Анализ Микроформатов

Микроформаты — это способ внедрения определенных семантических данных в HTML, который мы используем сегодня.

Первый вопрос, который задаст гуру XML: «Зачем использовать HTML, если XML позволяет создавать ту же семантикуЭ» Я не буду перечислять все причины, по которым XML будет лучшим или худшим выбором для кодирования данных или почему микроформаты выбрали HTML в качестве основы.

В этой статье основное внимание будет уделено тому, как работают основные правила синтаксического анализа и чем они отличаются от правил XML.

Контактная информация в HTML

Подробнее о hCard можно прочитать на сайте микроформаты вики .

vCard содержит основную информацию о человеке или организации.

Этот формат широко используется в приложениях адресных книг для резервного копирования и обмена контактной информацией.

По стандартам Интернета это старый формат, его спецификация — RFC2426 от 1998 года.

Это было до появления XML, поэтому синтаксис представляет собой обычный текст с некоторыми разделителями, а также начальными и конечными элементами.

Возьмем мою информацию в качестве примера:

  BEGIN:VCARD 
  FN:Brian  Suda
 N:Suda;Brian;;;
  URL:http://suda.co.uk 
  END:VCARD 

В одном файле может быть несколько визитных карточек, поэтому этот метод хорошо группирует данные в четкие визитные карточки.

FN означает «форматированное имя», которое используется в качестве отображаемого имени.

N – структурированное имя, в котором закодированы имя, фамилия, отчество (отчество), префиксы и суффиксы, и все это разделяется точкой с запятой.

Наконец, URL-адрес — это адрес веб-сайта, связанного с этим контактом.

Если бы нам пришлось закодировать все это в XML, результат, вероятно, выглядел бы примерно так:

 <vcard>
     <fn>Brian Suda</fn>
     <n>
         <given-name>Brian</given-name>
         <family-name>Suda</family-name>
     </n>
     <url> http://suda.co.uk </url>
 </vcard>

Атрибут класса используется почти так же, как элементы используются в XML. Итак, предыдущий пример XML размечен в HTML следующим образом:

 <div class="vcard">
     <div class="fn">Brian Suda</div>
     <div class="n">
         <div class="given-name">Brian</div>
         <div class="family-name">Suda</div>
     </div>
     <div class="url"> http://suda.co.uk </div>
 </div>

Но нет, микроформаты позволяют вам использовать семантику существующих элементов HTML, чтобы объяснить, где можно найти закодированные данные.

В этом примере каждый элемент представляет собой , но это не обязательно.

Это делает извлечение данных из HTML немного более сложным для анализатора, но более простым для автора документа.

Микроформаты не заставляют авторов менять текущую структуру HTML или стиль публикации.

В конце концов, людей, пишущих HTML, на несколько порядков больше, чем авторов, занимающихся синтаксическим анализом, так почему бы не облегчить жизнь авторам? Когда я смотрю на предыдущий пример XML, мне не нравится, что я вижу «Брайан Суда» дважды: один раз в FN, а затем снова в N. С HTML это не проблема, мы можем комбинировать эти XML-элементы, используя значения, разделенные пробелами.

атрибут класса.

Малоизвестный факт: атрибуты class, rev и rel могут иметь список значений, разделенных пробелами.

А если объединить FN и N, то получим примерно следующее:

 <div class="n fn">
     <div class="given-name">Brian</div>
     <div class="family-name">Suda</div>
 </div>

Как мы помним, HTML сжимает пробелы, поэтому значение FN по-прежнему равно «Брайан Суда», даже несмотря на то, что оно разделено между двумя элементами с пробелами внутри элементов div. Так мы обозначили возможность связывать свойства, имеющие одинаковые значения.

Следующее, что меня беспокоит в примере XML, — это то, как отображается URL-адрес: он выглядит неестественно.

В XML мы говорим о данных, но HTML отображается людям в браузере.

По совпадению, у нас есть элемент в :

 <a class="n fn url" href=" http://suda.co.uk ">
     <span class="given-name">Brian</span>
     <span class="family-name">Suda</span>
 </a>

В случае URL-адресов лучше всего использовать , поэтому правила парсинга немного изменятся (об этом мы поговорим чуть позже).

Окончательный микроформат hCard в HTML будет выглядеть следующим образом:

 <div class="vcard">
     <a class="n fn url" href=" http://suda.co.uk ">
         <span class="given-name">Brian</span>
         <span class="family-name">Suda</span>
     </a>
 </div>

Парсинг с использованием XSLT

Если бы вы использовали другую технологию для извлечения микроформатов, например REGEX или DOM, это была бы другая проблема, но с XSLT нам сначала нужно очистить HTML. Есть два простых способа сделать это: АККУРАТНЫЙ или функция типа HTMLlib или загрузитьHTML , любой из них загрузит HTML-документ и преобразует его в действительный XSLT. Теперь, когда мы знаем, что у нас есть правильно сформированный HTML-документ, мы можем начать извлекать данные микроформатов.

Ниже приведен очень грубый XSLT, далекий от совершенства, но его должно быть достаточно для начала.

