Ud7. - Lmsgi PDF

1º DAM (LMSGI)
UD7.-
Conversión y adaptación de documentos
XML.
Mª Ángeles Sánchez 1
TÉCNICAS DE TRANSFORMACIÓN DE
DOCUMENTOS XML (1/2)
Los documentos XML son documentos de texto

con etiquetas que contienen exclusivamente
información sin entrar en detalles de formato. Esto
implica la necesidad de algún medio para expresar
la transformación de un documento XML, para que
una persona pueda utilizar directamente los datos
para leer, imprimir, etc.
Mª Ángeles Sánchez
TÉCNICAS DE TRANSFORMACIÓN DE
DOCUMENTOS XML (2/2)
Las tecnologías que entran en juego en la transformación
de documentos son:
• XSLT: permite definir el modo de transformar un
documento XML en otro.
• XSL-FO: Se utiliza para transformar XML en un formato
legible e imprimible por una persona, por ejemplo en un
documento PDF.
• Xpath: permite el acceso a los diversos componentes
de un documento XML
La parte de transformaciones ganó en importancia, y se
llega a la terminología actual que es XSL y comprende las
3
anteriores.
XPATH
u Una expresión XPath es un predicado que se aplica sobre
una estructura de árbol correspondiente a la jerarquía de los
datos de un documento XML, y devuelve todo lo que encaja
con ese predicado.
u Es un estándar diferente de XML, aprobado por el W3C, que
nos permite acceder a partes de un documento XML
basándonos en las relaciones de parentesco entre los nodos
del documento.
u Su notación es similar a las de las rutas de los ficheros.
u Inicialmente se creo para utilizarlo con XLST, pero en la
actualidad se utiliza también con XML Schema, Xquery, Xlink,
Xpointer, Xforms, etc...
4
VERSIONES DE XPATH
Existen varias versiones de XPath aprobadas por el W3C:
• noviembre de 1999: XML Path Language (XPath) 1.0

• enero de 2007: XML Path Language (XPath) 2.0
• diciembre de 2010: XML Path Language (XPath) 2.0 (2º edición)
• abril de 2014: XML Path Language (XPath) 3.0
• marzo de 2017: XML Path Language (XPath) 3.1
XPATH: Términos básicos (1/2)
• Nodo raíz, es el nodo que contiene al ejemplar del fichero
XML. No debe confundirse con el elemento raíz del
documento, ya que éste último está por debajo de él. Se
identifica por “/”.
• Nodos elemento, son cada uno de los elementos del
documento XML. Todos ellos tienen un elemento padre, el
padre del elemento raíz, es decir del ejemplar, es el nodo raíz
del documento. Pueden tener identificadores únicos, para ello
es necesario que un atributo esté definido de ese modo en
un DTD o un fichero XSDasociado, esto nos permite
referenciar dicho elemento de forma mucho más directa.
• Nodos texto, son aquellos caracteres del documento que no
están marcados con ninguna etiqueta. Este tipo de nodos no
tienen hijos. 6
XPATH: Términos básicos (2/2)
• Nodos atributo, no se consideran hijos del elemento al que están
asociados sino etiquetas añadidas al nodo elemento. Aquellos atributos
que tengan un valor asignado en el esquema asociado, se tratarán como si
ese valor se le hubiese dado al escribir el documento XML. Para las
definiciones de los espacios de nombre y para aquellos atributos que se
han definido con la propiedad #IMPLIED en su DTD no se crean nodos.
• Nodos de comentario y de instrucciones de proceso, son los nodos
que se generan para los elementos con comentarios e instrucciones de
proceso.
• Nodo actual, es aquél al que nos referimos cuando se evalúa una
expresión en Xpath.
• Nodo contexto, cada expresión está formada por subexpresiones que se
van evaluando antes de resolver la siguiente. El conjunto de nodos
obtenido tras evaluar una expresión y que se utiliza para evaluar la
siguiente es el nuevo contexto.
• Tamaño del contexto, es el número de nodos que se están evaluando en
un momento dado en una expresión Xpath. 7
XPATH: Resultados de la evaluación de una expresión
¿Cuáles son los resultados que da la evaluación de una expresión Xpath?
Podemos obtener cuatro tipos de resultados diferentes:
• Un conjunto de nodos que no está ordenado, node-set.. Se considera que
todos los elementos de un conjunto de nodos son hermanos,
independientemente de lo que fuesen originalmente. Aunque los hijos de los
nodos que forman un conjunto de nodos son accesibles, los subárboles de
un nodo no se consideran elementos del conjunto. Los nodos pueden ser de
7 tipos diferentes:
Ø Elemento.
Ø Atributo.
Ø Texto.
Ø Espacio de nombres.
Ø Instrucción de procesamiento.
Ø Comentario.
Ø Raíz.
• Booleano.
• Número. 8
• Cadena.
XPATH: Expresiones (1/2)
¿Cuáles son los tokens que podemos utilizar en una
expresión XPath?
• Paréntesis, “()”; llaves , “{}” y corchetes, “[ ]”.

