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)