Programujeme s XML (3.) - Vytváříme uzly

Již umíme vcelku rozumně zpracovat dokument, který od někud načteme, co když ovšem potřebujeme vytvořit celý v paměti a nebo do existujícího něco připsat?

15.6.2004 10:00 | Aleš Hakl | přečteno 16658×

Právě proto má třída Document několik metod pro vytváření instancí tříd reprezentujících různe druhy uzlů. Ovšem samotný uzel nám není moc platný, a tak ho pomocí metod appendChild(), insertBefore() nebo replaceChild() třídy Node zařadíme někam do dokumentu.

Vkládáme elementy

Nejprve vytvoříme instanci (zatím prázdného) elementu, který chceme vložit:

>>> element = doc.createElement("prvni-element")
>>> element
<Element Node at 407c644c: Name='prvni-element' with 0 attributes and 0 children>
>>> xml.dom.ext.PrettyPrint(element)
<prvni-element/>

A ten poté vložíme někam do dokumentu, třeba na konec kořenového elementu:

>>> doc.documentElement.appendChild(element)
<Element Node at 407c644c: Name='prvni-element' with 0 attributes and 0 children>
>>> xml.dom.ext.PrettyPrint(doc)
<?xml version='1.0' encoding='UTF-8'?>
<korenovy-element atribut='nejaka hodnota'>
Výpis zkrácen ...
<prvni-element/>
</korenovy-element>

Zde narážíme na první místo, kde reálně hrozí, že způsobíme nějakou výjimku. DOM zná jeden druh výjimky, třídu DOMException. Příčinu chyby bychom dle standardu měli zjistit podle chybového kódu v jejím atributu code. Ve skutečnosti tomu tak v Pythonu není (a je to vyřešeno rozumněji):

>>> doc2.documentElement.appendChild(element)
Traceback (most recent call last):
  File "<stdin>", line 1, in ?
  File "/usr/lib/python2.3/site-packages/_xmlplus/dom/FtNode.py", line 246, in appendChild
    self._4dom_validateNode(newChild)
  File "/usr/lib/python2.3/site-packages/_xmlplus/dom/FtNode.py", line 386, in _4dom_validateNode
    raise WrongDocumentErr()
xml.dom.WrongDocumentErr: Node is from a different document

A zde hned vidíme, že elementy vytvořené voláním metod jedné instance třídy Document nemůžeme vždy vkládat do jiného dokumentu. Operace může selhat a vyvolat výjimku (chybový kód WRONG_DOCUMENT_ERR, číselná hodnota 4), v případě Pythonu dostaneme přímo výjimku WrongDocumentErr. Jinak v Javě dostaneme přibližne to, co říká specifikace DOM:

Exception in thread "main" org.apache.crimson.tree.DomEx: WRONG_DOCUMENT_ERR: That node doesn't belong in this document.

neboli výjimku org.apache.crimson.tree.DomEx (pokud tedy používáme tuto implementaci DOM) s chybovým kódem WRONG_DOCUMENT_ERR.

Též můžeme vyvolat výjimku HIERARCHY_REQUEST_ERR, pokud se snažíme vložit uzel někam, kam to nemá smysl (třeba vložit atribut do těla elementu, nebo vkládat cokoli do textového uzlu).

Poslední výjimkou ke které může dojít, je NO_MODIFICATION_ALLOWED_ERR, znamená to že se snažíme měnit uzel který je určen pouze pro čtení. Takové uzly najdeme například uvnitř uzlů třídy EntityReference.

Vkládáme textová data, komentáře a sekce CDATA

Všechny tři tyto objekty jsou vlastně totéž - text v dokumentu a liší se pouze syntaxí a dalším zpracováním. Je tedy logické, že jsou všechny odvozeny od společného předka, třídy CharacterData. Tato třída je vlastně pouhý obal kolem textového řetězce (význam: je odvozena od Node a odstraňuje rozdíly v řešení řetězců v různých jazycích). Nový uzel tedy vytvoříme odpovídající metodou třídy Document:

>>> comment = doc.createComment("Ja jsem komentar")
>>> xml.dom.ext.PrettyPrint(comment)
<!--Ja jsem komentar-->
>>> text = doc.createTextNode("Ja jsem text")
>>> xml.dom.ext.PrettyPrint(text)
Ja jsem text
>>> cdata = doc.createCDATASection("Ja jsem sekce CDATA")
>>> xml.dom.ext.PrettyPrint(cdata)
<![CDATA[Ja jsem sekce CDATA]]>

Musíme si ovšem dát pozor, co se snažíme do dokumentu vložit, obecně není dobře pokud se snažime vložit nějaké netisknutelné znaky mimo mezery, tabulátoru, nového řádku a podobně. Často se nám totiž může povést vyrobit dokument, který po uložení do souboru již nepůjde načíst.

Další zrada spočíva v tom, že zatímco v textových uzlech jsou případné výskyty speciálních znaků (>, <, " ...) za entity nahrazovány automaticky, v komentářích a sekcích CDATA se tak neděje, musíme si tedy dát pozor na výskyt sekvence "-->", respektive "]]>".

>>> bc = doc.createComment("Rozbity --> komentar")
>>> xml.dom.ext.PrettyPrint(bc)
<!--Rozbity --> komentar-->
>>> bd = doc.createCDATASection("Rozbita ]]> sekce CDATA")
>>> xml.dom.ext.PrettyPrint(bd)
<![CDATA[Rozbita ]]> sekce CDATA]]>
>>> xml.dom.ext.PrettyPrint(bd)
<![CDATA[Rozbita ]]> sekce CDATA]]>
>>> t = doc.createTextNode("A <tohle> projde")
>>> xml.dom.ext.PrettyPrint(t)
A &lt;tohle> projde

Vytváříme instrukce pro zpracování

Instrukce pro zpracování jsou vlastně také textová data, ale nejsou odvozeny od třídy CharacterData. Instrukce pro zpracování jsou prostředek, jak do dokumentu vložit strojově čitelné "komentáře" určující, jak s dokumentem nakládat, ukázkou může být například jazyk PHP, který používa identickou syntaxi. Instrukce se skládají ze dvou řetězců: identifikátoru cíle (například "php") a vlastní instrukce.

>>> pi = doc.createProcessingInstruction("php","echo \"Hello World\";")
>>> xml.dom.ext.PrettyPrint(pi)
<?php echo "Hello World";?>

Ještě je možné vkládat odkazy na entity, ale toto téma si necháme na později, do případného dílu o entitách. Osobně totiž považuji zpracování entit za jednu z nejnepřehlednějších části Document Object Modelu. Tímto konstatováním bych dnešní díl zakončil a doufám, že se sejdeme u dalšího pokračování, kde se vrhneme na první poněkud souhrnější ukázku, jednoduchou databázi.

Online verze článku: http://www.linuxsoft.cz/article.php?id_article=208