeho předci. Všichni předci aktuálního uzlu. Rodič aktuálního uzlu. Všechny uzly, které se v toku XML dokumentu nacházejí za aktuálním uzlem. Všechny uzly, které se v toku XML dokumentu nacházejí před aktuálním uzlem. Všichni následující sourozenci aktuálního uzlu. Všichni předcházející sourozenci aktuálního uzlu. Atributy aktuálního uzlu. Deklarované jmenné prostory. ancestor

following-sibling

preceding-sibling self

child

preceding

following

attribute namespace descendant

Obr. 2.2: Osy v modelu XPath

Implicitní osou je osa přímých potomků (child). Uvažme jednoduchý XML dokument, reprezentující vydané knihy, uložený v souboru „books.xml“: JackNorris MartinWhite 9876543210 <price>750 .....

Jednoduchý příklad výrazu v XPath představuje dotaz na tituly knih v tomto dokumentu: doc(″books.xml″)/descendant::books/descendant::book/child::title

4



Moderní databáze 2006



Počáteční kontext představuje dokument uložený v souboru „books.xml“. Začneme postupovat od jeho kořene („/“), vydáme se ve směru následníků – nejprve všechny knihy, tj. následníka typu „books“, pak každou jednotlivou knihu „book“, a z nich pak vezmeme bezprostřední potomky typu „title“. Výstupem bude posloupnost všech elementů typu „title“ obsažených v dokumentu: . . .

Implicitně se postupuje po ose „child“, atributy se označují „@”, aktuální uzel se zkrátí na „.”, rodič se značí „..“. Výše uvedený dotaz lze pak zkrátit na: doc(″books.xml″)/books/book/title

Výsledek vyhodnocení výrazů jazyka XPath se liší pro verzi 1.0 a 2.0. Ve verzi 1.0 je významem výrazu buď primitivní hodnota (řetězec, číslo nebo logická hodnota), nebo množina uzlů (node-set). Ve verzi 2.0 je výsledkem vyhodnocení výrazu buď primitivní hodnota (řetězec, číslo nebo logická hodnota), nebo posloupnost – bere se v úvahu, že výstup dotazu bývá uspořádán. Upřesněme nyní sémantiku dotazu v jazyku XPath. Krok (jednoduchá cesta) je vyhodnocen vždy vzhledem k nějakému kontextu. Krok má obecně syntaxi: osa::test-na-uzel[predikát]*

Osa vybírá směr pohybu, testem na uzel se provede základní výběr kandidátů, založený na typu uzlu, které mají být vybírány (obvykle jméno elementu). Predikát slouží k další filtraci uzlů. Všimněme si, že predikáty lze řadit do posloupnosti. To však není obvykle nutné, protože stejného efektu se docílí pomocí logického součinu dílčích predikátů. Uvažme opět jednoduchý příklad výrazu v XPath, který představuje dotaz na tituly knih, tentokrát knih publikovaných v roce 2003: doc(″books.xml″)/books/book[@year=″2003″]/title

Oproti výše uvedenému příkladu nás zde zajímají pouze knihy, které mají atribut „year“ s hodnotou „2003“. Z nich pak vezmeme potomky – elementy typu „title“. Predikáty představují logické podmínky, kterými lze omezit specifikovaný výběr uzlů. V jazyce XPath je to Booleovský výraz zapisovaný do hranatých závorek umístěných na konec jednoduché cesty. V predikátech lze využívat porovnání, porovnávají se XPath výrazy. Predikát nemusí být typu Boolean, nicméně je do něho konvertován, např. pomocí: //kapitola[nadpis]

se vyberou uzly odpovídající kapitolám, které mají nadpis. K dispozici je také jednoduchá aritmetika, v predikátech lze využívat funkce a agregační funkce jako např. count a sum. Více pozornosti zaslouží porovnávací operátory = a !=. Porovnávat lze totiž množiny uzlů, resp. množinu uzlů s číslem, řetězcem nebo hodnotou typu Boolean. Při porovnání uzlů se porovnává jejich řetězcová hodnota. Někdy může nastat poněkud neintuitivní situace. Např. porovnání: hodnota = množina-uzlů

