XPathを学ぼう
例えば資料.txtというファイルを作成してマイドキュメントに保存したとします。私たちから見ればマイドキュメントにある資料.txtです。しかしコンピューターからはD:\My Doc:\資料.txtといった感じでファイルを参照しています。DOS時代からパソコンを触っている人にはお馴染みなのですが、Pathというもので表します。
これに似たような感じでXML文章の各要素もXPathを使って要素を指定できます。その際に/ (スラッシュ)を用いて要素間の親子関係を繋げます。
ここで例題に上げるXML文章は、AWS3.0にてASIN Searchにて取得したミスチルのI LOVE U(ASIN:B000AOGRXU)のデータを一部抜粋して利用します。
Sample 01 : /AA/BB/CC
XPathの基本になります。文章のツリー構造を辿って要素の親子関係を"/"で繋げていって指定します。
<ProductInfo>
<Details url="Associates URL">
<Asin>B000AOGRXU</Asin>
<ProductName>I LOVE U</ProductName>
<Catalog>Music</Catalog>
</Details>
</ProductInfo>
商品タイトルを表すProductName要素のXPathは/ProductInfo/Details/ProductNameになります。ProductName要素のテキストデータであるI LOVE Uを取得する場合は、/ProductInfo/Details/ProductName/text()になります。text()は省いて/ProductInfo/Details/ProductNameと書いてもOKです。自分で書いてみて分かりやすいほうにしてください。俺は書くのが面倒なのでいつもは省いています。あと忘れがちになりますが頭のRoot要素を表す"/"は忘れないで下さい。
さてProductInfo要素とDetails要素の関係は親子になります。Details要素とProductName要素も親子関係です。ではProductInfo要素とProductName要素の関係は何に当るでしょうか？ProductInfoからProductNameを見ると孫にあたり、ProductNameからProductInfoを見ると祖父にあたります。このように要素が先祖・子孫の関係にある場合は、今回の例でいうとこのようにも書くことができます。/ProductInfo//ProductNameになります。先祖・子孫の関係は//にて表すことができるわけです。極端なことを言うと更に短縮して、//ProductNameとも書けます。XMLツリーの一番親はRootに当りますからRootの子孫ということでこのようにも書けます。ただあんまり//を使うと見難くなる場合がありますので、そのあたりを見極めて使い分けるようにしましょう。
Sample02 : /AA/BB/@name
XML文章で要素を入れる場合は、<AA>Price</AA>となる場合が殆どだと思います。しかし中には、<AA name="Price" />と定義されている場合もあります。AWS3.0の場合ですと、商品のアフィリエイトリンクがそれにあたります。
<ProductInfo>
<Details url="Associates URL">
<Asin>B000AOGRXU</Asin>
<ProductName>I LOVE U</ProductName>
<Catalog>Music</Catalog>
</Details>
</ProductInfo>
Associates URLのXPathは、/ProductInfo/Details/@urlになります。このurlのことをattribute要素といいます。attribute要素は@ (アットマーク)にて指定することになります。
Sample03 : /AA/BB[position() = 1]
このXPathは、同じ要素名がいくつかあってその中のn番目の値が欲しい場合に使います。
<ProductInfo>
<Request>
<Args>
<Arg value="Mozilla/5.0" name="UserAgent"></Arg>
<Arg value="0KS0TX5ZDYYS3YJTKN7T" name="RequestID"></Arg>
<Arg value="B000AOGRXU" name="AsinSearch"></Arg>
<Arg value="jp" name="locale"></Arg>
<Arg value="Subscription ID" name="dev-t"></Arg>
<Arg value="Associates ID" name="t"></Arg>
<Arg value="xml" name="f"></Arg>
<Arg value="heavy" name="type"></Arg>
</Args>
</Request>
</ProductInfo>
さてこれ例はいかがですか？Arg要素が8つあります。こうした場合で/ProductInfo/Request/Args/Arg/@valueと指定します。結果として返ってくる値は何になるでしょう？答えはMozilla/5.0です。同じ要素が複数あってXPathにて指定した場合は1番最初の要素が返ってきます。
では他の要素を指定するのはどうしたらいいでしょう。答えは/ProductInfo/Request/Args/Arg[position() = 3]/@valueになります。この場合はposition関数で3番目のものを指定しましたので、Arg要素の3番目のattribute要素のvalueの値であるB000AOGRXUが返されます。ちなみにArg[position() = 3]はArg[3]と略して書くこともできます。
position関数にはもう1つあります。それがlast関数です。lastという関数名が示すとおりに最後の要素を指定します。/ProductInfo/Request/Args/Arg[last()]/@valueと書くと取得できる値はheavyになります。
Sample04 : /AA/BB[@name = 'hoge']
先ほどのSample03の例ですと問題の起こる場合もあります。AWS3.0のArg要素はAWSにリクエストした時のパラメータ類が要素として収納されます。このパラメータの数などによってArg要素の順番が変わることもあります。ASIN番号を取得したくて/ProductInfo/Request/Args/Arg[position() = 3]/@valueとしてもASIN番号ではなくてSubscription IDが取得されてしまうかもしれません。今回の場合はArg要素のattribute要素に注目してください。uniqueな値であるname要素と内容によって変化するvalue要素になります。uniqueな値であるname要素(AsinSearch)をキーにして指定できればArg要素の順番に関係なくASIN番号を問題なく取得できます。
この場合のXPathは/ProductInfo/Request/Args/Arg[@name = 'AsinSearch']/@valueです。Arg[@name='xxx']とするとname要素が○○であるものの値というように指定できるようになります。
とりあえずAWS3.0でよく使いそうなのはこのくらいかな。これ以外のXPathは折をみてまた記事に書くと思います。
コメント