web - xml validation

Dr. Sabin Buraga http://www.infoiasi.ro/~busaco/

TehnologiiTehnologii WebWeb <?xml version=“1.0” ?><curs desc=“…” />

Tehnologii Web

Dr. SabinCorneliu BuragaFacultatea de Informatica

Universitatea “A.I.Cuza” – Iasi, Romania

http://www.infoiasi.ro/~busaco/



Marcarea datelor pentru <Web />

Partea IV: Validari XML

Detalii in [TX, 102‐136]



“Este de ajuns un dictionarpentru a contine toate cuvintele. Dar gindirii ii trebuie infinitul.”

Alexandr Puskin



XML (Extensible Markup Language)Procesul de validare

DTD (Document Type Definition)Scheme XMLRELAX NGAlternative

cuprins



Dorim ca informatiile marcate in XMLsa poata fi regasite, reutilizate si partajate

intre aplicatii

necesitati



O cerinta importanta este de a cunoaste: elementele/atributele ce pot fi specificatemodul lor de structurare (e.g., ordinea, numarul minim/maxim de aparitii,...)

tipul continutuluice este valid si ce reprezinta eroare

necesitati



Grupuri de indivizi specifica vocabularul XML(setul de elemente/atribute permise)

si regulile de marcare –modelele structurale

Uzual, grupurile reprezinta: o companie, o industrie, persoane impartasind un interes

comun, dezvoltatori/comercianti de instrumentede marcare (tool vendors),

un consortiu/organizatie non‐profit

solutie



Modelul structural se aplica unei clase dedocumente XML, in vederea verificarii

– via un analizor (procesor, parser XML) –a corectitudinii instantelor de documente

apartinind acelei clase

solutie



Se au in vedere:numirea elementelor/atributelordefinirea regulilor de utilizare a acestoraspecificarea structurii si continutuluidefinirea constringeriloroferirea unui set de conventii de numire

solutie



Apare necesitatea specificariiunui set de constringeri asociate documentelorXML, astfel incit datele XML sa fie verificatedaca sunt valide sau nu din punct de vedere

structural ori al tipului continutului

solutie



Modalitatile de specificare a constringerilorse pot baza pe:descrierireguli

sabloane

solutie



Modalitatile de specificare a constringerilorse pot baza pe:descrieri

“exista un element <student> avind un atribut numecare are continutul...”

DTD, XML Schema

solutie



Modalitatile de specificare a constringerilorse pot baza pe:

reguli

“orice element <student> va avea un atribut nume, iar continutul acestui atribut se va conforma unei reguli...”

Schematron

solutie



Modalitatile de specificare a constringerilorse pot baza pe:

sabloane – pattern‐uri

“structura documentelor din clasa ‘student’ trebuiesa se potriveasca (match) conform urmatorului sablon...”

RELAX NG

solutie



DTD (Document Type Definition)Scop & caracterizare

Specificarea tipurilor de documenteExemple

cuprins



Tipuri de documenteDocument Type Definition (DTD)

specificare formala a tipurilor de documente(constituienti & structura)

dtd

In spiritullimbajelor formale



Documentele XML pot avea sau nu un DTD atasatintern sau extern documentului XML pe care‐l valideaza

Daca DTD‐ul lipseste, documentul trebuiesa respecte un numar minim de constringeri

document bine formatat – well formed

dtd



Regulile sintactice de specificarea meta‐elementelor DTD provin de la SGML

DTD‐ul poate exprima structura continutului, indicatorii de aparitie, conectorii

Detalii: http://www.w3.org/TR/RECxml

dtd



Un DTD specifica un tip de document:<!DOCTYPE element_radacina [

Declaratii de elemente, atribute, entitati,...]>

<!DOCTYPE projects [...

]>

dtd



<!ELEMENT projects (project+)><!ELEMENT project (title, desc?, stud, url?)><!ELEMENT title (#PCDATA)><!ELEMENT desc (#PCDATA)><!ELEMENT stud (#PCDATA)><!ELEMENT url (#PCDATA)>

dtd: elemente

Conținut (neterm. & term.)#PCDATA, EMPTY, ANY* + ? indicatori de apariție

, | conectori

Meta‐element

Nume de element

(neterminal)



Continutul unui element poate fi:Sir de caractere (#PCDATA – parsed character data)Vid (EMPTY)Orice alt marcaj/sir de caractere (ANY)

dtd: elemente



Un element poate aparea:O singura data (numele elementului)De oricite ori, inclusiv niciodata (*)Macar o data (+)De zero sau unu ori (?)

