計算機システム実験 K-11:
Document Object Modelを用いた
XMLデータへのアクセス(2)

天笠俊之
2006年1月13日

○概要

XMLデータへプログラムからのアクセスを行うための規格である DOM (Document Object Model) を学習するとともに，XMLへの理解を一層深める．今回は前回に引き続き，DOMを扱うための基本的事項を学ぶ．

○前回の復習

前回は XML プロセッサ Xerces について，その考え方と基本的なプログラミングを学習した．以下は，指定された XML ファイルを読み込んで主記憶中に DOM 木を構築して終了する，単純な DOM プログラムである．

 1: import org.w3c.dom.*;
 2: import org.apache.xerces.parsers.*;
 3:
 4: class DomParserDemo {
 5:   public static void main(String[] args) {
 6:     try {
 7:       // DOM パーサの生成
 8:       DOMParser parser = new DOMParser();
 9:       // XML 文書の取得
10:       parser.parse(args[0]);
11:       // Document インスタンスの取得
12:       Document doc = parser.getDocument();
13:     } catch (Exception e) {
14:       e.printStackTrace();
15:     }
16:   }
17: }

プログラムの概要は以下の通りである． 1～2行目は C 言語の include 文に相当するものであり，プログラム内で利用しているクラスのインタフェースに関する情報がどこにあるかを指定するものである． org.w3c.dom.* の * は，org.w3c.dom.Attr, org.w3c.Element などの複数のインタフェースを簡潔に一文で指定するための機能である． 1行目の org.w3c.dom は，XML データ用の Java のパッケージに関する import 文である．このパッケージの概要は，http://java.sun.com/j2se/1.4/ja/docs/ja/api/org/w3c/dom/package-summary.htmlなどで見ることができる． 2行目の org.apache.xerces.parser は，今回用いている Xerces のインタフェースを指定している．

4～17行目が実際のプログラムである． main 関数は引数として文字列をとり（5行目），6～15行目を実行する． try {...} catch {...} という構文は Java で基本となる構文である．通常，何も問題がなければ try の中の文を実行してプログラムが終了する．しかし，例外（exception）が生じた場合には，catch の部分が実行される．このプログラムにおける例外は，DOM パーサ（Xerces）が何らかのエラーを検出した場合に発生する． catch の部分では，例外発生時の後始末などを書くことになるが，このプログラムでは，printStackTrace() を呼ぶことで，実行状況のスタックを表示している．プログラムの本体では，まず8行目で DOMParser オブジェクトを生成する． 10行目では，生成したパーサにより，第1引数で与えられた XML ファイルをパース（構文解析）する．この時点で XML が整形式（well-formed）であるかをチェックし，メモリ上にXML データに対する DOM の木構造を作成する． 12行目の getDocument() により，構築した木構造のルートとなるDocument オブジェクトを得る．

演習課題 1

上記プログラムに，整形式の XML データと，（終了タグ等を省略するなどして作成した）整形式でない XML データを入力し，何が起こるか確かめてみよう．

なお，関連するソースファイルは，これまでと同様 /home/lab/Denjo/amagasa/jikken/07 においてあるので，各自のディレクトリにコピーした上で使用すること．

○エラー処理

上に示したプログラムでは，パーサがエラーを検出した場合には，例外をcatch 文内で処理していた．しかし，エラーハンドラを用いてよりきめ細かいエラー処理を行うことが可能である．エラーハンドラによるエラー処理を含めたプログラムを以下に示す．

 1: import org.w3c.dom.*;
 2: import org.apache.xerces.parsers.*;
 3: import org.xml.sax.*;
 4:
 5: class DomParserDemo2 {
 6:   public static void main(String[] args) {
 7:     try {
 8:       // DOM パーサの生成
 9:       DOMParser parser = new DOMParser();
10:       // エラーハンドラの登録
11:       parser.setErrorHandler(new MyHandler());
12:       // XML 文書の取得
13:       parser.parse(args[0]);
14:       // Document インスタンスの取得
15:       Document doc = parser.getDocument();
16:     } catch (Exception e) {
17:       e.printStackTrace();
18:     }
19:   }
20: }
21:
22: class MyHandler implements ErrorHandler {
23:   public void warning(SAXParseException e) {
24:     System.out.println("警告: " + e.getLineNumber() + "行目");
25:     System.out.println(e.getMessage());
26:   }
27:   public void error(SAXParseException e) {
28:     System.out.println("エラー: " + e.getLineNumber() + "行目");
29:     System.out.println(e.getMessage());
30:   }
31:   public void fatalError(SAXParseException e) {
32:     System.out.println("深刻なエラー: " + e.getLineNumber() + "行目");
33:     System.out.println(e.getMessage());
34:   }
35: }

