从xsd中提取路径

Question

假设我有以下XML文档：

<foo>
  <bar/>
  <bang bash="hello">
    <foobar>123</foobar>
  </bang>
</foo>

我想提取这个文档中不同叶子的所有路径的列表，例如：

foo
foo.bar
foo.bang
foo.bang.@bash
foo.bang.foobar

这个过程有专门的术语吗？

更进一步:假设我有一个用于非常复杂的XML schema的.xsd。有没有一种简单的方法可以从.xsd中提取所有这样的路径？

(通过简单的方式，理想情况下，我的意思是某个地方是否存在这样的库？)

Answer 1

A similar question是在SO上发布的。除了我在相关帖子中描述的方案之外，我仍然不知道针对您的场景有任何开箱即用的解决方案(API或其他)。

我是第一个认识到即使是我在本文中描述的the solution也可能缺少对某些XSD特性的覆盖，或者可能不符合人们对应该如何生成某些XPaths的特定期望。它可以支持您更新的请求中的内容(包括额外的“元数据”，例如XPath匹配的节点类型)，因为可以使用自定义公式添加计算列以匹配您的模式。

虽然C.M.Sperberg-McQueen描述的算法确实让您对它可能涉及的一些事情有了一个概念，但它也被一个关于简单思想方法的温和“免责声明”所框定，这实际上意味着XSD规范涵盖的许多场景被省略了。

除非您的XSD真的很简单，否则就把它当做一个预告片吧！一些“糟糕”的例子:通过复杂类型(不仅仅是元素引用)递归的XML结构很棘手，当类型层次结构在XSD的设计中非常繁重和普遍时更是如此；使用抽象类型的元素(想想xsi:实例XML中的类型属性)，使用block属性，form属性，使用变色龙XSD(现在步骤1本身就很有趣，更不用说如果在模式级别对元素/属性表单使用不同的默认值)。

如果您发现这些额外的“细节”适用于您的XSD，那么我建议您忘记XQuery或XSLT，使用专门的Schema Object Model API (XSOM on Java，.NET也有一个非常好的)来遍历您的XSD -在这里，我只是重复了@pgfearo所说的话(据我所知，SAXON XSD支持只在付费版本中可用；而Apache和JAXB为您免费提供了XSOM )。那么你就不需要担心很多事情了，而且很有可能你能在合理的时间内完成它。

Answer 2

在SGML社区中，您要查找的值(当它们涉及元素时)被称为“完全限定的通用标识符”或FQGIs；因为‘’是XML中的合法名称字符，在SGML引用的具体语法中，FQGIs通常用斜杠写在您要写点的地方。(我将在这里扩展术语FQGI，并使用它表示您感兴趣的字符串，包括表示属性的字符串，而不是表示元素的字符串。)

我不知道用于查找所有可能出现在对特定模式有效的文档中的所有FQGI集合的过程的任何术语。请记住，在许多XML词汇表中，这是一个无限集合；如果希望进程终止，则需要确定所有可能的FQGIs的有限子集。

但是你需要遵循的过程是相对简单的。一个简单的版本运行如下：

XSLT如果您感兴趣的模式是跨多个模式文档定义的，那么可以将它们整合到一个文档(一个具有多个xs:schema子级的包装器)中，或者放入一个模式文档的集合中，该集合可以使用XSLT或XQuery.

1. Identify处理您希望从其开始的一组元素声明和属性声明。(在您的示例中，此集合可能包含foo的顶级元素声明。)对于这个集合中的每一项，写下它的名称和类型。将这组字符串/类型对称为S。
2. 将集合S复制到集合S‘中。
3. 以以下方式创建集合S'’：以S'‘空开头，然后对于S’中的每个项目，设N为FQGI，T为项目中命名的类型，并且：

(a)如果N表示属性，则不执行任何操作。

(b)如果N表示一个元素，则标识可能出现在该元素上的属性集。对于每个这样的属性，标识其类型T2，并通过连接N、斜杠、at符号和属性的扩展名称来创建字符串N2。将(N2，T2)对添加到S'‘。

(c)如果N表示元素，则找到(i)出现在T的内容模型中，(ii)匹配T的内容模型中的通配符，或(iii)可替换在(i)或(ii)中命名的元素的元素集。对于每个这样的可能的子对象，标识子对象的类型T3，并通过连接N、"/“和可能的子对象的扩展名称来生成字符串N3。将(N3，T3)对添加到S'‘.

• 如果S’‘为空，则完成，并且您的答案是集合S和集合S’的并集。否则，让(新的)S是S和S‘的并集，让(新的)S’等于S'，并转到步骤4。

稍微反思一下就会发现，可以匹配通配符的名称集是无限的，因此不能完整处理步骤4(c)中的列表(ii)。您可以通过各种方式选择列表的有限子集；选择哪个子集取决于您希望FQGI列表的用途。

再多一点思考就会告诉您，如果词汇表中的任何元素都可以作为其自己的后代出现(如HTML的div或li元素)，那么所描述的过程将永远不会结束。同样，有多种方法可以修剪在4(c)中生成的配对集以保证终止。

我不知道有什么库可以做到这一点，也许是因为对于有趣的XML词汇表来说，可能的FQGI集很少是有限的。使用XQuery引擎或在XSLT样式表中完成这项工作非常容易。

Answer 3

为此，我创建了一个Java工具XsdPathTypeGenerator。它还提取元素和属性类型。

给定XSD：

<?xml version="1.0" encoding="UTF-8"?>
<xsd:schema xmlns:xsd="http://www.w3.org/2001/XMLSchema" targetNamespace="http://smitek.co.uk/example/1">
    <xsd:element name="employee">
        <xsd:complexType>
            <xsd:sequence>
                <xsd:element name="name" type="xsd:string"/>
                <xsd:element name="department">
                    <xsd:complexType>
                        <xsd:sequence>
                            <xsd:element name="name" type="xsd:string"/>
                        </xsd:sequence>
                        <xsd:attribute name="code" type="xsd:integer"/>
                    </xsd:complexType>
                </xsd:element>
            </xsd:sequence>
            <xsd:attribute name="active" type="xsd:boolean"/>
        </xsd:complexType>
    </xsd:element>
</xsd:schema>

它将创建一个Map

employee@active=xsd:boolean
employee/name=xsd:string
employee/department@code=xsd:decimal
employee/department/name=xsd:string

它有一定的局限性，这意味着你将它作为一个工具来运行，而不是将它作为一个库来使用，这会让我变得懒惰，但它至少解决了我的问题:)