Entwicklung eines Tutorials für XQuery

Inhaltsverzeichnis

Abbildungsverzeichnis............................................................................................................... 5

  Beispielverzeichnis  5

Tabellenverzeichnis.................................................................................................................... 6

1.  Einführung  8

1.1.  XML als Sprache  8

1.2.  Was ist eine Abfrage  10

1.3.  Warum ist XQuery nötig  13

1.4.  Das Beispiel  14

2.  Datenmodell  16

2.1  Knoten  18

2.1.1  Knotenhierarchie  19

2.1.2  Knotenfamilie  19

2.1.3  Knotenidentität  21

2.2  Atomic Values  21

2.3  Sequenzen  22

2.4  Namespaces  23

2.5  Das Datenmodell als Baum  23

2.6  Das Datenmodell als Sequenz  25

3.  XQuery als Abfragesprache  28

3.1  Input Funktionen  28

3.2  Navigieren durch den XML-Baum  29

3.2.1  Schritte  30

3.2.2  Achsen  31

3.2.3  Knotentests  32

3.2.4  Prädikate  33

3.2.4.1  Werteprädikat  33

3.2.4.2  Prädikate für Position  34

3.2.4.3  Das Kontext- Item  34

3.2.4.4  Der Baum in beiden Richtungen durchlaufen  35

3.2.4.5  Vergleich zwischen verschiedene Baumzweige  35

3.2.4.6  Finden eines Elements anhand seinen Namen  36

3.3  Erzeugen von XML Knoten und Attributen  36

3.3.1  Miteinbezogene Elemente und Attribute aus der Input- Dokument  37

3.3.2  Direkte Element- Konstruktoren  37

3.3.3  Computed Constructors  40

3.4.  Verbinden und Restrukturieren von Knoten (FLWOR)  42

3.4.1  For und Let Klausel  44

3.4.2  Where Klausel  46

3.4.3  Order by Klausel  46

3.4.4  Return Klausel  47

3.4.5  Joins  48

3.5  Operatoren und Bedingte Ausdrücke  50

3.5.1  Arithmetische Operatoren  51

3.5.2  Vergleichsoperatoren  51

3.5.3  Sequenz Operatoren  53

3.5.4  Bedingte Ausdrücke  53

3.6  Funktionen  54

3.6.1  Built-In Funktionen  54

3.6.2  Benutzerdefinierte Funktionen  56

4.  Vergleich von XQuery mit anderen Technologien  59

4.1  Vergleich mit SQL  59

4.1.1  Relationales Model vs XML Datenmodell  59

4.1.2  Syntax  61

4.1.3  Zusammenspiel von SQL und XQuery  65

4.2  Vergleich mit XSLT  67

4.2.1  Gemeinsame Komponenten  68

4.2.2  Unterschiede  69

5.  Implementierungen  73

5.1  Saxon  73

5.2  eXist  74

6.  Erweiterungen und Weiterentwicklungen von XQuery  81

6.1  Update Facility  81

6.2  Volltextsuche  83

6.3  XQuery 1 1  84

7.  Zusammenfassung  86

Appendix A:  Primitive Datentypen  87

Appendix B:  Built-In Funktionen  88

  Literaturverzeichnis  89

Abbildungsverzeichnis

  Abbildung 1: Ergebnis nach Select-Operation  11

  Abbildung 2: Ergebnis nach ausgeführtem Update  11

  Abbildung 3: Verarbeitungsmodell  16

  Abbildung 4: Datenmodellkomponenten  18

  Abbildung 5: Knotenhierarchie  19

  Abbildung 6: Datenmodellinstanz als Baum  24

  Abbildung 7: Datenmodellinstanz als Sequenz  26

  Abbildung 8: Das Mediathek Dokument  29

  Abbildung 9: Computed Konstruktor Syntax  41

  Abbildung 10: Syntax der FLWOR- Ausdruck  43

  Abbildung 11: Syntax der for Klausel  44

  Abbildung 12: Syntax der let Klausel  44

  Abbildung 13: Syntax der order by Klausel  47

  Abbildung 14: Syntax: bedingter Ausdruck  54

  Abbildung 15: Syntax der Funktionsdeklaration  56

  Abbildung 16: SQL (relationale) Repräsentation von Mediathek xml -Auszug  59

  Abbildung 17: SQL (relationale) Repräsentation von PlaylistMediathek xml - Auszug  60