エラーハンドラを使うには org.xml.sax.ErrorHandler というインタフェースの規定にしたがってハンドラを実装することになる．このインタフェースは，本来 SAX に対するエラー処理を規定したものであるが，DOM でも同様のエラー処理を行うため，このインタフェースを共用している． 3行目の org.xml.sax.* により， org.xml.sax.ErrorHandler のインタフェース情報をを読み込むようにしている． org.xml.sax.ErrorHandler には，以下の3つのメソッドが定義されている．どれも，引数として SAXParseException 型のオブジェクトを値にとる．

warning: 警告が生じたときに呼ばれる．
error: 解析を継続可能なエラーが発生した場合に呼び出される．具体的には，妥当性の制約違反の場合に呼ばれる．
fatalError: 解析を継続できない深刻なエラーが発生した場合に呼び出される．具体的には，整形式の制約違反の場合に呼ばれる．

warning がもっとも軽いエラーであり，fatalError がもっとも深刻なエラーに対応する．プログラム本体部の違いは，11行目で MyHandler というエラーハンドラを登録している点のみである．そのエラーハンドラの実体は22～35行目にある．それぞれのエラーの種類に応じてメソッドが定義されている．この場合はほとんど内容が同じであるが，この内容を場合に合わせて加工することで，きめ細かなエラー処理が可能となる．

演習課題 2

上記プログラムに，意図的にエラーを起こすような XML データを入力し，何が起こるか確かめてみよう．

○妥当性の検証

Xerces の DOM パーサはデフォルトでは妥当性の検証（DTD に XML 文書がしたがっているかどうかのチェック）は行わない．したがって DomParserDemo2.java で発生する例外は，

解析対象の文書が整形式でない
システム識別子で指定した URL から DTD が取得できない
DTD の構文が間違っている

というような場合に限られる．

妥当性検証を行いたい場合には，以下のようにプログラムを修正すればよい．

 1: import org.w3c.dom.*;
 2: import org.apache.xerces.parsers.*;
 3: import org.xml.sax.*;
 4:
 5: class DomParserDemo3 {
 6:   public static void main(String[] args) {
 7:     try {
 8:       // DOM パーサの生成
 9:       DOMParser parser = new DOMParser();
10:       // エラーハンドラの登録
11:       parser.setErrorHandler(new MyHandler());
12:       // 妥当性検証の設定
13:       parser.setFeature("http://xml.org/sax/features/validation", true);
14:       // XML 文書の取得
15:       parser.parse(args[0]);
16:       // Document インスタンスの取得
17:       Document doc = parser.getDocument();
18:     } catch (Exception e) {
19:       e.printStackTrace();
20:     }
21:   }
22: }
23:
24: class MyHandler implements ErrorHandler {
25:   // 先の例と同じなので省略
26: }

具体的には，13行目で妥当性検証を行うフィーチャを true に設定することで，妥当性検証を行うことを指示する．このようなXerces のフィーチャには他にも種類がある．代表的なフィーチャは以下の通りである．

http://xml.org/sax/features/namespaces/
名前空間を認識する（デフォルトでは true）
http://xml.org/sax/features/validation/
妥当性検証を行う（デフォルトでは false）
http://apache.org/xml/features/validation/dynamic/
文書型宣言が存在するときに限り，妥当性検証を行う（デフォルトでは false）
http://apache.org/xml/features/validation/schema/
XML Schema 文書を使った妥当性検証を行う（デフォルトでは false）
http://apache.org/xml/features/continue-after-fatal-error/
整形式検証に違反していても，さらに解析を続ける（デフォルトでは false）
http://apache.org/xml/features/dom/include-ignorable-whitespaces/
無視できる空白を DOM ツリーに含める（デフォルトでは false）

演習課題 3

上記プログラムに，意図的にエラーを起こすような XML データを入力し，正しくフィーチャーが認識され，XML プロセッサの動作が変わったかどうかを確かめよう．

課題レポートの提出

演習課題 2 と 3 について，合計 4 通り以上のケースについて，入力 XML データおよびプログラムの出力を示し，簡単な考察を加えよ．

提出期限は 1/17（火）．メールの作成には以下のテンプレートを利用すると良い．

計算機システム実験 K-11:Document Object Modelを用いたXMLデータへのアクセス(2)

天笠俊之2006年1月13日

○概要