• Elemento actual, elemento padre.
• Atributo, “@”.
• Elemento, “*”.
• Separador, “::”.
• Coma, “,”.
• El nombre de un elemento.
• Tipo de nodo, que puede ser:
• comment.
• text.
• procesing instruction.
9
• node.
XPATH: Expresiones (2/2)
¿Cuáles son los tokens que podemos utilizar en una
expresión XPath?
• Operadores: and, or, mod, div, *, /, //, |, +, -, =, !=, <, >, <=, >=.
• Nombres de función.
• Denominación de ejes: ancestor, ancestor-or-self-atribute,
child, descendant, descendant-or-self, following, following-
sibling, namespace, parent, preceding, preceding-sibling, self.
• Literales, se ponen entre comillas dobles o simples. Pueden
anidarse alternando el tipo de comillas.
• Números.
• Referencias a variables, para lo que se utiliza la
sintaxis: $nombreVariable
10
XPATH: Ruta de localización (1/3)
Se corresponde con la ruta que hay que seguir en un

árbol de datos para localizar un nodo.
La evaluación de una ruta de localización siempre

devuelve un conjunto de nodos, aunque puede estar
vacío.
¿Cómo podemos crear una ruta de localización?

Mediante la unión de varios pasos de localización.
11
Las rutas de localización básicas son:
• La ruta de localización del nodo raíz del documento, es la barra
diagonal “/”. Se trata de una ruta absoluta, porque siempre significa lo
mismo independientemente de la posición del procesador en el
documento de entrada al aplicar la regla.
• Localización de un elemento, selecciona todos los hijos del nodo de
contexto con el nombre especificado. Los elementos a los que se refiera
dependerán de la localización del nodo de contexto, por lo que es una
ruta relativa. En el caso de que el nodo contexto no tenga ningún nodo
hijo con esa denominación, el valor dela ruta de localización será un
elemento vacío.
• Localización de atributos, para referirnos a ellos en XPath, se utiliza el
símbolo “@” seguido del nombre del atributo deseado.
• Localización de espacios de nombres, no se tratan explícitamente.
• Localización de comentarios.
• Localización de nodos de texto.
• Localización de instrucciones de procesamiento. 12
¿Cómo podemos comparar distintos elementos y tipos de
nodo simultáneamente? Utilizando alguno de los tres
comodines mostrados a continuación:
• Asterisco “*”: compara cualquier nodo de elemento,

independientemente de su nombre. No compara ni
atributos ni comentarios, nodos de texto o
instrucciones de procesamiento.
• Node(): compara, además de los tipos de elementos,
el nodo raíz, los nodos de texto, los de instrucción de
procesamiento, los nodos de espacio de nombre, los
de atributos y los de comentarios.
• “@*”: compara los nodos de atributo. 13
XPATH: Predicado(1/3)
Es una expresión booleana que añade un nivel de verificación
al paso de localización.
En estas expresiones podemos incorporar funciones Xpath
¿Qué ventajas nos da el uso de predicados?

