LINUXSOFT.cz Přeskoč levou lištu
Uživatel: Heslo:  
   CZUKPL

> Programujeme s XML (2.) - DOM v rychlíku

Od minula již umíme načíst, uložit a vytvořit nový dokument, dnes se podíváme na nejjednušší manipulace s ním.

8.6.2004 15:00 | Aleš Hakl | Články autora | přečteno 15878×

Zjišťujeme atributy

Pokud máme nějakou instanci třídy element, můžeme prostřednictvím metody getAttribute() (v případě DOM2 i pomocí její varianty pracující se jmenými prostory) zjistit hodnotu některého z jeho atributů. Například pro kořenový element (v pythonu, ale ono je to ve všech třech našich jazycích vlastně stejné, pouze musíme navíc používat přetypování):

>>> doc
<XML Document at 4079e60c>
>>> doc.documentElement.getAttribute("atribut")
u'nejaka hodnota'

Jenom maáa poznamka - zápis u'něco' v pythonu značí řetězec znaku v kódování Unicode.

Hledáme elementy podle názvu

Pomocí metody getElementsByTagName() (připadně getElementsByTagNameNS()) můžeme vyhledat všechny subelementy daného názvu (a případně jmenného prostoru). Výsledkem je instance třídy NodeList, ta je vcelku jednoduchá, má atribut length obsahujícící počet položek a metodu item() vracející danou položku.

>>> nodelist = doc.getElementsByTagName("textovy-element")
>>> nodelist
<NodeList at 403f2aac: [<Element Node at 407aec0c: Name='textovy-element' with 0 attributes and 1 children>]>

Nyní můžeme z našeho ukázkového dokumentu zkusit dostat hodnotu některého z atributů vnořených elementů:

>>> doc.documentElement. getElementsByTagName('vnorene-elementy').item(0). getElementsByTagName('vnitrni-element').item(1). getAttribute('poradi')
u'2'

Jenom bych dodal, že metoda item() třídy NodeList v případě, že daný element neexistuje, vrátí null, tedy v případě Pythonu datový typ(hodnotu) None a v Pascalu hodnotu nil.

Textové uzly

Protože dokumenty neobshují jen elementy a atributy, ale i text, bylo by záhodno, umět s tímto textem manipulovat. Pokud nepotřebujeme používat v DTD definované entity, můžeme použít jednoduchou a rychlou metodu:

Zavoláme metodu normalize(), jež spojí všechny sousedící textové uzly. Pokud si můžeme být jisti tím, že kde očekáváme text, je opravdu pouze text a případně standardní entity (&gt;, &lt;, &amp; a číselné unicode entity), dostaneme všude, kde má být text, jeden textový uzel. Ten poté můžeme snadno načíst:

>>> doc.normalize()
>>> doc.documentElement. getElementsByTagName('textovy-element').item(0). firstChild.data
u'\n Ja opravdu nebudu nikoho oznacovat za alkoholika ^_~\n '

Tento přístup je často dostačující, ale občas potřebujeme zpracovat i dokumenty se složitější strukturou. Potom musíme iterovat přes jednotlivé dceřiné uzly a textový řetězec si zrekonstruovat sami. Není to zrovna přehledné, ale kdo něco podobného potřebuje, jistě sám vymyslí jak na to, jediným problemém je, že musíme poznat, které uzly nás zajímají (text, CDATA, případně entity) a pak správně pospojovat jejich obsah.

Procházíme elementy

Jistě jste si všimli, že máme několik možností, jak procházet obsah elementů. Můžeme používat atribut childNodes obalujicího uzlu a postupně dereferencovat další uzly:

>>> element.childNodes.item(0)
<Text Node at 4079580c: u'\\0xa '>
>>> element.childNodes.item(1)
<Element Node at 40795a4c: Name='vnitrni-element' with 1 attributes and 0 children>
# a tak dale . . .

Nebo můžeme postupně používat atribudy nextSibling a previousSibling a přímo procházet uzly, tento přístup by měl být dle mého názoru o něco málo rychlejší a funkčně je shodný s předchozím.

>>> element = element.firstChild
>>> element
<Text Node at 4079580c: u'\\0xa '>
>>> element = element.nextSibling
>>> element
<Element Node at 40795a4c: Name='vnitrni-element' with 1 attributes and 0 children>

Takto můžeme postupně projít všechny uzly, pokud nás ovšem zajímají pouze elementy a navíc pouze elementy daného názvu, můžeme použít výše zmíněnou metodu getElementsByTagName() třídy Element, tím získáme seznam dceřiných elementů s daným názvem:

>>> nodelist = element.getElementsByTagName('vnitrni-element')
>>> nodelist
<NodeList at 403f2aac: [<Element Node at 4079bb2c: Name='vnitrni-element' with 1 attributes and 0 children>, <Element Node at 4079e40c: Name='vnitrni-element' with 1 attributes and 1 children>, <Element Node at 4079eeec: Name='vnitrni-element' with 1 attributes and 0 children>]>
>>> nodelist.item(0)
<Element Node at 4079bb2c: Name='vnitrni-element' with 1 attributes and 0 children>
>>> nodelist.item(1)
<Element Node at 4079e40c: Name='vnitrni-element' with 1 attributes and 1 children>
# a tak dale ...