  Abbildung 18: XQuery XSLT XPath  68

  Abbildung 19: Syntax des insert Ausdrucks  82

  Abbildung 20: Syntax des delete Ausdrucks  82

  Abbildung 21: Syntax des replace Ausdrucks  82

  Abbildung 22: Syntax des rename Ausdrucks  83

  Abbildung 23: Syntax des Transform- Ausdrucks  83

  Beispielverzeichnis NA  

  Beispiel 1: Kleines XML Dokument  9

  Beispiel 2: Auszug aus generierte Mediathek xml  15

  Beispiel 3: Auszug aus generierte PlaylistMediathek xml  15

  Beispiel 4: Query mit Prolog und Body  16

  Beispiel 5: Queryergebnis anhand Beispiel 4  17

  Beispiel 6: Knotenarten und Knotenverwandtschaft  20

  Beispiel 7: Der Name des ersten Kinderknoten innerhalb des ersten Musikstücks  21

  Beispiel 8: Extrahieren von Atomic Values mittels data und string  21

  Beispiel 9:Atomization  22

  Beispiel 10:Eingabedokument mit Namensraum  23

  Beispiel 11: Query mit Namensraum  23

  Beispiel 12: Einfache Query  25

  Beispiel 13: Ergebnis der Query  26

  Beispiel 14: Einfache Navigation durch den XML- Baum  30

  Beispiel 15: Anfrage mit Werteprädikat  33

  Beispiel 16: Anfrage mit Prädikat für Position  34

  Beispiel 17: Das Kontext-Item  35

  Beispiel 18: XML Baum nach oben und nach unten durchlaufen  35

  Beispiel 19: Vergleich zwischen verschiedene Baumzweige  36

  Beispiel 20: Element anhand seines Namens finden  36

  Beispiel 21: Elemente aus dem Input- Dokument  37

  Beispiel 22: Konstruieren von XML- Elemente mit XML- Syntax  38

  Beispiel 23: Hinzufügen eines Attributs zu einem Elementen  39

  Beispiel 24: Entfernen von Kinder- Elemente  40

  Beispiel 25: Einfacher computed Konstruktor  41

  Beispiel 26: FLWOR  43

  Beispiel 27: Query mit for Klausel  44

  Beispiel 28: Query mit let Klausel  45

  Beispiel 29: Query mit for und let Klausel  45

  Beispiel 30: Query mit for und let Klausel  45

  Beispiel 31: For Klausel: mehrere Variablen  46

  Beispiel 32: Query mit where Klausel  46

  Beispiel 33: Order by Klausel  47

  Beispiel 34: Order by Klausel 2  47

  Beispiel 35: Join  48

  Beispiel 36: Join mit Prädikat  49

  Beispiel 37: Outer Join  50

  Beispiel 38: Implizite Typumwandlung  51

  Beispiel 39: Der eq Operator  52

  Beispiel 40: Expliziter cast bei untyped Values  52

  Beispiel 41: Operator für Reihenfolgevergleich  53

  Beispiel 42: Der union Operator  53

  Beispiel 43: Der except Operator  53

  Beispiel 44: Bedingter Ausdruck innerhalb eines FLWORs  54

  Beispiel 45: Built-in Funktionen  55

  Beispiel 46: Die Funktion string  56

  Beispiel 47: Funktionsdeklaration  57

  Beispiel 48: Rekursive Funktion  58

  Beispiel 49: Kombination von Werte distinct-values  64

  Beispiel 50: Join in SQL XQuery  64

  Beispiel 51: Geschachtelte SQL XQuery Abfragen  65

  Beispiel 52: Erzeugen einer relationalen Tabelle mit XML Inhalt  66

  Beispiel 53: Auslesen von XML-Daten bei MySQL  66

  Beispiel 54: XQuery Syntax vs XSLT Syntax  69

  Beispiel 55: Push Stylesheet  70

  Beispiel 56: Emulation von Templates durch benutzerdefinierte Funktionen  71

  Beispiel 57: Anlegen einer neuen Collection  75

  Beispiel 58: Speichern von XML- Dokumente in der Datenbank  77

  Beispiel 59: Einfügen von neuen Knoten  79

  Beispiel 60: Löschen eines Musikstücks  80

Tabellenverzeichnis

Tabelle 1:  Achsen  31