se vyhodnotí jako splněná podmínka, jestliže množina-uzlů obsahuje nějaký uzel řetězcovou hodnotou, která se shoduje s hodnotou hodnota. Naopak: hodnota != množina-uzlů

bude true, jestliže množina-uzlů obsahuje nějaký uzel s řetězcovou hodnotou, která se neshoduje s hodnotou hodnota. Z toho plyne, že oba výrazy mohou být vyhodnoceny současné jako true! Predikáty lze skládat pomocí běžných Booleovských operátorů and, or a not(). Jakékoliv relativní cesty vyskytující se v predikátu jsou uvažovány relativně ke kontextu danému krokem, který předchází predikát: /kniha[@třída="H.3.3" and autor="Jiří Kosek"]

Každá cesta začíná v nějakém počátečním bodě modelu XML dat. Cesta, která je ve výrazu uvozena znakem „/“, reprezentuje absolutní cestu, která vždy začíná v kořenovém uzlu. Absolutní cesta může vybrat více než jeden element. Dotaz „/“ zřejmě vybírá celý dokument. Cesta začínající „//“ může vést kdekoliv v dokumentu. Např. výraz:

5



Moderní databáze 2006



//kniha[autor="Jiří Kosek"]/titul

označuje tituly knih daného autora, umístěné kdekoliv v dokumentu. Jiný příklad: kapitola[sekce]//nadpis

označuje nadpisy sekcí všech kapitol. Cesta, která nezačíná „/“, reprezentuje relativní cestu začínající z běžného (kontextového) uzlu. Flexibilitu vyjadřování v XPath podporuje zástupný znak „*“. Znamená „všechny elementy v daném kroku”. Např.: //kniha/descendant::* -- dává všechny potomky každého elementu kniha //parent::* -- dává všechny elementy, které jsou rodičem nějakého uzlu (tj., listy stromu nebudou ve výsledku) Ne zcela triviální je výraz: obrázek/ancestor::kapitola/following-sibling::kapitola

Jedná se o kapitolu, která je za nějakou kapitolou obsahující obrázek. V testech a predikátech můžeme používat rozmanité funkce. Jsou to funkce pro práci s primitivními datovými typy, ale i funkce pro práci s kolekcemi – např. „count()“ je funkce, vracející počet prvků argumentu, „position()“ hledá prvek na nějaké pozici. Pro práci s řetězci lze využívat např. funkce „string(exp)”, „concat()“, „starts-with()“. Uvažme několik příkladů: //book[@year = ″2001″] -- všechny knihy vydané v roce 2001 /books/book/author[position()=1] nebo zkráceně /books/book/author[1] //book[starts-with(title,″Java Programming″)]/author[1] self::node()

-- první autor knih (o programování v Javě) -- jméno kontextového uzlu.

Jak jsme se již zmínili dříve, výsledkem vyhodnocení výrazu XPath je číslo, Booleovská hodnota, řetězec, nebo množina či posloupnost uzlů. Pouze výrazy XPath založené na pojmu cesta označují dotazy. Jak již název jazyka napovídá, cesty v XPath mají výsadní postavení. Jde o zásadní konstrukt jazyka, který se objevuje i v dalších dotazovacích jazycích nad XML daty. Jednoduchá cesta specifikuje jeden krok v navigaci v modelu XML dat. Cesta je seznam jednoduchých cest (kroků), přičemž každý její krok je vyhodnocen v rámci nějakého kontextu. Je-li výsledkem kroku množina uzlů, v řeči XPath kontextová množina uzlů, vstupují tyto uzly jako kontext do následujícího kroku. Vznikající množiny uzlů se v každém kroku sjednocují. Např.: /books -- absolutní cesta, která vrací uzel odpovídající elementu books book/title -- relativní cesta, jejímž výsledkem jsou všechny nadpisy kapitol, které jsou dítětem běžného uzlu //title -- vybere každý element title, který se vyskytuje v dokumentu

