XPath

XML, un langage d’arbres

Année 2013-14

La représentation arborescente d’un arbre XML

La représentation arborescente d’un document XML
– un document XML est représenté par un arbre
– qui comprend les éléments, les attributs, les zones de texte
– mais aussi les commentaires, les instructions de traitement, . . .
– bonne compréhension : permet de se déplacer dans les arbres ! sous-tend :
– l’API DOM
– XPath

Les noeuds d’un arbre

Il y a 7 types de noeuds différents.
Les noeuds internes :
– racine
– se situe au-dessus de l’élément racine du document (recette, message,
html. . .)
– contient ce qui se trouve au-dessus de l’élément racine
– les instructions de traitement,
– les commentaires,
– etc. . .
– sauf la déclaration de document
– sous la racine on peut trouver tous les types de noeuds
– élément :
– peut contenir toutes les sortes d’autres éléments excepté le noeud racine
– c’est une feuille s’il n’a ni attribut ni contenu

Les noeuds d’un arbre

Les feuilles de l’arbre
– attribut :
– c’est un noeud en-dessous de l’élément qu’il qualifie
– ce n’est pas un fils de l’élément qu’il qualifie
– texte :
– la donnée de base d’un document XML !

1
 – toujours enfant d’un noeud élément (pas forcément fils unique)
– c’est une chaı̂ne de caractères contigus sans noeuds intermédiaires

Les noeuds d’un arbre

Les feuilles de l’arbre
– instruction de traitement
<?php
echo "bonjour!";
?>
– commentaire
<!--
ceci est un comentaire
-->
– espace de noms :
– a une signification particulière et une influence sur le sous-arbre qu’il
domine
– n’est pas un attribut
– n’est pas un noeud à part entière
– mais n’est pas fils de l’élément qu’il qualifie

La représentation arborescente
Cette représentation arborescente n’est pas isomorphe au document texte
original :
– le prologue du document (déclaration XML + déclaration de type de do-
cument)
– les sections CDATA
– les appels d’entités
– le contenu de la DTD
ne sont pas conservés.

Langage XPath
XPath
XPath : langage de localisation et de sélection d’ensembles de noeuds dans
un document XML.
Une expression Xpath retourne
– soit un ensemble de noeuds
– soit un booléen
– soit un nombre
– soit une chaı̂ne de caractères
La dernière recommandation de XPath date du 14 décembre 2010 et il s’agit
de la version 2.0.

2
Se déplacer dans les arbres
Tout d’abord, localiser des noeuds :
– on retrouve des éléments qu’on avait déjà vus avec les sélecteurs dans les
CSS (actuellement CSS2).
– avec XPath, on peut aller plus loin (CSS3 pourrait implémenter complètement
XPath).
Mais . . .

Contexte de recherche
Une expression XPath est calculée à partir d’un contexte.
Un contexte est déterminé par :
– un noeud (le noeud-contexte) ;
– un couple d’entiers positifs : l’indice du noeud-contexte dans l’ensemble
dont il est issu, la taille de cet ensemble ;
– des variables et leur valeur ;
– une librairie de fonctions ;
– un ensemble d’espaces de noms.

Chemin de localisation
Un chemin de localisation est
– soit un chemin absolu : depuis la racine, il commence par /
– soit un chemin relatif : il commence depuis le noeud-contexte.
Un chemin est ensuite constitué d’étapes qui permettent d’avancer dans la
localisation.
Syntaxe d’un chemin : étape/étape/étape/. . .

Chemin de localisation
Une étape a trois composantes :
– un axe : il détermine la direction à prendre
– un test de noeud : il précise le type de noeud à sélectionner
– des prédicats optionnels qui permettent d’affiner la sélection
Syntaxe :
axe::test-de-noeud[prédicat]*

Chaque élément peut-être omis.

