PDF de programación - XPath

XPath
XPath

Diego Berrueta

[email protected]

Diego Berrueta

1

Contenido
Contenido

▶ Introducción
▶ Expresiones, rutas, ejes y pasos
▶ Funciones

▶ Ejercicios

Diego Berrueta

2

Introducción a XPath
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

Diego Berrueta

3

Parecidos razonables
Parecidos razonables

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

Diego Berrueta

4

Modelo de datos (I)
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

Diego Berrueta

5

Modelo de datos (II)
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

Diego Berrueta

6

Cuestiones sintácticas
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 “&lt;”)

⇨Se pueden alternar comillas simples y dobles, o

codificarlas (&quot; y &apos;)

▶ Se usan muchas comodidades sintácticas

para abreviar las expresiones

Diego Berrueta

7

Funcionamiento general
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

Diego Berrueta

8

Contexto de evaluación
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

Diego Berrueta

9

Expresiones
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

Diego Berrueta

10

Rutas 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

Diego Berrueta

11

Evaluación de una ruta
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

Diego Berrueta

12

Pasos de localización
Pasos de localización

▶ Cada paso se compone de:

⇨Un eje
⇨Una prueba de nodo
⇨Opcionalmente, varios predicados

▶ Sintaxis:

eje :: prueba_nodo [pred1] [pred2] ...

Diego Berrueta

13

Evaluación de un paso
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

Diego Berrueta

14

Ejes (I)
Ejes (I)

▶ child:: Hijos directos

▶ parent:: Padre

(pero no atributos)

directo (si existe)

▶ descendant::
Descendientes

▶ ancestor::
Antecesores

▶ following-sibling::

▶ preceding-sibling::

Hermanos
posteriores

▶ following::
Posteriores
(excluyendo
descendientes)

Hermanos
precedentes
▶ preceding::
Precedentes
(excluyendo
antecesores)

Diego Berrueta

15

Ejes (II)
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

Diego Berrueta

16

Abreviaturas de ejes
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()/”

Diego Berrueta

17

Pruebas de nodo
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

Diego Berrueta

18

Predicados
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

Diego Berrueta

19

Funciones
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

Diego Berrueta

20

Funciones de conversión de
Funciones de conversión de

tipos (I)
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

Diego Berrueta

21

Funciones de conversión de
Funciones de conversión de

tipos (II)
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

Diego Berrueta

22

Funciones de conversión de
Funciones de conversión de

tipos (III)
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()

Diego Berrueta

23

Funciones de conversión de
Funciones de conversión de

tipos (IV)
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

Diego Berrueta

24

Funciones de biblioteca (I)
Funciones de biblioteca (I)

▶ Matemáticas

⇨sum()
⇨floor()
⇨ceiling()
⇨round()

Diego Berrueta

25

Funciones de biblioteca (II)
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()]

Diego Berrueta

26

Funciones de biblioteca (III)
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()

Diego Berrueta

27

Carga de documentos
Carga de documentos

externos
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

Diego Berrueta

28

XPath como lenguaje de
XPath como lenguaje de

patrones
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

Diego Berrueta

29

EJERCICIOS

Diego Berrueta

30

Fichero RSS (ej: Barrapunto)
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

Diego Berrueta

31

Población provincias (I)
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

Diego Berrueta

32

Población provincias (II)
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)

Diego Berrueta

33

Población pr