3

Jazyk XPointer

Smyslem jazyka XPointer [7] je možnost označit místo nebo oblast v XML dokumentu. Potřebujeme to např. tehdy, chceme-li se odkázat na nějaký prvek z jiného dokumentu. Pomocí výrazů jazyka XPath umíme označit cestu v XML dokumentu. Zkombinujeme-li toto označení s identifikací XML dokumentu, dostaneme jednoznačný odkaz na pozici v XML dokumentu. Podstatné je zde použití identifikátorů URI (Uniform Resource Identifier), které označují a lokalizují zdroje. XPointer přidává k tomuto označení výrazy jazyka XPath, který označíme pozici v tomto zdroji. Identifikátorem URI lze obecně označit zdroj, aniž by lokalizoval jeho uložení (je to prostě pouhý jednoznačný identifikátor). v případě výrazů jazyka XPointer je samozřejmě omezen pouze na XML zdroje, neboť jenom v tom případě má navigace přes XPath smysl. XPointer lze charakterizovat jako jednoduchý jazyk pro identifikaci fragmentů XML dokumentů. Jde vlastně o relativní adresování, které rozšiřuje možnosti vazby přes návěští známé z HTML. Pomocí výrazů jazyka XPointer lze vazby specifikovat k místům bez návěští a také k podřetězcům a částem XML stromů. 6



Moderní databáze 2006



Obecná syntaxe výrazu v XPointer je velmi jednouchá: výraz_v_XPointer ::= jméno | posloupnost_dětí | úplný_výraz

Nejčastěji používaný tvar výrazu v jazyce XPointer připomíná volání funkce s argumentem typu „výraz v jazyce XPath“: xpointer(″výraz v jazyce XPath″)

Ve spojení s konkrétním URL např. můžeme uvažovat výraz: http://kocour.ms.mff.cuni.cz/tam.xml#xpointer(/článek/sekce[6])

identifikuje šestou sekci článku umístěného v souboru „tam.xml“ na adrese http://kocour.ms.mff.cuni.cz/. Části zápisu za znakem „#“ se říká identifikátor fragmentu. který

Dlužno připomenout, že obecně lze uvést několik takových výrazů za sebou: xpointer(″výraz v jazyce XPath″)+

Výsledkem jsou pak všechny možné kombinace jednotlivých složek. Místo pseudofunkce xpointer lze použít i jiná rozšíření XPath. Pomocí výrazů XPointer lze lokalizovat např. element s daným ID (pomocí funkce id() z XPath), všechny elementy, které mají jistý atribut, n-tý element jistého typu, pro dané n, m-tého potomka n-tého elementu, pro daná n a m, a řadu dalších kombinací těchto možností. Nejjednodušším výrazem XPointer je pouhé jméno, což představuje zkratku za id(jméno). Výsledkem je element, jehož ID je jméno. Jinou možností je použít navigační posloupnost. Ta vybírá posloupnost uzlů elementů navigací v v modelu XML dokumentu. Jde vlastně o případ cesty v XPath, kdy je využívána pouze osa child. Posloupnost čísel elementů označujících cestu (např. /1/5/2) znamená, že z kořenového elementu se přejde na 5. podelement a z něho na 2. podelement. Následují příklady zahrnující úplné výrazy v XPointer. xpointer(/)

-- označuje celý dokument

xpointer(/child::lidé/child::osoba[@id=480423016])

V možných scénářích, jak využít jazyk XPointer, si můžeme např. představit situaci, kdy vybereme myší fragment XML textu a software využívající XPointer vygeneruje odpovídající identifikátor tohoto fragmentu XML dokumentu.

4

Jazyk XLink

Jazyk HTML nabízí možnost vkládat do dokumentu hypertextové odkazy. Funkčnost odkazu v HTML má ovšem své hranice. URL většinou ukazují na celý dokument a dostat se k části textu vyžaduje ručně vkládat návěští do místa odkazu v cílovém souboru. Dalším nedostatkem může být fakt, že vazby pomocí HTML jsou pouze jednosměrné. Stopu odkazování lze sice uložit, nicméně zevnitř HTML nelze zjistit, odkud je na dokument odkazováno. Jazyk XLink [9] rozšiřuje netypované href vazby v HTML. Umožňuje vícesměnná spojení mezi zdroji (nejen tam i zpět) a propojení k libovolným pozicím v dokumentu (pomocí URI a XPointer). XLink (XML Linking Language) definuje spojení (vazbu) mezi dvěma nebo více zdroji. Oba jazyky XLink a XPointer se někdy souhrnně označují XLL. Jazyk XLink slouží pro specifikaci typovaných vazeb mezi XML dokumenty. Vazba v XLink je explicitní vztah mezi několika zdroji nebo jejich částmi. Vazba se zapisuje pomocí tzv. vazebního elementu (ve smyslu XML), bližší informace o vazbě se provádí pomocí jistých atributů. Jinými slovy, vazbu do dokumentu přidáme tak, že k některému elementu přidáme speciální atributy, které vazbu popisují. Deklarace vazby vyžaduje především určit její typ atributem type. Ten může nabývat několika hodnot. Pomocí typu simple a extended rozlišujeme vazby jednouché resp. vazby rozšířené.

