XML e XPath

O XML representa dados em texto com etiquetas: legível por pessoas, processável por máquinas e independente da linguagem. Nesta cadeira aparece como formato de troca e de configuração, e o XPath é a linguagem para ir buscar pedaços a um documento XML sem o percorrer à mão.

Documentos bem formados

Um documento XML tem um elemento raiz único, etiquetas bem aninhadas e atributos entre aspas. O catálogo da mercearia em catalogo.xml:

<?xml version="1.0" encoding="UTF-8"?>
<catalogo>
  <livro isbn="978-0-13-110362-7">
    <titulo>C Programming Language</titulo>
    <autor>Kernighan</autor>
    <preco>45.00</preco>
  </livro>
  <livro isbn="978-0-596-52068-7">
    <titulo>JavaScript: The Good Parts</titulo>
    <autor>Crockford</autor>
    <preco>25.00</preco>
  </livro>
</catalogo>

Visto como árvore, que é como o XPath o navega: a raiz catalogo tem dois filhos livro, e cada livro tem os seus titulo e preco.

Cada livro é um elemento com um atributo (isbn) e três elementos filhos. A distinção entre atributo e elemento filho é uma decisão de modelação: atributos para identificadores e metadados curtos, elementos para conteúdo que pode crescer ou repetir-se. Ao contrário do HTML, o XML não perdoa: uma etiqueta por fechar ou mal aninhada invalida o documento inteiro. Valida sempre antes de culpares a consulta.

Consultas XPath

O XPath navega na árvore com um caminho parecido com o dos ficheiros. Sobre o catálogo acima:

• //livro escolhe todos os elementos livro, em qualquer profundidade.
• //livro/titulo escolhe os títulos desses livros.
• //livro[@isbn="978-0-596-52068-7"] escolhe o livro com esse atributo.
• //livro[preco<30]/titulo escolhe os títulos dos livros com preço abaixo de 30, ou seja, “JavaScript: The Good Parts”.

Os parênteses retos são predicados: condições que filtram os nós. Lê a última de dentro para fora: para cada livro, fica com os que têm preco menor que 30 e devolve o titulo. É a mesma ideia do WHERE do SQL que usaste no PHP, aplicada a uma árvore em vez de uma tabela.

Em PHP, a consulta corre com DOMDocument e DOMXPath, sem percorreres a árvore à mão:

<?php
$xml = new DOMDocument();
$xml->load('catalogo.xml');
$xp = new DOMXPath($xml);
foreach ($xp->query('//livro[preco<30]/titulo') as $t) {
    echo $t->textContent, "\n";
}
?>

A saída é uma linha: JavaScript: The Good Parts. O load lê e valida a boa formação, o query avalia o XPath e devolve a lista de nós, e o textContent extrai o texto de cada um. Se a saída vier vazia, confirma os nomes das etiquetas e o aninhamento no documento antes de reescreveres a expressão.

Quando usar XML

Usa XML quando o formato precisa de validação formal contra um esquema, de namespaces para misturar vocabulários ou de ferramentas de transformação. Para trocar dados simples entre o teu JavaScript e o teu PHP, o JSON da página de HTTP é mais leve e direto. Lado a lado, para o mesmo produto:

{ "titulo": "Queijo da Serra", "preco": 8.5 }

<produto>
  <titulo>Queijo da Serra</titulo>
  <preco>8.5</preco>
</produto>

A relação entre os dois resume-se assim: JSON para dados que o programa consome, XML para documentos que precisam de contrato.

Para saber mais

• Documentação MDN de XPath, com a linguagem, funções e uso em JavaScript: https://developer.mozilla.org/en-US/docs/Web/XML/XPath.