dtd: elemente



Ordinea aparitiei elementelor poate fi:Secventa (,)Alternativa (|)

dtd: elemente



<!ATTLIST projectsupdate CDATA #REQUIRED

><!ATTLIST project

class (A | B | C) "A">

dtd: atribute

Tipul conținutului CDATA, ID, ENTITY,...Enumerare de valori

Elementul căruia îi este asociat

Mod de apariție#REQUIRED#IMPLIED#FIXED



Continutul unui atribut poate fi:Sir de caractere (CDATA – character data)Identificator unic (ID)Referinta la un identificator (IDREF)Referinta la o entitate (ENTITY)Enumerare de valori

dtd: atribute



Un atribut poate fi declarat sa apara:Obligatoriu (#REQUIRED)Optional (#IMPLIED)Fix – se foloseste intotdeauna o valoare apriorispecificata (#FIXED)

dtd: atribute



Interne analizate – text expandat de analizor<!ENTITY busaco "Sabin Buraga"><coordonator>&busaco;</coordonator>

Externe analizate – ca mai sus, dar se declara intr‐un fisier extern

Interne cu parametri – folosite doar in DTDPredefinite

<!ENTITY quot """>

dtd: entitati



Exemplu de specificare a entitatilor interne cu parametri:

<!ENTITY % event "(reference*, place?, date?)"><!ELEMENT birth %event;><!ELEMENT death %event;>

dtd: entitati



O instanta de document trebuie sa aiba atasatao declaratie a tipului caruia ii apartine:

<!DOCTYPE html PUBLIC"-//W3C//DTD HTML 4.01 Transitional//EN">

<!DOCTYPE projects SYSTEM "projects.dtd">

dtd: validare



Validarea documentului se realizeazaprin intermediul unui analizor – procesor, parser – XML

(Jing, libxml, MSXML, Xerces,...) sau utilitar (OpenSP, <oXygen/>, xmllint, XML Nanny etc.)

dtd: validare



XML SchemaScop & caracterizareDefinirea unei schemeXML Schema versus DTD

UtilizariViitor

cuprins



Recomandare a Consortiului Web (2001, 2004)

XML Schema Primerhttp://www.w3.org/TR/xmlschema0/

XML Schema Structureshttp://www.w3.org/TR/xmlschema1/

XML Schema Data Typeshttp://www.w3.org/TR/xmlschema2/

xschema



Scop: validarea documentelor XML, folosind sintaxa XML

Se foloseste spatiul de nume definit dehttp://www.w3.org/2001/XMLSchema

xschema



Schemaspecificatie formala a gramaticii asociate

unui document XML

flexibilitate sporita fata de DTD

stocata extern intr‐un fisier .xsd

xschema



Pentru a i se putea fi verificata validitatea, o instanta a unei clase de documente XML trebuie sa aiba asociata o schema XML

xschema



O schema defineste o clasa de documente XMLconformindu‐se unui model structural

Suplimentar, specifica un sistem de tipuri de date in termenii infoset‐ului XML

O schema va specifica modul de aparitie si tipurilede date pe care le pot lua valorile constructiilor XML

xschema



Verificarea tipurilor de date in contextul bazelor de date (relationale), masinilor virtuale (JVM, CLR) etc.

Serializarea automata a datelorInvocarea la distanta a metodelor – RMI, SOAPGenerarea de cod‐sursaEditoare “inteligente”Validatoare generale de date (e.g., validarea formularelor electronice)

xschema: utilizari



Elementul radacina: <xsd:schema>

Definirea/instantierea unui element: <xsd:element>

Definirea/instantierea unui atribut: <xsd:attribute>

Valorile permise pentru un element/atributapartin unui tip de date (simplu sau complex): <xsd:SimpleType>, <xsd:ComplexType>

xschema: definirea unei scheme



Fiecare instanta de element trebuie sa apartinaunei clase (tip) de elemente

<element name="nume" type="tip" />

xschema: tipuri



Tipul poate fi: Simplu – nu permite ca un element sa includaalte elemente si nici sa aiba asociate atribute

Complex – permite ca elementele sa includaalte elemente (reguli de aparitie) sisa aiba asociate atribute

xschema: tipuri



Elementele de tip complex contin: declaratii de elemente<element name="nume" type="tip" />

referinte la elemente definite<element ref="nume" reguli_aparitie="val" />

declaratii de atribute<attribute name="nume" type="tip" />

xschema: tipuri



Elementele de tip simplu sunt predefinitesau derivate din cele predefinite

Tipurile complexe nu pot fi utilizate pentrua specifica tipurile valorilor atributelor

xschema: tipuri



Numerice: byte, unsignedByte, hexBinary, integer, positiveInteger, negativeInteger, int, unsignedInt, long, decimal, float, double,…

