Tutorial XPath per prin­ci­pian­ti

Con la dif­fu­sio­ne dell'XML come lin­guag­gio di markup per lo scambio di dati in­di­pen­den­te dalla piat­ta­for­ma, è cresciuta la necessità di uno standard che consenta ad ap­pli­ca­zio­ni non basate su XML di in­ter­ro­ga­re questi documenti.

Gli standard cor­ri­spon­den­ti per l'accesso pro­gram­ma­ti­co ai documenti XML sono stati svi­lup­pa­ti dal Consorzio W3 con XQuery e XSLT e for­ni­sco­no in­ter­fac­ce di pro­gram­ma­zio­ne che le ap­pli­ca­zio­ni possono uti­liz­za­re per accedere, in­ter­ro­ga­re o tra­sfor­ma­re documenti XML. Il pre­re­qui­si­to è uno standard che consente l'in­di­riz­za­men­to di elementi in documenti XML, ovvero il lin­guag­gio XPath.

Vi pre­sen­tia­mo il modello di dati XPath (XDM) e la sintassi alla base delle espres­sio­ni XPath per lo­ca­liz­za­re gli elementi XML.

L'XML Path Language (XPath) è un lin­guag­gio di in­ter­ro­ga­zio­ne per documenti XML, svi­lup­pa­to dal consorzio W3. XPath fornisce agli utenti una sintassi non basata su XML che permette loro di in­di­riz­za­re gli elementi di un documento XML in modo mirato.

Di norma, XPath è integrato in un lin­guag­gio host, che consente di elaborare gli elementi XML in­di­riz­za­ti. XQuery, per esempio, è usato per in­ter­ro­ga­re elementi XML in­di­riz­za­ti da XPath. XSLT utilizza il lin­guag­gio di in­ter­ro­ga­zio­ne per tra­sfor­ma­re i documenti XML.

• XPath: na­vi­ga­zio­ne in documenti XML
• XQuery: in­ter­ro­ga­zio­ni su documenti XML
• XSLT: tra­sfor­ma­zio­ne di documenti XML

Nella rac­co­man­da­zio­ne del W3C del 21 marzo 2017 è spe­ci­fi­ca­ta la versione attuale di XPath 3.1.

XPath si basa su un modello di dati che in­ter­pre­ta i documenti XML come una sequenza di elementi disposti in una struttura ad albero. La struttura ad albero del modello di dati XPath è simile a quella del Document Object Model (DOM), che funge da in­ter­fac­cia tra l'HTML e il Ja­va­Script dinamico nel browser web.

La lo­ca­liz­za­zio­ne degli elementi XML si basa sul sistema di directory Unix sotto forma di percorsi. I com­po­nen­ti di base di questi percorsi di lo­ca­liz­za­zio­ne sono i nodi, gli assi, i test di nodo e i predicati.

I singoli elementi di una struttura ad albero XPath sono chiamati nodi. I nodi sono ordinati sia in base alla sequenza del documento che al­l'an­ni­da­men­to degli elementi XML.

Il modello di dati XPath distingue sette tipi di nodi con funzioni diverse:

• Nodo elemento (element node)
• Nodo documento (root node) (in XPath 2.0 e versioni suc­ces­si­ve, pre­ce­den­te­men­te nodo radice)
• Nodo attributo (attribute node)
• Nodo testo (text node)
• Nodo namespace (namespace node)
• Nodo istru­zio­ne di ela­bo­ra­zio­ne (pro­ces­sing in­struc­tion node)
• Nodo commento (comment node)

Il­lu­stre­re­mo i tipi di nodi del modello di dati XPath uti­liz­zan­do un esempio. Il seguente documento XML viene uti­liz­za­to per lo scambio di dati nel­l'am­bi­to di un ordine di libri e contiene tutti e sette i tipi di nodi.

Nella struttura ad albero del modello di dati XPath, ogni elemento del documento XML cor­ri­spon­de a un nodo elemento. Fanno eccezione la di­chia­ra­zio­ne XML e la de­fi­ni­zio­ne del tipo di documento al­l'i­ni­zio.

Di­chia­ra­zio­ne XML:

De­fi­ni­zio­ne del tipo di documento (DTD):

I nodi elemento iniziano con un tag di apertura, terminano con un tag di chiusura e sono so­li­ta­men­te annidati l'uno nel­l'al­tro.

Il primo nodo elemento nella sequenza del documento è chiamato elemento radice.

Il documento XML mostrato sopra, per esempio, contiene l'e­le­men­to radice order, che funge da elemento genitore dei nodi elemento su­bor­di­na­ti address, comment e items che con­ten­go­no a loro volta altri nodi elemento come elementi figlio.