Chemin de localisation
Chaque étape permet de calculer un ensemble de noeuds Si
étape (S0) / étape (S1)
axe::test-noeud[prédicat]*/axe::test-noeud[prédicat]*

C’est en prenant comme contexte chaque noeud de l’ensemble Si qu’on cal-

cule le nouvel ensemble Si+1 .

3
Axes
Les axes possibles sont :
– parent : le parent du noeud contextuel
– ancestor : tous les noeuds placés au-dessus du noeud contextuel
– ancestor-or-self : idem avec le noeud contextuel
– child : les enfants . . .(rappel : sauf les attributs et les espaces de noms)

Axes
– descendant : tous les noeuds en-dessous du noeud contextuel
– descendant-or-self : idem avec le noeud contextuel
– self : le noeud lui-même
– attribute : les attributs du noeud contextuel
– namespace : tous les noeuds d’espaces de noms actifs pour le noeud contex-
tuel

Exemple

<?xml version="1.0" encoding="iso-8859-1" ?>

<message priorité="importante">
<!-- le destinataire --><dest>M. Dupont</dest>
<!-- l’expéditeur --><exp>Melle. Dumoulin</exp>
<!-- le sujet --><obj>alimentation du chat</obj>
<corps>
<para>Conformément à vos instructions, je donne
<emphase>trois</emphase> rations de croquettes
par jour à <nomduchat />.</para>
<para><nomduchat /> a cependant
pris <emphase>deux</emphase> kilos pendant
les vacances.</para>
</corps>
<!-- pour finir --><form-pol style="simple"/>
<!-- signature --><sign>Melle. Dumoulin</sign>
</message>

Axes

4
Axes

Axes

5
Axes
– following :
– dans l’arbre, les noeuds qui se trouvent à droite du chemin qui va de la
racine au noeud-contexte ;
– dans le document, les éléments dont la balise ouvrante se situe au-
dessous de la balise fermante du noeud-contexte
– following-sibling : les noeuds frères qui suivent le noeud contextuel
– preceding :
– dans l’arbre, les noeuds qui se trouvent à gauche du chemin qui va de
la racine au noeud-contexte ;
– dans le document, les éléments dont la balise fermante se situe au-dessus
de la balise ouvrante du noeud-contexte
– preceding-sibling : frères qui précèdent

Se déplacer dans les arbres

– En l’absence de précision de l’axe, c’est child qui est choisi
fiche-technique/ingredient
est équivalent à
child::fiche-technique/child::ingredient

Tests de noeuds
Les tests de noeuds possibles :
– / : le noeud racine (pas l’élément document)
– node() : tout noeud sauf le noeud racine et les attributs

6
 – * : dans l’axe des attributs, tout attribut, dans l’axe des espaces de noms,
tout espace de noms, dans les autres axes, tout élément
– un nom : un nom d’un attribut, d’un préfixe d’espace de noms ou d’un
élément, suivant l’axe

Tests de noeuds
– text() : tout noeud de texte
– processing-instruction() : toute instruction de traitement
– processing-instruction(’une instruct’) : l’instruction de traitement une instruct
– comment() : tout noeud commentaire

Raccourcis
Les raccourcis :
– *
– @ : désigne les attributs en l’absence de qualificateur d’axe.
@* est équivalent à attribute : :*
@priorité est un attribut de nom priorité
– . : le noeud lui-même (équivalent à self : :*)
– .. : le noeud parent
– // : équivalent à /descendant-or-self::node()/

Se déplacer dans les arbres

Exemples
– //para est équivalent à /descendant-or-self::node()/child::para
– //para[1] n’est pas équivalent à /descendant::para[1]
– .//para est équivalentself::node()/descendant-or-self::node()/child::para
à

Exemple
<?xml version="1.0" encoding="iso-8859-1" ?>
<message priorité="importante">
<!-- le destinataire --><dest>M. Dupont</dest>
<!-- l’expéd. --><exp>Agence Matous Heureux</exp>
<!-- le sujet --><obj>alimentation du chat</obj>
<corps>
<para>Conformément à vos instructions, je donne
<emphase>trois</emphase> rations de croquettes
par jour à <nomduchat />.</para>
<para><nomduchat /> a cependant
pris <emphase>deux</emphase> kilos pendant
les vacances.</para>
</corps>
<!-- pour finir --><form-pol style="simple"/>
<!-- signature --><sign>Melle. Dumoulin</sign>
</message>