Tabelle 2:  Operatoren für Wertevergleich bzw generelles Vergleich  51

Tabelle 3:  Knotenvergleich  52

Tabelle 4:  Reservierte Funktionsnamen  58

Tabelle 5:  SQL Query vs XQuery Query  62

Tabelle 6:  SQL vs XQuery: Der IN Operator  62

Tabelle 7:  SQL und XQuery not Operator Funktion  63

Tabelle 8:  Äquivalente Funktionen bei XQuery und SQL  63

Tabelle 9: Mengenoperatoren................................................................................................... 65

Tabelle 10: Vergleich zwischen XSLT und XQuery Merkmale.............................................. 69

8

1. Einführung

Am Anfang dieser Master- Arbeit wird ein kurzer Überblick über XML als Sprache geschafft. Anschließend wird erklärt was unter den Begriff „Abfrage“ zu verstehen ist. Sind beide Begriffe erklärt, wird dann besprochen warum eine XML- Abfragesprache wie XQuery notwendig ist. In Kapitel 2 wird das XQuery Datenmodell beschrieben. In Kapitel 3 wird XQuery als Abfragesprache ausführlich beschrieben. Hier wird erklärt wie durch das XML- Baum navigiert werden kann, wie neue Knoten und Attribute er- zeugt werden können. Weiterhin wird beschrieben wie Knoten restrukturiert werden können. Die so genannten FLWOR- Ausdrücke werden Schritt für Schritt erläutert, um dann die Sprache XQuery mit weiteren Technologien wie SQL und XSLT kon- zeptionell vergleichen zu können. Im Nachhinein werden zwei Implementierungen vorgestellt und ihre Funktionalität erläutert. Im Anschluss wird klar gemacht wie die Zukunft von XQuery aussieht und welche Weiterentwicklungen und Anforderungen geplant sind. Das gesamte Tutorial wird durch ein, von Anfang an sich erweiterndes, Beispiel begleitet. Das Beispiel orientiert sich an klassische Musikstücke aus einer iTunes Mediathek.

1.1. XML als Sprache

Die Extensible Markup Language (engl. für erweiterbare Auszeichnungssprache) ab- gekürzt XML, ist eine Auszeichnungssprache für Dokumente, die strukturierte Infor- mationen enthalten [XMLcom01]. XML wird zur Darstellung hierarchisch struktu- rierter Daten in Form von Textdaten verwendet. Es wird vor allem zum Austausch von Daten zwischen verschiedenen IT-Systemen über das Internet eingesetzt. Im Vergleich zu HTML sind die Tags (engl. für Auszeichnungselement) nicht fest defi- niert. Der Benutzer kann selbst neue Elemente und Attribute definieren und sie, ent- sprechend seinem Nutzen, benennen. Ein XML- Element kann unterschiedliche Da- ten enthalten und beschreiben. Meistens sind es Daten in Form von Texte, aber auch Grafiken oder abstraktes Wissen. Der wichtigste Punkt dabei ist, dass die Struktur (DTD und Schemata) und das Layout (CSS, XSL) streng voneinander getrennt sind. Auf diese Weise können ein und dieselben Daten z.B. einmal als Grafik und einmal als Tabelle ausgegeben werden. Daraus lässt sich schließen, dass die XML- Ele- mente den Inhalt beschreiben, und nicht seine Darstellung.

XML- Dokumente müssen sich an einigen Regeln halten („Wohlgeformtheit“):

N Das Dokument hat genau ein Wurzelelement. Unterhalb dieses Wurzel- element können weitere Elemente mehrfach und verschachtelt vorkommen

N Die Elemente mit Inhalt sollen zunächst geöffnet und anschließend ge- schlossen werden. Elemente ohne Inhalt können auch in sich geschlossen sein.

9

Beispiel 1: Kleines XML Dokument

N Die Start- und Endtags sind ebenentreu-paarig verschachtelt usw.