7



Moderní databáze 2006



Jednoduché vazby jsou podobné vazbám používaným v HTML. Jsou jednosměrné a spojují dva zdroje – jeden lokální a jeden vzdálený. Rozšířená vazba může zahrnovat více zdrojů než dva. XML element se nazývá vazební v XLink, jestliže má atribut type a dodržuje jistá omezení daná jazykem XLink (požaduje např. specifikaci prostoru jmen xlink). v jazyce HTML lze lokální odkazy realizovat pomocí elementu . Odkaz má tvar: ,

odkazované návěští je vyznačeno pomocí elementu . Podobný mechanizmus lze v jazyce XLink realizovat tzv. jednoduchou vazbou. Např. vazebním elementem refr specifikujeme vazbu se dvěma konci, s jedním lokálním (implicitním) a jedním vzdáleným zdrojem. The W3C

V dalším příkladu vazebního elementu ukážeme popis pomocí atributu title, který určuje blíže obsah lokálního zdroje. Tato informace může sloužit aplikaci a nemusí být viditelná uživateli. Atribut role blíže popisuje účel vazby. Je zřejmé, že v případě existence jakéhokoliv schématu pro XML dokument, musí být tyto atributy odpovídajícím způsobem deklarovány. Honza

Rozšířené vazby mají informace o zdrojích umístěny do podelementů vazebního elementu. Jako příklad složitější vazby v XLink specifikujme vazbu se dvěma konci a se dvěma vzdálenými zdroji: Dvoujazyčné párování informací na Webu

Lze dokonce vyjádřit více „hran“ (vícesměrnost) v rámci jedné vazby. To souvisí s procházením participujících zdrojů v dané vazbě. U rozšířených vazeb je možné iniciovat procházení z jakéhokoliv participujícího zdroje, zatímco u jednoduché vazby pouze z lokálního. Další možnosti využití jazyka XLink je vnitřní svázání posloupnosti prvků v rámci jednoho lokálního zdroje: <slide> na předchozí <dopředu xlink:type=″simple″ xlink:href=″xpointer(ancestor::slide/ following-sibling::slide[position()=1])″> na další

5

Dotazovací jazyk XQuery

Pro účely dotazování nad XML daty a databázemi vytvořilo konsorcium W3C specifikaci dotazovacího jazyka XQuery [1] (používá se také označení XML Query). První použitelná verze specifikace tohoto jazyka byla uveřejněna v květnu 2003, v době přípravy tohoto příspěvku byla aktuální verze z roku 2005, některé dodatky rozšiřující XQuery o možnost modifikace (XQuery Update Facility) jsou datovány v lednu 2006. V současné době zahrnuje specifikace XQuery asi 15 dokumentů, od popisu modelu dat, syntaxe dotazů, až po specifikaci funkcí, operátorů, nebo specifikaci prostředků pro manipulaci s XML daty.

8



Moderní databáze 2006



XQuery je funkcionální jazyk vybudovaný nad jazykem XPath. Výrazy jazyka XPath používáme v XQuery pro dotazy nad XML dokumenty. Výsledkem dotazu je sada nebo posloupnost uzlů, ze kterých budeme chtít zkonstruovat výstup dotazu. Proto potřebujeme v jazyce XQuery konstrukty, které dovolují vytváření elementů, zejména v souvislosti s daty získanými dotazem. Důležitým konstruktem jazyka XQuery jsou proměnné. Označujeme je identifikátory s prefixem „$“, např. „$book“. Proměnné nesou hodnoty během zpracování, lze se na ně odkazovat ve výrazech, např. „avg($book/price)“ vypočte průměrnou cenu knihy.