Mediante las rutas de localización se pueden seleccionar varios
nodos a la vez, pero el uso de predicados permite seleccionar un
nodo que cumple ciertas características.
Los predicados se incluyen dentro de una ruta de localización

utilizando los corchetes, por ejemplo:
/receta/ingredientes/ingrediente[@codigo=“1”]/nombre
En este caso se está indicando al intérprete que escoja, dentro de
un fichero XML de recetas, el nombre del ingrediente cuyo código
tiene el valor “1”.
14
Veamos que es lo que podemos incluir en un predicado.
1. Ejes, permiten seleccionar el subárbol dentro del nodo contexto que

cumple un patrón. Pueden ser o no de contenido:
• child, es el eje utilizado por defecto. Su forma habitual es la barra, “/”,

aunque también puede ponerse: /child::
• attribute, permite seleccionar los atributos que deseemos. Es el único
eje que veremos que no es de contenido.
• descendant, permite seleccionar todos los nodos que descienden del
conjunto de nodos contextos. Se corresponde con la doble barra, //,
aunque se puede usar: descendant::
• self, se refiere al nodo contexto y se corresponde con el punto ”.”.
• parent, selecciona los nodos padre, para referirnos a él usamos los
dos puntos, “..”.
• ancestor, devuelve todos los nodos de los que el nodo contexto es
descendiente. 15
2. Nodos test, permiten restringir lo que devuelve una expresión Xpath.
Podemos agruparlos en función de los ejes a los que se puede aplicar.
• Aplicable a cualquier eje:

Ø “*”, solo devuelve elementos, atributos o espacios de nombres pero
no permite obtener nodos de texto, o comentarios de cualquier tipo.
Ø nod(), devuelve los nodos de todos los tipos.
• Solo aplicables a ejes de contenido:

Ø text(), devuelve cualquier nodo de tipo texto.
Ø comment(), devuelve cualquier nodo de tipo comentario.
Ø processing-instruction(), devuelven cualquier tipo de instrucción de
proceso.
Varios predicados pueden unirse mediante los operadores lógicos and, or o not.
16
XPATH: Funciones(1/2)
• boolean(), al aplicarla sobre un conjunto de nodos devuelve true si no es
vacío.
• not(), al aplicarla sobre un predicado devuelve true si el predicado es falso , y
falso si el predicado es true.
• true(), devuelve el valor true.
• false(), devuelve el valor false.
• count(), devuelve el número de nodos que forman un conjunto de nodos.
• name(), devuelve un nombre de un nodo.
• local-name(), devuelve el nombre del nodo actual o del primer nodo de un
conjunto de nodos.
• namespace-uri(), devuelve el URI del nodo actual o del primer nodo de un
conjunto dado.
• position(), devuelve la posición de un nodo en su contexto comenzando en 1.
Por ejemplo, para seleccionar los dos primeros elementos de tipo elemento de
un fichero XML pondremos: //elemento[position()<=2]
• 17
XPATH: Funciones(2/2)
• last(), Devuelve el último elemento del conjunto dado.
• normalize-space(), permite normalizar los espacios de una cadena de texto,
es decir, si se introduce una cadena donde hay varios espacios consecutivos,
esta función lo sustituye por uno solo.
• string(), es una función que convierte un objeto en una cadena. Los valores
numéricos se convierten en la cadena que los representa teniendo en cuenta
que los positivos pierden el signo. Los valores booleanos se convierten en la
cadena que representa su valor, esto es “true” o “false”.
• concat(), devuelve dos cadenas de texto concatenadas. El ejemplo siguiente
devuelve “Xpath permite obtener datos de un fichero XML”.
concat('XPath', 'permite obtener datos de un fichero XML')
• string-length(), devuelve la cantidad de caracteres que forman una cadena
de caracteres.
• sum(), devuelve la suma de los valores numéricos de cada nodo en un
conjunto de nodos determinado.
• 18
XPATH: Accesos a atributos
¿Cómo podemos acceder a los atributos?
Utilizando el eje attribute:,

que puede sustituirse por la arroba, “@”.
19
XPATH: Accesos a elementos de otro
documento XML
Además de acceder a los datos del fichero XML con el que se
está trabajando directamente, es útil poder acceder a los datos
de otros ficheros.
Para ello utilizaremos la función document(), pero dicha

función NO es del lenguaje XPath, sino que pertenece a XSLT.
Esta función puede admitir dos argumentos diferentes:

• document(URI): En este caso la función devuelve el
elemento raíz del documento XML que se localiza en el URI
especificado.
• document(nodo): En esta ocasión lo que devuelve la
función, es el conjunto de nodos cuya raíz es el nodo dado.
20
AUTOEVALUACIÓN
¿Cuál de estas afirmaciones es correcta?
• Para aplicar una ruta de XPath a un documento

diferente de aquel con el que se trabaja en un
momento dado el lenguaje nos proporciona la función
document().
• La función document() devuelve únicamente una rama
de un nodo dado.
• No existe ningún modo de acceder a los elementos de
varios documentos.
• XPath no proporciona un modo de acceder a datos de
varios documentos simultáneamente.
21
AUTOEVALUACIÓN: Solución
¿Cuál de estas afirmaciones es correcta?
• Para aplicar una ruta de XPath a un documento

diferente de aquel con el que se trabaja en un
momento dado el lenguaje nos proporciona la función
document().
• La función document() devuelve únicamente una rama
de un nodo dado.
• No existe ningún modo de acceder a los elementos de
varios documentos.
ü XPath no proporciona un modo de acceder a datos de
varios documentos simultáneamente.
22
VAMOS A PRACTICAR…
23
Ejemplo 1: DOCUMENTO XML
<?xml version="1.0" encoding="UTF-8"?>
<biblioteca>
<libro>
<titulo>La vida está en otra parte</titulo>
<autor>Milan Kundera</autor>
<fechaPublicacion año="1973"/>
</libro>
<libro>
<titulo>Pantaleón y las visitadoras</titulo>
<autor fechaNacimiento="28/03/1936">Mario Vargas Llosa</autor>
</libro>
<libro>
<titulo>Conversación en la catedral</titulo>
<autor fechaNacimiento="28/03/1936">Mario Vargas Llosa</autor>
</libro>
</biblioteca>
24
Ejemplo 1: GRAFO DEL DOCUMENTO XML
25
Ejemplo 1: Expresiones XPath
Eje (en inglés, axis)
El eje nos permite seleccionar un subconjunto de nodos del documento y
corresponde a recorridos en el árbol del documento. Los nodos elemento se
indican mediante el nombre del elemento. Los nodos atributo se indican mediante
@ y el nombre del atributo.
/: si está al principio de la expresión, indica el nodo raíz, si no,

indica "hijo". Debe ir seguida del nombre de un elemento.
1. /biblioteca/libro/autor
2. /autor
3. /biblioteca/autor
4. /biblioteca/libro/autor/@fechaNacimiento
5. /biblioteca/libro/@fechaNacimiento
26
//: indica "descendiente" (hijos, hijos de hijos, etc.).
1. /biblioteca//autor
2. //autor
3. //autor//libro
4. //@año
/..: indica el elemento padre.
1. /biblioteca/libro/autor/@fechaNacimiento/..
2. //@fechaNacimiento/../..
|: permite indicar varios recorridos.
1. //autor|//titulo
2. //autor|//titulo|//@año
27
Predicado (en inglés, predicate)
El predicado se escribe entre corchetes, a continuación del eje. Si el eje ha
seleccionado unos nodos, el predicado permite restringir esa selección a los que
cumplan determinadas condiciones.
[@atributo]: selecciona los elementos que tienen el atributo.
1. //autor[@fechaNacimiento]
[número]: si hay varios resultados selecciona uno de ellos por

número de orden; last() selecciona el último de ellos
1. //libro[1]
2. //libro[last()]
3. //libro[last()-1]
28
[condicion]: selecciona los nodos que cumplen la condición.
1. //fechaPublicacion[@año>1970]
2. //libro[autor="Mario Vargas Llosa"]
3. //@año[.>1970]
4. //autor[.="Mario Vargas Llosa"]
5. //libro[autor="Mario Vargas Llosa" and fechaPublicacion/@año="1973"]
6. //libro[autor="Mario Vargas Llosa" or fechaPublicacion/@año="1973"]
7. //libro[autor="Mario Vargas Llosa"][fechaPublicacion/@año="1973"]
Selección de nodos (en inglés, node test)

La selección de nodos se escribe a continuación del eje y el predicado. Si el eje y
el predicado han seleccionado unos nodos, la selección de nodos indica con qué
parte de esos nodos nos quedamos.
/node(): selecciona todos los hijos (elementos o texto) del nodo.

//node(): selecciona todos los descendientes (elementos o texto) del nodo.
1. //libro/node()
2. //autor/node() 29
3. //libro//node()
/text():selecciona únicamente el texto contenido en el nodo.
//text(): selecciona únicamente el texto contenido en el nodo y todos sus
descendientes.
1. //autor/text()
2. //libro/text()
3. //libro//text()
/*:selecciona todos los hijos (sólo elementos) del nodo.