Soll XML für den Datenaustausch zwischen verschiedene Systeme zum Einsatz kommen, ist es vorteilhaft, wenn das Format mit Hilfe einer Grammatik (z.B. DTD oder XML- Schema) definiert ist. Ein XML- Dokument wird als „gültig“ gekenn- zeichnet, wenn das Dokument:

N wohlgeformt ist

N auf eine Grammatik (z.B. DTD) verweist

N sich an die Regel der Grammatik hält

Weiterhin lassen sich XML- Dokumente, anhand ihres beabsichtigen Gebrauchs und ihres Strukturiertheitsgrades in strukturierte, unstrukturierte und semi- strukturierte Dokumente klassifizieren.

N Strukturierte (oder „datenzentrierte“) Dokumente: Dokumente, die hauptsäch- lich für die maschinelle Verarbeitung bestimmt sind. Die Dokumente folgen ein Schema, das Entitäten eines Datenmodells beschreibt und definiert, in welcher Beziehung die Entitäten zueinander stehen, sowie, welche Attribute die Entitäten haben. Das Dokument ist somit stark strukturiert und für den un- mittelbaren menschlichen Gebrauch weniger geeignet.

N Unstrukturierte (oder „dokumentzentrierte“) Dokumente: Dokumente, die von Menschen auch ohne zusätzliche Metainformationen verständlich sind. XML- Elemente werden hauptsächlich zur semantischen Markierung von Passagen des Dokuments genutzt (z.B. Kapitel oder Paragraphen eines Buches). Der Begriff „unstrukturiert“ ist ein wenig irreführend, da alle Dokumente eine ge- wisse Struktur haben, auch wenn diese Struktur nur implizit gegeben ist (z.B. Satzzeichen). Aufgrund der schwachen Strukturierung ist eine maschinelle Verarbeitung schwierig. XML könnte verwendet werden, um unstrukturierte Daten auszuzeichnen und zu repräsentieren. Diese Möglichkeit sollte aber vermieden werden. Im Allgemeinen ist XML für die semantische Auszeich- nung gedacht. Die Präsentation der Daten sollte z.B. an XSLT (Extensible Stylesheet Language Transformation) überlassen werden.

N Semi- strukturierte Dokumente: Eine Mischform für Dokumente, die stärker strukturiert als dokumentzentrierte Dokumente und wiederum schwächer strukturiert als datenzentrierte Dokumente sind.

10

1.2. Was ist eine Abfrage?

In Kapitel 1.1 wurde kurz über XML als Sprache diskutiert. In diesem Kapitel wird ein Überblick über dem Begriff „Abfrage“ geschafft. Es wird weiterhin erklärt wie tra- ditionelle bzw. nicht traditionelle Daten abgefragt werden können. Im Allgemeinen ist eine Abfrage (engl. query) „to ask questions of, especially with a desire for autho- ritative information“[MWqu] (engl. für „Fragen zu stellen, mit dem Wunsch, vor allem eine verbindliche Auskunft zu bekommen“). Wenn eine Datenbank abgefragt wird, ist das Ziel keine wohlbegründete Vermutung zu bekommen, sondern eine präzise und verbindliche Antwort. Die zweite Definition des Begriffs „Abfrage“ ist in Bezug auf Datenbanken. In diesem Kontext ist die Rede von einer Abfragesprache (engl. query

language). „[databases] provide a means of retrieving records or parts of records and performing various calculations before displaying the results. The interface by which such manipulations are specified is called the query language.“[BritQL] Eine Ab- fragesprache ist eine formale Sprache zum Suchen nach Informationen. Das Ergeb- nis einer Abfrage ist eine Teilmenge des zugrundeliegenden Informationsbestandes. Man spricht auch von Filterung der Daten. Das Ergebnis soll nicht unbedingt eine Teilmenge des Informationsbestandes sein, da Berechnungen ebenfalls möglich sind.