I nodi documento formano le radici della struttura ad albero, che nel documento XML stesso non sono rap­pre­sen­ta­ti né vi­si­va­men­te né te­stual­men­te. Si tratta di un nodo con­cet­tua­le che contiene tutti gli altri elementi del documento. Gli elementi figlio del nodo documento sono l'e­le­men­to radice e, even­tual­men­te, i nodi istru­zio­ne di ela­bo­ra­zio­ne e commento.

Gli attributi di un elemento XML sono rap­pre­sen­ta­ti come nodi attributo nel modello di dati XPath. Ogni nodo attributo è co­sti­tui­to da un iden­ti­fi­ca­to­re e un relativo valore.

Nel­l'e­sem­pio di codice sum­men­zio­na­to, il primo nodo elemento book contiene il nodo attributo isbn con il valore 9781408845660.

I nodi attributo sono con­si­de­ra­ti come ap­par­te­nen­ti al nodo elemento, ma non come suoi elementi figlio.

I dati di caratteri contenuti tra il tag di apertura e di chiusura di un nodo elemento sono chiamati nodi testo.

Nel­l'e­sem­pio di codice, il nodo elemento title contiene il nodo testo Harry Potter and the Prisoner of Azkaban.

Nei documenti XML ben formati, tutti i nomi degli elementi e degli attributi uti­liz­za­ti sono assegnati a uno spazio di nomi. L'as­se­gna­zio­ne è di solito già stabilita in base alla de­fi­ni­zio­ne del tipo di documento al­l'i­ni­zio.

Se in un documento XML vengono uti­liz­za­ti elementi o attributi con diversi namespace, il ri­spet­ti­vo spazio di nomi viene definito espli­ci­ta­men­te nel tag di apertura del­l'e­le­men­to in questione mediante l'at­tri­bu­to xmlns o il prefisso xmlns. L'at­tri­bu­to xmlns si aspetta un valore Uniform Resource Iden­ti­fier (URI), che specifica lo spazio di nomi a cui assegnare l'e­le­men­to cor­ri­spon­den­te. L'as­se­gna­zio­ne di uno spazio di nomi a un prefisso xmlns è di­spo­ni­bi­le per l'e­le­men­to e per tutti gli elementi figlio. Ogni namespace cor­ri­spon­de a un nodo namespace nella struttura ad albero.

Nel­l'e­sem­pio di codice, sono stati definiti due namespace per l'e­le­men­to XML address: xmlns:shipping e xmlns:billing. Gli elementi figlio del­l'e­le­men­to address hanno come prefisso la ri­spet­ti­va as­se­gna­zio­ne.

Il prefisso xmlns permette di assegnare in modo univoco elementi con lo stesso nome pro­ve­nien­ti da diversi namespace. Ad esempio, l'e­le­men­to street con il prefisso di shipping contiene l'in­for­ma­zio­ne relativa al­l'in­di­riz­zo di consegna, mentre l'e­le­men­to street con il prefisso billing contiene l'in­for­ma­zio­ne relativa al­l'in­di­riz­zo di fat­tu­ra­zio­ne.

Le istru­zio­ni di ela­bo­ra­zio­ne nei documenti XML si trovano al di fuori della struttura ad albero dei documenti e sono indicate nella ter­mi­no­lo­gia XPath come nodi istru­zio­ne di ela­bo­ra­zio­ne. Un nodo istru­zio­ne di ela­bo­ra­zio­ne inizia con <? e finisce con ?>.

Nel­l'e­sem­pio di codice mostrato sopra, troverete le seguenti istru­zio­ni di ela­bo­ra­zio­ne:

La di­chia­ra­zio­ne XML al­l'i­ni­zio del file XML è strut­tu­ra­ta sin­tat­ti­ca­men­te come un'i­stru­zio­ne di ela­bo­ra­zio­ne, ma non è un nodo di istru­zio­ne di ela­bo­ra­zio­ne come inteso dal modello di dati XPath.

I contenuti di un documento XML che sono stati con­tras­se­gna­ti come commenti vengono elaborati da XPath come nodi commento. Questo nodo contiene soltanto il contenuto dei caratteri con­tras­se­gna­ti, non la marcatura.

Nel­l'e­sem­pio di codice mostrato sopra troverete il seguente nodo commento:

L'in­di­riz­za­men­to dei nodi viene ef­fet­tua­to uti­liz­zan­do i co­sid­det­ti percorsi di lo­ca­liz­za­zio­ne. Un percorso di lo­ca­liz­za­zio­ne è un'e­spres­sio­ne XPath uti­liz­za­ta per navigare at­tra­ver­so la struttura ad albero e se­le­zio­na­re un de­ter­mi­na­to insieme di nodi. L'insieme di nodi è il risultato di un'e­spres­sio­ne XPath.

