Projektseminar 'Texttechnologische Informationsmodellierung'Title Projektseminar "Texttechnologische Informationsmodellierung" Author Maik Stührenberg Subject Formatierung und Transformation

http://www.text-technology.de/projects/sekimo.html

Text TechnologicalModelling of Information

Projektseminar "Texttechnologische Informationsmodellierung"

Formatierung und Transformation – XPath



Wiederholung: DTD

• Eine DTD enthält die textuelle Struktur einer Textgruppe in Form von Elementen und Attributen

• DTDs beschreiben die Syntax einer Markupsprache• DTDs sichern die strukturelle Validität einer Instanz

• DTDs spezifizieren das erste Element einer Instanz• Wurzelelement

• DTDs sind die fundamentale Basis zur Verarbeitung von in XML annotierten Daten



How to write a DTD?

Vorüberlegungen:• Linguistischer Level der Annotation

• Textebene, Satzebene, Wortebene, Phrasenstruktur, Rhetorische Struktur, …

• Wird eine DTD benötigt?• geht es nur um Aufgaben, die auch automatisiert gemacht werden können

(Texttagging)• Wer annotiert?• Was passiert mit den annotierten Daten?



How to write a DTD?

Vorgehensweise:• Sammeln von repräsentativen Daten, die annotiert werden sollen• Identifizierung der atomaren Einheiten• Identifizierung der Hierarchien• Bezeichnung der Einheiten• Entscheidung: Element oder Attribut?• Erweiterung: was für mögliche Ausnahmen gibt es, die nicht Teil der

Stichprobe sind?



How to write a DTD?

Alternative 1:• Structuring XML Documents

Megginson, Prentice Hall, 1998• > 400 Seiten• Analyse von fünf DTDs

(ISO 12083, DocBook, TEI, CALS, HTML)

• einige relevante Kapitel• eher technisch geschrieben



How to write a DTD?

Alternative 2:• Developing SGML DTDs – From Text to Model to Markup

Maler und El Andaloussi, Prentice Hall, 1996• > 500 Seiten• Standardwerk für DTD-Modellierung• Maler ist einer der Co-Autoren von XML



Ziel dieser Sitzung

Nach dieser Sitzung sollten Sie:• Mit Hilfe von XPath in der Baumrepräsentation einer XML-Instanz

navigieren und Knoten selektieren können



XML Path Language (XPath)

XPath dient…• zur Navigation in XML Dokumenten• zur Adressierung und Auswahl von Informationen Und ist damit Voraussetzung für Transformationen mit XSLT

Merkmale von XPath:• Abstrakte, logische Baum-Metapher• Sehr mächtige, aber einfache Syntax




Das Datenmodell:• Ein Baum besteht aus Knoten• Sieben Typen von Knoten:

1. Wurzelknoten (einmalig)

2. Elementknoten

3. Attributknoten

4. Namespaceknoten

5. Textknoten[kursiv]

6. Kommentarknoten7. Processing Instruction Knoten




XPath Ausdrücke• primäres syntaktisches Konstrukt

• Strings (Zeichenketten)• (Gleitkomma-) Zahlen• Variablen• Operatoren (arithmetisch/logisch)• Gruppierungen (Klammerung)• Funktionen (für Knoten, Strings, Zahlen, Booleans)• Lokalisierungspfade




XPath Ausdrücke• selektieren null oder mehr Knoten (Node Set)• können aus mehreren Schritten bestehen (getrennt durch "/")• können absolut oder relativ sein• werden von links nach rechts abgearbeitet


<bib> <book> <publisher>Addison-Wesley</publisher> <author>Serge Abiteboul</author> <author> <first-name>Rick</first-name> <last-name>Hull</last-name> </author> <author>Victor Vianu</author> <title>Foundations of Databases</title> <year>1995</year> </book> <book price='55'> <publisher>Freeman</publisher> <author>Jeffrey D. Ullman</author> <title>Principles of Database and Knowledge Base Systems</title> <year>1998</year> </book></bib>

Eine XML-Instanz


root

book book

publisher

bib

author author author title year

first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu

Foundationsof Databases

1995

publisher author title year

Freeman

JeffreyD. Ullman

Principles ofDatabase and

Knowledge BaseSystems

price: 55

Eine XML-Instanz

1998


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



price: 55

XPath Ausdruck:/

Eine XML-Instanz

1998


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



price: 55

XPath Ausdruck:/bib

Eine XML-Instanz

1998


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995

publisher author title

Freeman

JeffreyD. Ullman



price: 55

XPath Ausdruck:/bib/book/year

Eine XML-Instanz

1998

year


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



price: 55

XPath Ausdruck://author

Eine XML-Instanz

1998


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



price: 55

XPath Ausdruck://author/*

Eine XML-Instanz

1998


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



1998

price: 55

XPath Ausdruck://book/@*

Eine XML-Instanz


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



1998

price: 55

XPath Ausdruck:/bib/book/author/text()

Eine XML-Instanz


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



1998

price: 55

XPath Ausdruck:/bib/book/@price

Eine XML-Instanz


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



1998

price: 55

XPath Ausdruck:/bib/book/author[first-name]

Eine XML-Instanz


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



1998

price: 55

XPath Ausdruck:/bib/book[1]/author[3]

Eine XML-Instanz


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



1998

price: 55

XPath Ausdruck:/bib/book[year="1995"]

Eine XML-Instanz


root

book book

publisher

bib


first-name

last-name

Addison-Wesley

SergeAbite-boul

Rick Hull

VictorVianu


1995


Freeman

JeffreyD. Ullman



1998

price: 55

XPath Ausdrücke:/bib/book[@price < 60]/bib/book[author/@age < 25]/bib/book[author/text()]/bib/book[...][...][...]