Das Ergebnis der Abfrage soll nicht nur ein Datensatz oder eine Menge von Datensätze zurückgeben, sondern eine Teilmenge der zugrundeliegenden Daten. Eine Manipulation der Daten soll auch möglich sein (Vergleich, Aggregation, Trans- formation etc.). Im Allgemeinen wird unterschieden zwischen eine Anfrage zur Se- lektion von Daten (SELECT), und eine Anfrage, die die Daten manipuliert (INSERT,

UPDATE, DELETE).

Wie schon weiter oben erwähnt wurde, wird hier ein kurzer Überblick geschafft, wie traditionelle bzw. nicht traditionelle Daten abgefragt werden können. Zunächst soll klar gemacht werden was traditionelle Daten sind. Weitestgehend sind traditionelle Daten, Daten vom Typ integer, date und string. D.h. Daten, die leicht in Tabellen und Spalten gespeichert werden können. In den letzten 20-30 Jahren hat sich als beste Lösung fürs Abfragen von traditionellen Daten, SQL (engl. Structured Query Lan- guage) erwiesen.

Die Mehrheit der kritischen Daten der Welt sind in relationale Datenbanken ge- speichert. Das führt dazu, dass viele Benutzer und Applikationen SQL verwenden, um Daten zu finden, aufzurufen oder zu manipulieren. Anders formuliert: SQL hat sich als Benchmark (gold standard) fürs Abfragen von Daten etabliert. Deshalb ist es für jeden neuen Ansatz wichtig, dass es alle Sachen bewältigen kann, oder zu- mindest einen guten Argument gibt, warum bestimmte Sachen nicht gemacht wer- den. In Abbildung 1 und Abbildung 2 ist ganz grob gezeigt wie eine Tabelle einer relationalen Datenbank aussieht und wie die Daten mittels SQL abgefragt werden. In dieser Arbeit wird nicht detailliert auf die Eigenschaften und die Funktionalität von re- lationale Datenbanken und SQL eingegangen.

11

select *

from mediathek where TrackID >= 1038 and TrackID <= 1041 order by TrackID desc;

Abbildung 1: Ergebnis nach Select-Operation

update mediathek

set DateAdded = "2008-11-26 18:00:00" where TrackID = 1040;

Abbildung 2: Ergebnis nach ausgeführtem Update

Allerdings sind mindestens 90% der Daten der Welt nicht traditionell. Viele wertvolle Informationen sind z.B. in Word-Dateien, Power Point Präsentationen, PDF- Doku- mente, Diagramme etc. versteckt. „Nicht traditionelle Daten“ sind solche Daten, die normalerweise nicht als Zahlen, Daten oder Zeichenketten repräsentiert werden kön- nen [QuXML01]. Solche Daten sind z.B. Bilder, Videofilme oder erzählerische, dis- kursive Texte.

In diesem Abschnitt werden drei Ansätze vorgestellt, wie nicht traditionelle Daten ab- gefragt werden können – durch Metadaten, Objekte und Textauszeichnungen. Es wird angenommen, dass für das Musikstück „III. Allegretto non troppo - Allegro molto vivace“ von Mendelssohn folgende Daten vorhanden sind:

N Musik: III._Allegretto_non_troppo_-_Allegro_molto_vivace.aac N Video: III._Allegretto_non_troppo_-_Allegro_molto_vivace.mpg N Bild: III._Allegretto_non_troppo_-_Allegro_molto_vivace.jpg N Partitur: III._Allegretto_non_troppo_-_Allegro_molto_vivace.pdf

1. Ansatz: Metadaten

Ein erster Ansatz für das Speichern von nicht traditionellen Daten liegt in der Tat- sache, dass die Daten wie ein black-box Datenblock gespeichert werden. Dazu wer- den noch die Metadaten hinzugefügt. Dieser Datenblock wird BLOB (engl. binary large object) genannt. Trotz seinem Namen, hat ein LOB (large object) keines der nützlichen Objektattribute. Die LOB Speicherung bedeutet nur, dass das Datenobjekt als ein Ganzes an einer Stelle gespeichert ist. Wenn die Daten schon „in einem LOB“ sind, kann der LOB in der Datenbank gespeichert werden. Dabei werden auch Meta- daten in anderen Spalten der Tabelle hinzugefügt. Auf diese Weise können die Meta- daten abgefragt werden, um eine bestimmte Instanz des LOBs zu finden oder, um

12

Informationen über dem LOB zu bekommen. Es gibt mehrere Möglichkeiten Meta- daten zu generieren:

N In einige Datenformate sind die Metadaten eingebettet. Z.B. PDF und Micro- soft Word Dateien haben automatisch generierte Metadaten: Name des Au- tors, Name des Dokumentes, wann die letzte Änderung vorgenommen war, etc. Diese Metadaten können extrahiert und dann in der Datenbank gespei- chert und anschließend abgefragt werden.