I percorsi di lo­ca­liz­za­zio­ne vengono valutati da sinistra a destra. Si distingue tra percorsi di lo­ca­liz­za­zio­ne assoluti e relativi. Un percorso di lo­ca­liz­za­zio­ne assoluto inizia dal nodo documento. In questo caso, l'e­spres­sio­ne XPath inizia con una barra (/). I percorsi di lo­ca­liz­za­zio­ne relativi invece partono da qualsiasi nodo al­l'in­ter­no della struttura ad albero. Questo punto di partenza è chiamato nodo contesto.

Un percorso di lo­ca­liz­za­zio­ne consiste in singoli passi di lo­ca­liz­za­zio­ne, che sono separati da barre (/) come nel caso del­l'in­di­riz­za­men­to dei file nei sistemi di directory.

Ogni passo di lo­ca­liz­za­zio­ne di un percorso è composto da un massimo di tre parti: asse, test di nodo e un qualsiasi numero di predicati.

• Asse: sce­glien­do l'asse si determina la direzione di na­vi­ga­zio­ne nella struttura ad albero a partire dal nodo contesto o dal nodo documento.
• Test di nodo: il test di nodo cor­ri­spon­de a un filtro che consente di se­le­zio­na­re un de­ter­mi­na­to set di nodi sull'asse.
• I predicati: i predicati con­sen­to­no di filtrare ul­te­rior­men­te i nodi se­le­zio­na­ti mediante l'asse e il test dei nodi.

I passi di lo­ca­liz­za­zio­ne di un'e­spres­sio­ne XPath vengono indicati con la sintassi seguente:

Asse De­si­gna­zio­ne italiana Nodi se­le­zio­na­ti child figlio Tutti i nodi figlio di­ret­ta­men­te su­bor­di­na­ti parent nodo genitore Il nodo genitore di­ret­ta­men­te superiore de­scen­dant di­scen­den­te Tutti i nodi su­bor­di­na­ti ancestor* antenato Tutti i nodi di livello superiore following nodi suc­ces­si­vi Tutti i nodi suc­ces­si­vi nella sequenza del documento, ad eccezione dei di­scen­den­ti preceding* nodi pre­ce­den­ti Tutti i nodi pre­ce­den­ti nella sequenza del documento, ad eccezione degli antenati following-sibling nodi fratelli suc­ces­si­vi Tutti i nodi suc­ces­si­vi nel documento XML che di­scen­do­no dallo stesso nodo genitore preceding-sibling* nodi fratelli pre­ce­den­ti Tutti i nodi pre­ce­den­ti nel documento XML che pro­ven­go­no dallo stesso nodo genitore attribute attributo Tutti i nodi attributo di un nodo elemento namespace spazio di nomi Tutti i nodi namespace di un nodo elemento; a partire dalla versione 2.0, questo asse non è più incluso nella specifica. self nodo corrente Il nodo contesto stesso de­scen­dant-or-self di­scen­den­ti compreso il nodo corrente Tutti i nodi su­bor­di­na­ti, compreso il nodo contesto ancestor-or-self* antenati o nodi correnti Tutti i nodi di livello superiore, compreso il nodo contesto

Ad esempio, l'asse child:: seleziona tutti gli elementi figlio del nodo contesto D: il set di nodi comprende i nodi E, H e I.

Con il test di nodo potete definire un filtro per il set di nodi se­le­zio­na­to dall'asse. Secondo la specifica XPath, sono possibili due criteri di fil­trag­gio.

• Nome del nodo: immettere un nome di nodo come test di nodo per se­le­zio­na­re tutti i nodi con il nome cor­ri­spon­den­te sull'asse se­le­zio­na­to.
• Tipo di nodo: immettere un tipo di nodo come test di nodo per se­le­zio­na­re tutti i nodi del tipo cor­ri­spon­den­te sull'asse se­le­zio­na­to.

Con il seguente percorso di lo­ca­liz­za­zio­ne, ad esempio, è possibile, sulla base del­l'e­sem­pio di codice mostrato sopra, se­le­zio­na­re tutti i di­scen­den­ti con il nome book a partire dal nodo documento.

Se invece volete filtrare l'at­tri­bu­to isbn da tutti i nodi elemento con il nome book dovete applicare due passi di lo­ca­liz­za­zio­ne.

Se volete definire un tipo di nodo come criterio di fil­trag­gio per la selezione del set di nodi, uti­liz­za­te come test di nodo una delle seguenti funzioni:

Se uti­liz­za­te il me­ta­ca­rat­te­re * (asterisco) invece del test di nodo, vengono se­le­zio­na­ti sull'asse tutti i nodi che cor­ri­spon­do­no al prin­ci­pa­le tipo di nodo dell'asse. La regola è che se l'asse contiene nodi elemento, questo rap­pre­sen­ta il suo tipo di nodo prin­ci­pa­le. Questo vale per tutti gli assi ad eccezione di quelli attribute e namespace, per i quali si considera il tipo di nodo prin­ci­pa­le i nodi attributo o namespace.

