Slouží k načítání souborů ve všelijakých syntaxích (json, ini atd.) tak,

aby s nimi následně šlo pracovat jako s XML.

SAXParserFactory → SAXParser → XMLReader

Nejdůležitější je XMLReader, tam se provádí vlastní načítání exotického souboru.

Aby se použila správná (naše) továrna, je potřeba udělat něco z následujícího:

	– nastavit systémovou vlastnost „javax.xml.parsers.SAXParserFactory“

	– použít Services API… viz JavaDoc k newInstance()

	– předat název třídy továrny jako parametr newInstance(…, …);

Pak načítáme soubory, jako by to bylo XML:

	SAXParserFactory továrna = SAXParserFactory.newInstance();

	SAXParser parser = továrna.newSAXParser();

	parser.parse(new File("data/vstup.json"), h);

Nikde sice nejsou žádné ostré závorky (např. JSON používá {} a []),

ale používáme stejné API a všechny navazující nástroje jako u opravdového XML.

Náš SAXParser používá SuperXMLReader, který rozhoduje, který konkrétní parser se použije.

Moduly řešit přes Features?

Kódování pro převod všech znaků na název XML elementu/atributu

Možnost zakódovat properties XMLReaderu a skutečné SystemId do URI SystemId.

Komentáře přes LexicalHandler

	To set the LexicalHandler for an XML reader, use the setProperty method

	with the property name http://xml.org/sax/properties/lexical-handler

	and an object implementing this interface (or null) as the value.

	If the reader does not report lexical events, it will throw

	a SAXNotRecognizedException when you attempt to register the handler.

Vstupní formáty:

	RegExp:

		hledá v textu shodu s výrazem (typicky bude končit koncem řádku) a vrací skupiny z výrazu jako elementy

	Javovské Properties:

		proudové zpracování

		komentáře převést na XML komentáře

	INI:

		sekce (případně vnořené)

		klíč=hodnota

		zdroje:

			https://en.wikipedia.org/wiki/INI_file

			https://developer.gnome.org/desktop-entry-spec/

			http://standards.freedesktop.org/desktop-entry-spec/latest/ar01s02.html

	CSV:

		hlavičky → elementy

	HTML:

		zprasené, atributy bez uvozovek, atd.

		asi TagSoup parser

	TXT:

		co řádek, to element

		číslování řádků (atribut)

	ESC:

		převod escapovacích sekvencí na XHTML

		barvy, tučné písmo

	ASN.1:

		DER, BER…

	YAML:

		http://yaml.org/

	JSON:

		standardní struktura výstupního XML

	Markdown:

		https://github.com/sirthias/pegdown

	Souborový systém:

		adresářová struktura

		atributy souborů (včetně rozšířených)

		volitelně obsah souborů

		volitelně počítat hashe

		zpracovat celý podstrom nebo volitelně jen soubory/adresáře vyhovující regulárnímu výrazu

		vhodné pro konfiguraci programů

	XML.dir

		taky souborový systém

		ale ne obecný – specifická struktura

		umožňuje popsat prakticky libovolné XML

		adresář = element

		soubor = atribut nebo textový uzel

		číslování souborů/adresářů → pořadí uzlů

	Jednoduché XML

		definované odsazením

Výstupní moduly:

	prostá kopie XML

	formátované XML: odsazení + volitelně barvy

	XSD/DTD validace

	XPath filtrování

	XSLT

	XQuery

	Souborový systém (stromová struktura adresářů a souborů)

	YAML, INI, JSON a další formáty

CLI API:

	--input-file <filename>

	--input-stdin <systemId>

	--input-url <systemId>

	--system-id <systemId> (override SystemId from file/url, pokud začíná # → připojit za název souboru)

	--reader-property <key> <value>

	--default-namespace-uri <uri>

	--default-namespace-prefix <prefix>

	--output-file <filename>

	--action <pluginName>

	--action-property <key> <value> (recommended way of parametrization, self-documenting)

	-- <array> (last option/separator, followed by  opaque data for output module)

Self-documenting:

	po vzoru JDBC ovladačů

	jak pro vstupní XMLReadery, tak pro výstupní moduly

	konfigurační volba má: název, titulek, popis, datový typ, výčet hodnot, povinnost

	společné/generické volby definované na jednom místě

	→ vygenerovat dokumentaci + bash-completion

Odkazy:

	TagSoup: http://mercury.ccil.org/~cowan/XML/tagsoup/

	HotSAX: http://hotsax.sourceforge.net/ – HotSAX is a small fast SAX2 parser for HTML, XHTML and XML.

	XOM: http://www.cafeconleche.org/XOM/ – XOM is fairly unique in that it is a dual streaming/tree-based API.

	Jericho: http://jericho.htmlparser.net/docs/javadoc/net/htmlparser/jericho/StreamedSource.html – Iterátor

	SAX → DOM: http://www.java2s.com/Code/Java/XML/SaxtoDOMconverter.htm

	XMLUnit: http://xmlunit.sourceforge.net/api/org/custommonkey/xmlunit/TolerantSaxDocumentBuilder.html

	ASN.1

		http://www.lupa.cz/clanky/asn-1-8211-koncept-abstraktni-syntaxove-notace/

		http://www.root.cz/clanky/analogie-asn1/

		http://www.research.ibm.com/trl/projects/xml/xss4j/samples/asn1/Translator.java

		http://www.bouncycastle.org/  – Pěkná knihovna pro práci s ASN.1 v Javě je součástí Bouncy Castle Crypto APIs

		https://en.wikipedia.org/wiki/XML_Encoding_Rules – XML Encoding Rules (XER)