Eine XML-Instanz



Lokalisierungspfade

bib*//bibbib/paperbib//paper//paperpaper|book@pricebib/book/@price

jedes bib Elementjedes ElementWurzelknotenjedes bib Element unter der Wurzeljedes paper Element unter bibjedes paper Element irgendwo unter bibjedes paper Element im Baumpaper oder book Elementprice Attributprice Attribute von book unter bib



Lokalisierungspfade

Lokalisierungspfade• beschreiben einen Weg von einem Knoten zu 1…n anderen Knoten

(Node Set)• selektieren ein Node Set relativ vom Ausgangsknoten in Form von

• relativen Pfaden (Schritt1/Schritt2)

• absoluten Pfaden (/Schritt1/Schritt2)

• können bestehen aus mehreren Schritten, die durch "/" getrennt sind



Schritte

Schritte bestehen aus drei Teilen:• Achse

• Relation zwischen dem Kontextknoten und dem/der zu selektierenden Knoten

• Knotentest• Art des zu selektierenden Knotens

• Prädikat

child::book[position()=1]

Achse Knotentest Prädikat



Achsen

• self• parent• ancestor, ancestor-or-self• child• descendant, descendant-or-self• following, following-sibling• preceding, preceding-sibling• attribute• namespace


Kontextknoten

Achsen



Abkürzungen

[nichts]@//.../

child::attribute::/descendant-or-self::node()/self::node()parent::node()Node tree root



Abkürzungen

Beispiele:• child::author/child::last-name

author/last-name• child::author/descendant::zip

author//zip• child::author/parent::*

author/..• child::author/attribute::age

author/@age• /bib//*[name()=book]

/bib//book



Knotentests

Knotentests verfeinern die Auswahl• Name eines Elements: chapter, book• alle Elementknoten: *• alle Attributknoten: @*• Textknoten: text()• Element-, Text- oder Attributknoten: node()• Kommentarknoten: comment()• PI: processing-instruction([name])



Prädikate

Prädikate• schränken eine Knotenmenge weiter ein• wenn erfüllt, dann ist dieser Knoten Teil des Result Node Set• bei Zahlen wird der Knoten mit der entsprechenden Position Teil des

Result Node Sets• /bib/book[1]/author[3]

• logische Operatoren: and, or• weitere Operatoren: <, <=, !=, ...• mathematisch Operatoren: +, -, mod, div• Vereinigung: |



Funktionen

Funktionen in XPath lassen sich unterteilen in:• Node Set Funktionen• Zeichenkettenfunktionen• Wahrheitsfunktionen (Booleans)• Zahlenfunktionen



Funktionen – Beispiele

• //chapter[count(section)=2] • concat('The',' ','XML') • true(contains(//title, 'Semantic'))• /library/book/chapter[last()]• /library/book/chapter[last()-1]• //chapter[not(@num)]• //chapter[not(@*)]• //*[starts-with(name(), 'sec')]• //*[contains(name(), 'ect')]



Node Set Funktionen

name(node-set?)namespace-uri(node-set?)

local-name(node-set?)id(object)

count(node-set)

position()

last()

Der Name eines Knotens*stringDie Namespace-URI eines Knotens*string

Der lokale Name eines Knotens (also ohne Namepace-Präfix)*

stringAuswahl eines Elements per IDnode-set

Anzahl der Knoten der verarbeiteten Knotenliste

number

Nummer (Position) in der Knotenliste des verarbeiteten Knotens

number

Nummer des letzten Knotens in der verarbeiteten Knotenliste

number

* fehlt das Argument, wird mit dem Kontextknoten gearbeitet



Zeichenkettenfunktionen – Auswahl

Entfernt vorangehenden und folgenden Whitespace*

normalize-space(string?)string

translate(string1, string2, string3)

string-length(string?)

substring-after(string, string)

substring-before(string1, string2)

contains(string1, string2)

starts-with(string1, string2)concat(string, string, string*)

Zeichen-für-Zeichen-Ersetzung. Alle Vorkommen von string2 in string1 werden durch string3 ersetzt

string

Anzahl Zeichen einer Zeichenkette*number

Die Teilzeichenkette von string1 nach string2

string

Die Teilzeichenkette von string1 vor string2

string

Wahr, wenn string2 in string1 enthalten ist

boolean

Wahr, wenn string1 mit string2 beginnt, sonst falsch

booleanKonkatenation aller Zeichenkettenstring

* fehlt das Argument, wird mit dem Stringwert des Kontextknotens gearbeitet



Wahrheitsfunktionen (Booleans)

lang(string)false()true()

not(object)boolean(object)

Liefert wahr, wenn das Argument mit dem Wert des Attributs xml:lang übereinstimmt

Liefert falsch zurückLiefert wahr zurück

Liefert wahr zurück, wenn das Argument falsch ist, sonst falsch

Konvertiert das Argument zu einem Wahrheitswert



Zahlenfunktionen

round(number)

ceiling(number)

floor(number)sum(node-set)number(object?)

Rundung

Die kleinste ganze Zahl, die nicht kleiner als das Argument ist

Die größte ganze Zahl, die nicht größer als das Argument ist

Gesamtwert aller Zahlen in einem Node SetKonvertiert das Argument zu einer Zahl*

* fehlt das Argument, wird der Stringwert des Kontextknotens konvertiert



XPath

Zusammenfassung:• XPath enthält einige mächtige Funktionen, um

• Elementknoten,• Attributknoten und• Textknoten

zu selektieren• Durch Prädikate und Funktionen lässt sich das Result Node Set weiter

eingrenzen