Ad esempio, il seguente percorso di lo­ca­liz­za­zio­ne mostra tutti gli attributi del nodo contesto corrente:

Sono state definite ab­bre­via­zio­ni per gli assi e i passi di lo­ca­liz­za­zio­ne di uso frequente, che possono essere uti­liz­za­te al posto dei nomi inglesi nel­l'e­spres­sio­ne XPath.

I predicati vengono uti­liz­za­ti per definire criteri di fil­trag­gio ag­giun­ti­vi per il set di nodi se­le­zio­na­ti at­tra­ver­so l'asse e il test di nodo.

I predicati co­sti­tui­sco­no la terza parte opzionale di un passo di lo­ca­liz­za­zio­ne e vengono indicati tra parentesi quadre. I criteri di fil­trag­gio al­l'in­ter­no delle parentesi quadre sono formulati come espres­sio­ni, che possono contenere espres­sio­ni di percorso, funzioni, operatori e stringhe.

La sintassi XPath supporta predicati generici e predicati numerici.

Le espres­sio­ni dei predicati generici filtrano il set di nodi se­le­zio­na­to dall'asse e dal test di nodo pro­du­cen­do un valore booleano (true o false) per ogni nodo nella selezione. Tutti i nodi con il valore true fanno parte del set di risultati.

Le espres­sio­ni dei predicati generici vengono formulate uti­liz­zan­do gli operatori, che vengono usati per se­le­zio­na­re in modo mirato i nodi con de­ter­mi­na­ti contenuti o proprietà, per esempio tutti i nodi che con­ten­go­no una stringa, un valore di attributo o un elemento figlio (pos­si­bil­men­te in un luogo de­ter­mi­na­to) specifici.

Le seguenti tabelle for­ni­sco­no una pa­no­ra­mi­ca degli operatori di­spo­ni­bi­li. Si distingue tra operatori arit­me­ti­ci, operatori logici e operatori re­la­zio­na­li.

Nel seguente esempio, il predicato [title="Harry Potter and the Prisoner of Azkaban"] limita il set di risultati a un nodo elemento con il nome book, il cui elemento figlio title contiene la stringa Harry Potter and the Prisoner of Azkaban.

Un altro elemento figlio di questo nodo elemento è l'e­le­men­to comment. Per se­le­zio­nar­ne il contenuto è suf­fi­cien­te ag­giun­ge­re altri due passi al percorso di lo­ca­liz­za­zio­ne.

Con il passo di lo­ca­liz­za­zio­ne comment (sintassi breve per child::comment) na­vi­ghia­mo al­l'o­mo­ni­mo elemento figlio del­l'e­le­men­to book e se­le­zio­nia­mo il suo nodo testo con la funzione text(). Questo passaggio cor­ri­spon­de alla seguente stringa:

Se in un predicato viene uti­liz­za­ta solo l'e­spres­sio­ne di un percorso si parla di test di esistenza. Per esempio, il seguente percorso di lo­ca­liz­za­zio­ne potrebbe essere usato per ve­ri­fi­ca­re se il documento XML sopra riportato contiene uno o più nodi con il nome comment.

Sintassi ab­bre­via­ta:

Sintassi standard:

Il percorso di lo­ca­liz­za­zio­ne //book[comment] seleziona tutti i nodi con il nome book che hanno un elemento figlio con il nome comment.

I predicati numerici con­sen­to­no di in­di­riz­za­re i nodi in base alla loro posizione. Il seguente percorso di lo­ca­liz­za­zio­ne, ad esempio, seleziona, in base alla sequenza del documento, il secondo nodo con il nome book:

Il predicato [2] è in realtà l'ab­bre­via­zio­ne della funzione [position()=2]. XPath seleziona quindi prima tutti i nodi con il nome "book" e filtra poi il nodo per il quale la funzione position()=2 re­sti­tui­sce il valore booleano true.

Una pa­no­ra­mi­ca del­l'at­tua­le stato di sviluppo del lin­guag­gio XML Path Language e di tutti gli standard e delle bozze pub­bli­ca­te è con­sul­ta­bi­le sul sito web del W3C.

In­for­ma­zio­ni e strumenti gratuiti per l'u­ti­liz­zo di XPath nelle ap­pli­ca­zio­ni web sono di­spo­ni­bi­li nei MDN Web Docs e nel Microsoft Developer Network.

Come fonte in lingua italiana rac­co­man­dia­mo anche la guida di HTML.it.