DfromXml - XmlからDレコードの抽出

暗黙宣言

暗黙宣言では，入力ファイル中のタグに現れる形でXpath式を書くことができる。 次の例の右の列にあるような形で，Xpathを書けばよい。

<?xml version="1.0"?>
<oai_dc:dc	/oai_dc:dc
xmlns:oai_dc="http://www.openarchives..."
xmlns:dc="http://purl.org/dc/elements...">
<dc:title>DfromXml : D-2.4</dc:title>	/oai_dc:dc/dc:title
<dc:creator>Akira Miyazawa</dc:creator>	/oai_dc:dc/dc:creator
</oai_dc:dc>

しかし，入力ファイルがデフォルト名前空間を使用しているとき， 物事はやや複雑になる。

<?xml version="1.0" encoding="UTF-8"?>
<OAI-PMH xmlns="http://www.openarchives.org/...">	/D:OAI-PMH
<ListRecords>	/D:OAI-PMH/D:List
<record>	/D:OAI-PMH/D:List/D:record
........
</record>
</ListRecords>
</OAI-PMH>

デフォルト名前空間が使われているタグでは，上例の右の列にあるように，プレフィックス "D:"をつけなければならない。 この例では」，"-p //D:record"というような指定になる。

Xpath言語には，デフォルト名前空間というものはない。 プレフィックスのないXpath式は，入力ファイル中名前空間のスコープからはずれたタグだけを 指定していることになる。 入力ファイルが2つの異なるデフォルト名前空間を使用している場合， DfromXmlは，2番目のデフォルト名前空間をプレフィックス D_ ということにする。次の例の右の列の3番目のXpathを見よ。

<?xml version="1.0"?>
<out>	/out
<in-1 xmlns="http://foo.org" >	/out/D:in-1
<in-2 xmlns="http://bar.org">	/out/D:in-1/D_:in-2
</in-2>
</in-1>
</out>

DfromXmlの暗黙宣言は， プレフィックスの衝突を避ける一般則を決めている。 各入力ファイルごとに，プログラムは入力ドキュメントの名前空間-プレフィックス関係づけ宣言を調べる。 もし，同じプレフィックスに異なる名前空間が関係づけられていた場合，2番目のプレフィックスに LOW LINE (_)を付加して，Xpathでのプレフィックスとする。 3番目のものには2つの（__）を加え，以下同様に処理される。 同じように"D_"は2番目のデフォルト名前空間と関連づけられ， "D__"は3番目と関連づけられる。

明示宣言

明示宣言は，暗黙宣言より単純である。 -Nオプションによって，Xpathで使用するすべてのプレフィックスを宣言する。 -Nオプションのフォーマットは"プレフィックス=URI" で，-Nはいくつあってもよい。 このプレフィックスは-pオプションの中だけで有効で， 入力ファイルでのものと異なっていてもよい。 名前は，プレフィックス-ローカル部分のペアで比較されるのではなく， （プレフィックスに関連づけられた）URI-ローカル部分のペアで比較される。

レコードノード

説明の便宜として， レコードノードは-p xpathで選択された ノードと定義する。

フィールドノード

レコードノードの直下のノードは， Dフィールドに変換される。これらのノードをフィールドノードと呼ぶ。 出力Dレコードのフィールド順は，フィールドノードの 入力XMLファイルでの順にしたがう。 フィールドノードの要素名がDフィールド名となり， フィールドノードのもとのテキストを集めたものｔがDフィールド値となる。 レコードノードの直下にテキストがあれば， "text"というフィールド名がつけられ，テキストそのものがフィールド値となる。

上例の/doc/aをレコードノードとすると，

<a>text-a
  <a>text-aa
    <b>text-aab</b>
  </a>
  <b>text-ab</b>
</a>

DfromXmlは次のDレコードを出力する。

node:/doc/a
text:text-a
a:text-aa text-aab
text:
b:text-ab
text:

"node"フィールドは既定フィールド名フィールドでレコードノードを識別する。 この値は，名前空間が使われていない限り， このノードを選択するXpath式として使用できる。 既定フィールド名の節参照。

"a"フィールドは/doc/a/aノードのテキストと， /doc/a/a/bノードのテキストからなる。 2番目と3番目のtext"は空白文字だけからなる。 これらのフィールドは，終了タグ（たとえば</a>）と 開始タグ（たとえば<b>）との間の改行および行頭空白からなる。 これらのフィールドは無駄に見えるかもしれないが，DfromXmlはXML プロセッサの規約に従って，ドキュメント中のすべての文字をアプリケーションに渡す。 何が不要かを決めるのはアプリケーションで行うこと。 （ただし，/doc/aノードが混合内容でなく，文字データを持てないならば， この例の場合"text-a"がなければ，空白文字だけのtext フィールドは作成されない）。

Dフィールドへの変換ではpredefined entities （&lt;, &gt;, &amp;, &quot;, &apos;） およびcharacter references （&#x4e00等）を通常の文字に変換することも行われる。

名前空間プレフィックスは，Dフィールド名には反映されない。 Dフィールド名になるのは，ローカル部分だけである。

属性フィールド出力

オプション-a fによる属性フィールド出力では， 属性を要素のように取り扱い， 属性フィールドとよぶDフィールドを作成する。 属性フィールドのフィールド名は属性名の前に COMMERCIAL AT(@)文字をつけたものとなる。 フィールド値は，属性値を囲んでいる QUOTATION MARK(")を取り除いたものである。 レコードノードまたは フィールドノードの属性だけが 属性フィールドに変換され， その他の属性は，変換されないで捨てられる。 レコードノードの属性フィールドは， ほかのフィールドノードのフィールドより前， nodeフィールドの直後に置かれる。 フィールドノードの属性フィールドは， そのノードのフィールドの直後に置かれる。 次の例を見よ。

<doc lang="en">
<rec a="va" b="vb">	record node
<f1 c="vc">	field node
<f11 d="vd">value11</f11>
<f12 d="vd">value12</f12>
</f1>
<f2 e="ve">valuef2</f2>	field node
</rec>
</doc>

オプション"-a f"をつけると，次のようなDレコードとなる。

node:/doc/rec
@a:va
@b:vb
f1:value11value12
@c:vc
f2:valuef2
@e:ve

外側のノード（<doc>）や，内側のノード （<f11>, <f12>）の属性は反映されていないことに注意。

フィールド名バリエーション

オプション-a nによるフィールド名バリエーション では，属性は，Dフィールド名の一部となる。 これは，フィールドノードの属性だけに適用され， レコードノードの属性は無視される。

オプション-a fの典型的な使用法は次のようなものである。

<title lang="en">Algorithms</title>
<title lang="fr">Algorithmique</title>

これらの要素が-a nオプションつきでフィールドノード となると，次のようなDフィールドに変換される。

title-en:Algorithms
title-fr:Algorithmique

さらに"-a nフィールド名仕様"という形式で フィールド名仕様を指定することもできる。 フィールド名仕様は文字列で，要素名の後ろに付加されてDフィールド名を作る。 このとき，フィールド名仕様中の "\a" は属性名で置き換えられ， "\v"は属性値で置き換えられ， "\\"は"\"で置き換えられる。 属性が複数あれば，各属性ごとにこれを行う。 フィールド名仕様がなかった場合デフォルトは"-\v"である。 上記例にあるように，"-en" および"-fr" が要素名 "title"に付加されてDフィールド名となっている。

次の例はフィールド名仕様の説明のための例である。 フィールドノードが次のようなとき，

<field a="va" b="vb">value</field>

オプション"-a n-\a=\v"とするとDfromXmlは，

field-a=va-b=vb:value

を出力する。