//*: selecciona todos los descendientes (sólo elementos) del nodo.
1. /biblioteca/*
2. //autor/*
3. /biblioteca//*
/@*:selecciona todos los atributos del nodo.

//@*: selecciona todos los atributos de los descendientes del nodo.
1. //@*
2. //libro/@*
3. //autor/@* 30
EJERCICIOS:
1. Obtener los títulos de los libros publicados después

de 1970, mediante dos pasos de búsqueda.
2. Obtener los libros escritos por Mario Vargas Llosa de
dos formas distintas.
3. Obtener los títulos de los libros publicados el mismo
año que la novela "La vida está en otra parte".
4. Obtener los títulos de los libros del mismo autor que
la novela "Pantaleón y las visitadoras”.
5. Obtener el autor que ha publicado libros en 1969.
31
SOLUCIÓN EJERCICIOS: (1/3)
1. Obtener los títulos de los libros publicados

después de 1970, mediante dos pasos de
búsqueda.
//fechaPublicacion[@año>1970]/../titulo
2. Obtener los libros escritos por Mario Vargas Llosa

de dos formas distintas.
1ª FORMA: //libro[autor="Mario Vargas Llosa"]
2ª FORMA: //autor[.="Mario Vargas Llosa"]/..
32
3. Obtener los títulos de los libros publicados el mismo
año que la novela "La vida está en otra parte".
//libro[fechaPublicacion/@año=//libro[titulo="La vida está en otra
parte"]/fechaPublicacion/@año]/titulo
4. Obtener los títulos de los libros del mismo autor que la

novela "Pantaleón y las visitadoras”.
//libro[autor=//libro[titulo="Pantaleón y las visitadoras"]/autor/text()]/titulo
33
5. Obtener el autor que ha publicado libros en 1969.
//libro[fechaPublicacion/@año=1969]/autor
34
1º DAM (LMSGI)
UD7.-
Conversión y adaptación de documentos
XML.
Mª Ángeles Sánchez 35

Ud7. - Lmsgi PDF

Cargado por

Copyright:

Formatos disponibles

Ud7. - Lmsgi PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ud7. - Lmsgi PDF

Cargado por

Copyright:

Formatos disponibles

1º DAM (LMSGI)

Los documentos XML son documentos de texto

Existen varias versiones de XPath aprobadas por el W3C:

• noviembre de 1999: XML Path Language (XPath) 1.0

• Paréntesis, “()”; llaves , “{}” y corchetes, “[ ]”.

Se corresponde con la ruta que hay que seguir en un

La evaluación de una ruta de localización siempre

¿Cómo podemos crear una ruta de localización?

• Asterisco “*”: compara cualquier nodo de elemento,

En estas expresiones podemos incorporar funciones Xpath

¿Qué ventajas nos da el uso de predicados?

Los predicados se incluyen dentro de una ruta de localización

1. Ejes, permiten seleccionar el subárbol dentro del nodo contexto que

• child, es el eje utilizado por defecto. Su forma habitual es la barra, “/”,

• Aplicable a cualquier eje:

• Solo aplicables a ejes de contenido:

¿Cómo podemos acceder a los atributos?

Utilizando el eje attribute:,

Para ello utilizaremos la función document(), pero dicha

Esta función puede admitir dos argumentos diferentes:

• Para aplicar una ruta de XPath a un documento

• Para aplicar una ruta de XPath a un documento

/: si está al principio de la expresión, indica el nodo raíz, si no,

/..: indica el elemento padre.

|: permite indicar varios recorridos.

[@atributo]: selecciona los elementos que tienen el atributo.

[número]: si hay varios resultados selecciona uno de ellos por

Selección de nodos (en inglés, node test)

/node(): selecciona todos los hijos (elementos o texto) del nodo.

/*:selecciona todos los hijos (sólo elementos) del nodo.

/@*:selecciona todos los atributos del nodo.

1. Obtener los títulos de los libros publicados después

1. Obtener los títulos de los libros publicados

2. Obtener los libros escritos por Mario Vargas Llosa

4. Obtener los títulos de los libros del mismo autor que la

//libro[autor=//libro[titulo="Pantaleón y las visitadoras"]/autor/text()]/titulo

También podría gustarte