Для получения дополнительной информации вы можете прочитать вики-страница microformats.org о синтаксическом анализе или используйте шаблоны XSLT, которые выполняют большую часть тяжелой работы по извлечению данных (они доступны по адресу hg.microformats.org ).

Все данные hCard содержатся в элементе класса «vcard».

В нашем примере это , но это может быть любой элемент, поэтому начнем с него:

 //*[@class="vcard"]

На первый взгляд кажется, что он найдет все hCard, но проблема в том, что значение класса может представлять собой список значений, разделенных пробелами.

Таким образом, код class="vcard myStyle" не будет выбран этим выражением XPath. Чтобы исправить это, мы используем функцию contains:

 //*[contains(@class,"vcard")]

Выражение class="vcard myStyle" успешно найдет "vcard", но есть другая проблема.

Функция contains небезопасна, поскольку это поиск подстроки.

Таким образом, class="my-vcard" будет найден функцией contains() так же, как class="vcard", хотя "my-vcard" не является подходящим именем свойства, указывающим на то, что это микроформат hCard. Ложный матч.

Чтобы это исправить, вам придется немного поколдовать и окружить искомые значения пробелами, а затем искать новое значение, завернутое в пробелы.

Звучит сложно, но на самом деле это не так.

 //*[contains(concat(" ",@class," "), " vcard ")]

В противном случае класс «vcard myStyle» станет «vcard myStyle», который содержит «vcard», поэтому значения, разделенные пробелами, также находятся с использованием этого метода.

Теперь, когда мы знаем, как найти данные, давайте пройдемся по каждой hCard с помощью XSLT и начнем выводить ее как vCard. Теперь легко увидеть, как использование XSLT позволяет легко преобразовывать данные HTML практически в любой формат. Например, другой HTML, XML, RDF, текст vCard, CSV, SPARQL, JSON или что угодно еще.

Оператор for-each найдет все hCard на странице и создаст для каждого vCard. При создании vCard он применяет шаблоны для поиска внутри hCard, такие как FN, N и URL.

 <xsl:for-each select="http://*[contains(concat(" ",@class," "), " vcard ")]">
     <xsl:text>BEGIN:VCARD</xsl:text>
     <xsl:apply-templates />
     <xsl:text>END:VCARD</xsl:text>
 </xsl:for-each>

 <xsl:template match="http://*[contains(concat(" ",@class," "), " fn ")]">
     <xsl:text>FN:</xsl:text><xsl:value-of select=".

"/>
 </xsl:template>

Сначала ему нужно найти элемент класса, содержащего N. Затем он ищет дочерние элементы, содержащие подсвойства N, такие как имя и фамилия, и печатает их значения.

 <xsl:template match="http://*[contains(concat(" ",@class," "), " n ")]">
     <xsl:text>N:</xsl:text>
     <xsl:value-of select="http://*[contains(concat(" ",@class," "), " family-name ")]"/>
     <xsl:text>;</xsl:text>
     <xsl:value-of select="http://*[contains(concat(" ",@class," "), " given-name ")]"/>
     <xsl:text>;;;</xsl:text>
 </xsl:template>

Он проверяет, является ли элемент класса «url» элемент. Если да, то значение адреса извлекается из href , в противном случае используется содержимое строки.

 <xsl:template match="http://*[contains(concat(" ",@class," "), " url ")]">
     <xsl:text>URL:</xsl:text>
     <xsl:choose>
         <xsl:when test="local-name() = 'a'">
             <xsl:value-of select="@href"/>
         </xsl:when>
         <xsl:otherwise>
             <xsl:value-of select=".

"/>
         </xsl:otherwise>
     </xsl:choose>
 </xsl:template>

Существуют также правила, которые зависят от типа свойства vCard и от того, на основе чего построен HTML-элемент. Для получения более подробной информации, пожалуйста, свяжитесь микроформаты вики , моя PDF-книга Использование микроформатов , или вы всегда можете написать мне на почту, а также подписаться на рассылку разработчиков микроформата, если у вас возникнут вопросы.

Теги: #микроформаты #программирование #xslt #HTML #микроформаты

• Программное Обеспечение Для Образования — Помогает Эффективно Управлять Школами И Колледжами.

  19 Oct, 24

• Бернэм, Шербирн Уэсли

  19 Oct, 24

• Бизнес-Идея В Интернете: Зарабатывайте На Продаже Информационных Продуктов

  19 Oct, 24

• Малайзия

  19 Oct, 24

• Сервис Отложенного Чтения Pocket Будет Предлагать Читателям Спонсорские Статьи

  19 Oct, 24

• 8 Проектов Ml/Ai, Которые Украсят Ваше Портфолио

  19 Oct, 24

• Внеплановое 1 Апреля От Руцентра. Не Волнуйтесь, Письмо Было Отправлено По Ошибке.

  19 Oct, 24

• Icann Проведет Голосование По Зоне .Xxx

  19 Oct, 24

• Атака На Ipv6: Исчерпание Таблицы Ndp

  19 Oct, 24

• Инженеры И Архитекторы Уже Проектируют Лунные Поселения

  19 Oct, 24