7
Axes

Exemples !
Le noeud-contexte est corps.
Que retourne . . .
child::node() child::*
parent::* descendant-or-self::text()
parent::message ancestor-or-self::corps
parent::para ancestor-or-self::/
self::para descendant::comment()
preceding-sibling::* following-sibling::node()
descendant::para descendant::para[child::nomduchat]
self::corps descendant::para/child::nomduchat

Exemples !
Le noeud-contexte est corps.
– child::node() : tous les noeuds fils de corps, i.e. ici les deux noeuds
para et trois noeuds blancs
– child::* : * est plus restrictif que node() puisqu’en ne conservant que
les éléments, il oublie les commentaires et les instructions de traitements,
et les zones de texte. Ici, il n’y a plus que les deux noeuds para.
– parent::* : le noeud père, c’est-à-dire le noeud message
– descendant-or-self::text() : toutes les zones de texte en-dessous de
corps (y compris les noeuds blancs)

8
Exemples !
– parent::message : même chose, retourne le noeud message
– ancestor-or-self::corps : le noeud corps lui-même
– self::corps : idem
– parent::para : l’ensemble vide !
– ancestor-or-self::/ : le noeud racine
– self::para : l’ensemble vide !
– descendant::comment() : les commentaires plus bas (s’il y en avait)

Exemples !
– preceding-sibling::* : l’objet, le destinataire, et l’expéditeur
– following-sibling::node() : la signature, la formule de politesse et les
deux commentaires, ainsi que les zones de textes blancs
– descendant::para : les deux noeuds para
– descendant::para[child::nomduchat] : les para qui ont le nom du chat
dans leur texte, à ne pas confondre avec ...
– descendant::para/child::nomduchat : qui retourne les noeuds nomduchat

Prédicats
Le dernier filtre est l’évaluation d’une expression dont le résultat est converti
en un booléen.
Principales règles :
– si c’est un nombre : il est comparé à la position du noeud dans le contexte ;
para[1] est équivalent à child::para[position()=1] i.e. le premier fils
para du noeud contextuel (s’il existe)
– si c’est une chaı̂ne de caractères : faux si c’est la chaı̂ne vide, vrai sinon ;
– si c’est un ensemble de noeuds : faux si c’est un ensemble vide, vrai sinon.

Expressions
– les opérateurs logiques or, and (il existe une fonction not(Expr))
– les opérateurs de comparaison =, !=, <, <=, >, >=
– les opérateurs arithmétiques +, -, mod, div, *
– l’opérateur union pour des ensembles de noeuds |

Fonctions
– pour convertir en booléen boolean(expr)
– fonctions sur des ensembles de noeuds :
– number last() : taille du contexte
– number position() : indice du noeud sélectionné dans le contexte
– number count(node-set) : taille de l’ensemble de noeuds donné en
paramètre
– node id(string) : le noeud dont l’identifiant est donné en paramètre

9
Fonctions
– pour convertir en chaine de caractères : string(node ou node-set). Pour
un élément ou un ensemble d’éléments, le résultat est la concaténation de
toutes les zones de texte descendantes de l’élément ;
– fonctions sur des nombres :
– number sum(node-set)
– number floor(number)
– number ceiling(number)
– number round(number)

Fonctions
– fonctions sur des chaı̂nes de caractères :
– concat(chaine, chaine, ...)
– normalize-space(chaine)
– substring(chaine, debut, taille)
– substring-after(chaine, sous-chaine)
– substring-before(chaine, sous-chaine)
– contains(chaine,sous-chaine)
– starts-with(chaine,prefixe)
– string-length(chaine)

10