N Der Benutzer, der die Daten veröffentlicht (speichert in die Datenbank), kann z.B. durch ein CMS (kürz. Content Management System) neue Metadaten hin- zufügen.

2. Ansatz: Objekte

Dieser Ansatz ermöglicht die Speicherung von nicht traditionellen Daten in eine Weise, so dass die Objekte durchsichtig sind (to-open-the-box). So kann z.B. ein PDF- Dokument wie ein PDF- Dokument behandelt werden und nicht wie ein black- box LOB. Das einzige, was getan werden soll, ist ein Objekttyp zu definieren, der die PDF- formatierte Daten repräsentieren kann. Dazu müssen noch einige Methoden definiert werden, die für PDF sinnvoll sind. Anschließend kann das eigentliche Do- kument abgefragt werden und nicht seine Metadaten.

3. Ansatz: Markup

Es wurde diskutiert, wie man nicht traditionelle Daten mit Metadaten dekorieren kann. Es wurde auch die Möglichkeit vorgestellt nicht traditionelle Daten mit Hilfe des Objekt- Ansatzes direkt abzufragen. Beide Ansätze verlangen aber einen speziellen und nicht standardisierten Aufwand. Der Metadaten- Ansatz verlangt manueller Aufwand oder Aufwand für die Programmierung, um die Metadaten zu generieren. Dabei sollen auch einige Designentscheidungen getroffen werden, wie diese Meta- daten gespeichert werden. Der Objekt-Ansatz verlangt die Definition von Objekttypen und Methoden. Dabei müssen Objekttypen für jeden Datentyp definiert werden.

Der dritte Ansatz ist durch Markup. Auf diese Weise wird ein XML- Dokument erzeugt, das durch existierende Tools beschrieben und abgefragt werden kann. XML ist ziemlich anders im Vergleich zu relationale Daten. Man kann natürlich XML Daten in z.B. relationale Daten konvertieren, um dann z.B. SQL als Abfragesprache nutzen zu können. In einigen Fällen ist das auch die beste Strategie. Wenn z.B. die XML - Daten sehr regulär sind und wenn sie mehrmals auf die gleiche Art und Weise abgefragt werden, dann ist es vielleicht effizienter die Daten in einem relationalen Kontext parat zu haben. Manchmal ist aber erwünscht die Daten in XML Format speichern und repräsentieren zu können. Abfragen von XML- Daten ist unterschied- lich als das Abfragen von relationalen Daten. Hier soll durch die Baumstruktur navi- giert werden, um z.B. den Inhalt eines Elements zu finden.

13

1.3. Warum ist XQuery nötig?

XML wird in den letzten Jahren immer öfters verwendet. Mittlerweile werden viele Informationen in XML gespeichert. Das gilt sowohl für XML- Datenbanken als auch für XML- Dokumente, die auf dem Dateisystem gespeichert sind. Diese Informa- tionen können strukturiert, semi- strukturiert oder relativ nicht strukturiert (z.B. Bü- cher) sein. Noch mehr Informationen werden zwischen verschiedene Systeme vor- übergehend als XML ausgetauscht. Die Informationen, können für verschiede Zwe- cke gebraucht werden. In diesem Fall sind verschiedene Elemente von Interesse. Aus diesem Grund kann es wünschenswert sein, diese Daten entsprechend forma- tiert und transformiert zu bekommen.