Jako specialita v Pythonu existuje třída TreeWalker, jenž nám umožní projít celý podstrom daného uzlu a určit, které uzly nás zajímají. Ale protože Python není jediný jazyk, který nás zajímá, případné zájemce odkážu na ukázkový příklad v (poněkud nekompletní) dokumentaci knihovny PyXML.

Všechny dnešní ukázky jsou psané v Pythonu, hodilo by se tedy uvést několik poznámek:

  • Java příliš neholduje koncepci atributů (nebo v terminologii Object Pascalu vlastností), proto v jave pro přístup k "atributu" nejakyAtribut použijeme metody getNejakyAtribut respektive setNejakyAtribut
  • Object (Free) Pascal nemá garbage collector, a proto bychom měli zajistit uvolnění použité paměti, bohužel specifikace DOM s touto eventualitou příliš nepočítá, a tak není přesně jasné, který destruktor má kdo a kdy zavolat. Osobně si myslím, že by mělo stačit volat destruktor instance třídy TDOMDocument (tedy spíše TXMLDocument), ale zcela jistý si tím nejsem.
  • Pascal i Java jsou jazyky s přísnou typovou kontrolou, a proto je nutné provádět odpovídající přetypování z Node na třidu, se kterou chceme pracovat (Element, Text ...)

Příště se podíváme na to jak v dokumentu vytvářet nové uzly, ať již elementy, text nebo třeba komentáře. A asi se porozhlédnu na internetu po nějakém méně vyumělkovaném ukázkovém dokumentu.

Verze pro tisk

pridej.cz

 

DISKUZE

Nejsou žádné diskuzní příspěvky u dané položky.



Příspívat do diskuze mohou pouze registrovaní uživatelé.
> Vyhledávání software
> Vyhledávání článků

4.9.2016 20:13 /Pavel `Goldenfish' Kysilka
PR: Dne 22.9.2016 proběhne v Praze konference Cloud computing v praxi. Tématy bude např. nejnovější trendy v oblasti cloudu a cloudových řešení, provozování ERP v cloudu, o hostování různých typů softwaru, ale třeba i o zálohování dat nabízeném podnikům formou služby.
Přidat komentář

1.9.2016 11:27 /Honza Javorek
Česká konference o Pythonu, PyCon CZ, stále hledá přednášející skrz dobrovolné přihlášky. Máte-li zajímavé téma, neváhejte a zkuste jej přihlásit, uzávěrka je již 12. září. Konference letos přijímá i přednášky v češtině a nabízí pomoc s přípravou začínajícím speakerům. Řečníci mají navíc vstup zadarmo! Více na webu.
Přidat komentář

27.8.2016 8:55 /Delujek
Dnes po 4 letech komunitního vývoje vyšla diaspora 0.6.0.0
diaspora* je open-source, distribuovaná sociální síť s důrazem na soukromý
Více v oficiálním blog-postu
Přidat komentář

24.8.2016 6:44 /Ondřej Čečák
Poslední týden CFP LinuxDays 2016; pokud byste rádi přednášeli na LinuxDays 2016 8. a 9. října v Praze, můžete svůj příspěvek přihlásit, následovat bude veřejné hlasování.
Přidat komentář

9.8.2016 22:56 /Petr Ježek
Zařazení souborového systému reiser4 do jádra 4.7 znamená konečně konec patchování jádra jen kvůli možnosti použít reiser4.
Přidat komentář

12.7.2016 13:14 /František Kučera
Spolek OpenAlt zve na 130. distribuovaný sraz příznivců svobodného softwaru a otevřených technologií (hardware, 3D tisk, SDR, DIY, makers…), který se bude konat ve čtvrtek 21. července od 18:00 v Radegastovně Perón (Stroupežnického 20, Praha 5).
Přidat komentář

11.7.2016 16:53 /Redakce Linuxsoft.cz
Konference LinuxDays hledá přednášející. Přihlášky poběží do konce prázdnin, v září bude hlasování a program. Více na https://www.linuxdays.cz/2016/cfp/.
Přidat komentář

8.5.2016 17:19 /Redakce Linuxsoft.cz
PR: Dne 26.5.2016 proběhne v Praze konference Cloud computing v praxi. Tématy bude např. nejnovější trendy v oblasti cloudu a cloudových řešení, cloudové služby, infrastruktura cloudu, efektivní využití cloudu, možné nástrahy cloudů a jak se jim vyhnout
Přidat komentář

   Více ...   Přidat zprávičku

> Poslední diskuze

19.9.2016 21:04 / Marek Schoř
Poděkování

1.9.2016 13:07 / Walker
hardwood floor refinishing

12.8.2016 11:51 / Josef Zapletal
Jak udělat HTML/Javascript swiping gallery do mobilu?

8.8.2016 14:58 / Adams
fairies for hire

28.7.2016 15:51 / pepan
Re: NetBeans vs Eclipse

Více ...

ISSN 1801-3805 | Provozovatel: Pavel Kysilka, IČ: 72868490 (2003-2016) | mail at linuxsoft dot cz | Design: www.megadesign.cz | Textová verze