Logice: booleanData & timp: time, dateTime, duration, date, gYear, gMonth, gDay,…

Siruri: string, token, Name, QName etc.URI: anyURIConstructii XML: ID, IDREF, ENTITY,…

Detalii: www.w3.org/TR/xmlschema2

xschema: tipuri predefinite



Definirea de tipuri simple derivate din cele predefinite se face via <xsd:restriction>care poate specifica:

un interval: <xsd:minInclusive>, <xsd:maxInclusive><xsd:minExclusive>, <xsd:maxExclusive>

un model (pattern):<xsd:pattern> (conventii regexp din Perl)

o lista de valori: <xsd:enumeration>

xschema: tipuri



<xsd:simpleType name="nrcapType"> <xsd:restriction base="xsd:integer">

<xsd:minInclusive value="0" /> <xsd:maxInclusive value="8" />

</xsd:restriction> </xsd:simpleType> <xsd:simpleType name="addrType">

<xsd:restriction base="xsd:string"> <xsd:pattern value=".+@.+\.(.){2,4}" />

</xsd:restriction> </xsd:simpleType>

xschema: tipuri – exemple

Expresieregulata Perl



Pentru tipurile simple pot fi specificateconstringeri suplimentare – facets:

Lungime: <xsd:length>Lungimeminima: <xsd:minLength>Lungimemaxima: <xsd:maxLength>Model (pattern): <xsd:pattern>Multime de valori permise: <xsd:enumeration>Controlul spatiilor albe: <xsd:whiteSpace>Numarul de cifre: <xsd:totalDigits>Numarul de cifre zecimale: <xsd:fractionDigits>

xschema: tipuri



Reguli (restrictii) de aparitiea unei instante de element:

minOccurs=“numar”maxOccurs=“numar | unbounded”

Reguli de aparitie a unui atribut:use=“required | optional | prohibited”

xschema: reguli de aparitie



Valoarea predefinita a unui atribut se specificaprin atributul default

Setarea de valori particulare pentru elementesau atribute se face via atributul fixed

xschema: continut



Continutul unui element – derivarea via <xsd:extension>

Dorim elementului <autor> sa atasam atributul emailInitial: <xsd:element name="autor" type="xsd:string" />Acum:

<xsd:element name="autor"><xsd:complexType><xsd:simpleContent>

<xsd:extension base="xsd:string"><xsd:attribute name="email" type="addrType" />

</xsd:extension></xsd:simpleContent></xsd:complexType>

</xsd:element>

xschema: continut



Continutul unui element – derivarea via <xsd:restriction>(se folosesc constringeri)

Titlul unui capitol va avea lungime de maxim 50 de caractere:

<xsd:element name="titlu"><xsd:complexType>

<xsd:simpleContent><xsd:restriction base="titluType">

<xsd:maxLength value="50" /></xsd:restriction>

</xsd:simpleContent></xsd:complexType>

</xsd:element>

xschema: continut



Continutul unui elementSpecificarea unui continut mixt: <xsd:complexType mixed=“true”>

Specificarea unui continut vid se realizeazaprin <xsd:complexType> care nu va continedecit declaratii de atribute

xschema: continut



Modele ale continutuluiAlternativa: <xsd:choice>Secventa: <xsd:sequence>Grupare: <xsd:group>Aparitie in orice ordine: <xsd:all>

xschema: continut



Alte facilitatiLegaturi intre constructii XML:identificatori (de tip ID) sireferinte la identificatori (IDREF)

Elemente/atribute cu aparitii unice: <xsd:unique>

Valori nil pentru elemente: nillable=“true”

xschema



Alte facilitatiRelatii intre doua multimi de valori(posibil de tipuri diferite)Un element/atribut poate fi constrins sa fie valid ddaca valoarea lui se afla in multimea valoriloraltui element/atributspecificarea de relatii intre chei

Se folosesc <xsd:key> si <xsd:keyRef>

xschema



Suportul pentru abstractizareSe realizeaza prin atributul abstract=“true”

Elementele/atributele declarate ca fiind “abstracte”nu pot fi utilizate intr‐o instanta de document

Pentru a putea fi folosite trebuie derivate via o schema suplimentara – prin <xsd:include>

xschema



Specificarea unor elemente/atribute generice(ale altor tipuri de documente) se realizeaza

prin elementele <xsd:any> si <xsd:anyAttribute>

xschema



Se foloseste elementul <xsd:annotation> care poate include elementele:

<xsd:documentation> pentru utilizatorii umani<xsd:appInfo> destinat instrumentelor de procesare

Trebuie sa apara ca prim element‐copil al unor elementeca <xsd:schema>, <xsd:element>, <xsd:attribute> sau <xsd:simpleType>

xschema: documentarea schemelor



In vederea validarii, o instanta de documenttrebuie sa declare un spatiu de nume cu un URI

desemnind schema utilizata si o instantaa acestei scheme:

<s:radacina xmlns:s="uri_schema"xmlns:xsi=

"http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation=

"uri_schema doc_schema.xsd">…

</s:radacina>

xschema: procesul de validare



In cadrul definitiei schemei, se poate specifica faptul caelementele sau atributele sa fie prefixate obligatoriude un spatiu de nume prin elementFormDefault

si attributeFormDefault

<xsd:schema xmlns="urn:infoiasi.ro:xsdCuprins" targetNamespace="urn:infoiasi.ro:xsdCuprins" xmlns:xsd="http://www.w3.org/2001/XMLSchema" elementFormDefault="qualified"attributeFormDefault="unqualified">

… </xsd:schema>

xschema: procesul de validare

veziexemplele



XML Schema versus DTDModuri diferite de specificare formalaa continutului documentelor XMLSchemele pot fi deschise (extinse)

Tipuri de date XML Schema predefinitesunt variate si complexe

Declaratiile spatiilor de nume nu pot fi exprimate in DTDSchemele sunt mai usor de validat/procesat

xschema



XML Schema 1.1In curs de standardizare la W3C

http://www.w3.org/TR/xmlschema11‐1/

http://www.w3.org/TR/xmlschema11‐2/

xschema: viitor



XML Schema 1.1Noutati:

Declaratiile de tipuri simple/complexeau asociate atributul scopeApare tipul anyAtomicType

Suport pentru controlul versiunilor

Si altele...

xschema: viitor



REgular LAnguage for XML Next Generation

Standard OASIS

Vezi http://relaxng.org si http://dsdl.org

Bazat pe expresii regulate – sabloane (patterns): colectii de noduri cu o structura interna specifica

relax ng



Se iau in consideratie pattern‐urile de baza privitoarela nodurile text, elemente si atribute:Text pattern

<text />Element pattern

<element name="nume">pattern*</element>Attribute pattern

<attribute name="nume"><text /></attribute>

relax ng



Modul de aparitie a elementelor: <optional>, <oneOrMore>, <zeroOrMore>

Alternativa: <choice>

Grup de elemente: <group>

relax ng



Definirea de pattern‐uri noi:<define name="elementul-student">

<element name="student"> <text /> </element><optional>

<element name="adresa"> <text /> </element> </optional>

</define> referite prin <ref name="elementul-student" />

relax ng



Definitiile pattern‐urilor sunt incluse intr‐o gramatica(<grammar>) pentru care trebuie precizat si elementulde start ce desemneaza radacina documentului XMLspecificat:

<grammar xmlns="http://relaxng.org/ns/structure/1.0"> <start>

<element name="..."> ... </element> </start> <define name="..."> ... </define>

</grammar>

relax ng



Utilizat la definirea limbajelorXHTML 2.0, RDF, DocBook,

TEI (Text Encoding Initiative) etc.

Poate specifica si modele nedeterministe

relax ng



intrebare

Exista si alte modalitati de validare XML?



XDR (XML Data Reduced) –MicrosoftMult mai simplu decit XML SchemaImplementat de MSXML.DLL (versiuni <3)Tipurile de date apartin spatiului de numeurn:schemas‐microsoft‐com:datatypes

Detalii & exemple in [TW, B44‐52]Actualmente, considerat invechit

alternative



SchematronLimbaj bazat pe reguli, utilizind expresii XPathin loc de gramatici

Regulile de aparitie se specifica prin asertiunivia pattern‐uri XSLT

Validarea se bazeaza pe procesorul XSLTProcesoare: Cocoon (Java), Schematron.NET

alternative



Validarea folosind specificatii multiple: NVDL (Namespacebased Validation Dispatching Language)

www.nvdl.org

Convertirea dintr‐un format in altul(asigurarea inter‐operabilitatii): Trang

www.thaiopensource.com/relaxng/trang.html

Ambele sunt oferite si de <oXygen />

alternative



!!

validari: demo



rezumat

Validarea documentelor XMLDTD, XML Schema, RELAX NG, alternative



??

web - xml validation

Technology

validari xmldetalii

tehnologii web dr

tehnologii web desc

tehnologii webdesc

cuza iasi

romania http

sabinburaga http

marcarea datelor