5.1

Struktura dotazu v XQuery

Dotaz v jazyce XQuery má dvě části – prolog a tělo dotazu (body). Prolog slouží k zavedení jmenných prostorů, pro import modulů, definici schématu a funkcí, deklaraci globálních proměnných. Tělo dotazu je výraz, jehož hodnota v prostředí definovaném prologem představuje výstup dotazu. Uvažme jednoduchý příklad dotazu, kterým chceme nalézt ve vstupním dokumentu knihu (element book) a vytvořit výstupní element (označený značkou result), který bude obsahovat název a autora knihy. Označme si název knihy jako proměnnou $b a autora jako proměnnou $a. Výstup může vypadat např. takto: $b $a

Do tohoto výstupu musíme ale dosadit nalezené tituly a autory. Na to slouží v jazyce XQuery konstrukce nazývaná FLWOR (čti flauvr, tedy zvukově stejně jako květina „flower“). Tato zkratka znamená „For, Let, Where, Order-By, Return“ a je obdobou příkazu SELECT jazyka SQL. Složky FLWOR jsou ovšem zapsány obráceně. for $b in //book let $a = $b/author return $b $a

Výraz „//book“ označuje libovolný element typu „book“ v probíraném XML dokumentu. Pokud potřebujeme, aby se některá část výrazu vyhodnotila, použijeme složené závorky. Např. výraz: {$b/title}

označuje element „book“, jehož obsahem bude potomek „title“ aktuálního obsahu proměnné „b“. Podobně, následující výraz: $b $a

představuje element „result“, jehož obsahem budou elementy „book“ a „author“, naplněné obsahem odpovídajících proměnných. Výraz FLWOR má obecně gramatiku: flwor_exp ::= (for_exp | let_exp)? ... where_exp? order_ by? return_exp

kde hlavičkou je některý z následujících výrazů: for_exp ::= FOR var IN exp [, var IN exp] let_exp ::= LET var := exp [, var := exp]

Klausule „where“ obsahuje výraz chápaný jako podmínka, která slouží k omezení na případy, kdy aktuální prostředí splňuje tuto podmínku. Klausulí „order by“ lze stanovit uspořádání výstupu

9



Moderní databáze 2006



(„ascending“ nebo „descending“). Konečně klausule „return“ obsahuje výraz, který slouží pro konstrukci výstupu. Klausule „let“ slouží pro navázání hodnoty proměnné. Např. následující konstrukce: let $x := (1 to 5) return {$x}

vygeneruje výsledek: 1 2 3 4 5

5.2

Příklady dotazů v jazyce XQuery

Uvažme jako příklad situaci, kdy potřebujeme nalézt názvy knih vydaných v roce 2003: for $b in doc(″books.xml″)//book where $b/@year = ″2003″ return {$b/title}

V jazyce XPath by se téhož dosáhlo dotazem: doc(″books.xml″)//book[@year = ″2003″]/title

Jako další příklad uvažme situaci, kdy potřebujeme nalézt názvy všech knih pro každého autora: let $b := doc(″books.xml″)/books/book for $a in distinct($b/author) return {$b[author = $a]/title}

Potřebujeme-li podmínit výstup dotazu, můžeme použít konstrukci „if–then–else“. Např. můžeme ohodnotit ceny knih v souboru „books.xml“ dle své představy normální či vysoké ceny: {for $b IN doc(″books.xml″)//book return {if $b/price > 1500 then <price>high else <price>normal} }

Jazyk XQuery obsahuje také kvantifikátory some (existenční) a every (univerzální). Chceme-li např. vybrat tituly knih, které mají více než jednoho autora a jeden z nich se jmenuje „Jan“, můžeme použít kvantifikovaný výraz: for $b in doc(″books.xml″)//book where count($b/author) > 1 and some $a in $b/author satisfies $a/first = ″Jan″ return $b/title

Uvažme ještě příklad, kdy chceme ze vstupního dokumentu vybrat všechny tituly knih a vytvořit z nich seznam v HTML:

Seznam