XQuery (kürz. XML Query Language) ist eine vom W3C spezifizierte Ab- fragesprache. XQuery wurde implementiert um genau diese Anforderungen zu erfül- len. Mit XQuery ist es möglich XML- Elemente zu selektieren, die Datenstruktur zu reorganisieren oder zu transformieren. Es ist ebenfalls möglich die Ergebnisse, die von der Abfrage zurückgegeben werden, in einer gewünschten Struktur auszugeben. XQuery bietet viele Features, die viele verschiedene Operationen an XML- Daten und Dokumente ermöglichen, wie z.B.:

N Selektieren von Informationen auf Basis eines spezifischen Kriteriums

N Ausfiltern von Informationen

N Informationssuche in einem oder mehreren Dokumenten

N Zusammenstellen (join) von Daten aus verschiedenen Dokumenten

N Sortierung, Gruppierung, Aggregation von Daten

N Transformation und Restrukturierung von XML- Daten in einer anderen Struktur

N Manipulation von Zeichenketten (strings)

N Ausführen von arithmetische Operationen

Es wurde gezeigt, dass XQuery nicht nur für Selektion von XML Daten verwendet werden kann, sondern auch für die Manipulation und Transformation der Ergebnisse. Die aktuelle Version XQuery 1.0 unterstützt keine update Funktion, was für XML- Da- ten, die in einem XML Datenbank gespeichert sind, sehr nützlich wäre. Zum jetzigen Zeitpunkt wird die Erweiterung XQuery Update Facility 1.0 verwendet, um Aktuali- sierungsoperationen auszuführen. In die angekündigte Entwicklung von XQuery 1.1 soll die update Funktionalität (siehe Kapitel 6.1: Update Facility) ebenfalls kompatibel sein. In die Weiterentwicklungen von XQuery wird im Detail in Kapitel 6 eingegangen.

14

Es gibt viele Gründe warum XML- Daten abgefragt werden. Bestimmt so viel wie die Gründe warum XML- Daten verwendet werden. Einige Beispiele warum XQuery als Abfragesprache verwendet wird:

N Suchen von Textdokumente, die in einer nativen XML Datenbank gespei- chert sind und Ausgabe der Ergebnisse.

N Extrahieren von Informationen aus einer relationalen Datenbank, um die Informationen in einem Web-Service zu nutzen.

N Generieren von Ergebnisse aus einer Datenbank, um die Daten im Web als XHTML (erweiterbares HTML) zu präsentieren.

1.4. Das Beispiel

Das Beispiel was uns durch dieses Tutorial begleiten wird, ist eine aus iTunes ex- portierte Mediathek. Das Beispiel orientiert sich an klassische Musikstücke und Play- listen. Die wichtigsten Eigenschaften eines Musikstücks sind in der XML Dokument eingetragen (z.B. Titel, Komponist, Artist, Album Genre, etc.). Beispiel 2 enthält In- formationen über zwei Musikstücke. Die gesamte Mediathek enthält 714 Musik- stücke. Beispiel 3 enthält Informationen über eine Wiedergabeliste (engl. playlist). Die gesamte Playlist- Mediathek enthält 45 Wiedergabelisten.

1 1 7.4.3 1 file://localhost/C:/Users/brueggem/Music/iTunes/iTunes%20Music/ older> 7ECC146FD9B46861 464 Titel 01 type=”aac”>AAC-Audiodatei 8244635 508733 1 10 2007-08-17T18:33:58Z 2007-08-17T18:33:04Z 128 44100 7 3270873449 2007-08-25T06:57:29Z 3084 7ECC146FD9B469EF

15

File file://localhost/C:/Users/brueggem/Music/iTunes/iTunes%20Music/ Unbekannter%20Interpret/Unbekanntes%20Album/01%20Titel%2001.m4a ocation> 4 1 1031 Violin Concerto In E Minor, Op. 64: I. Allegro Molto Appassionato Fritz Kreisler Felix Mendelssohn Mendelssohn And Brahms Concerti Classical type=”aac”>AAC-Audiodatei 11795355 727920 1 6 1935 2007-10-12T23:25:51Z 2007-10-12T23:24:41Z 128 44100 8848 1E5B6CC3960FDC4D File file://localhost/C:/Users/brueggem/Music/iTunes/iTunes%20Music/ Fritz%20Kreisler/Mendelssohn%20And%20Brahms%20Concerti/01%20Violin %20Concerto%20In%20E%20Minor,%20Op.%206.m4a 4 1 Beispiel 2: Auszug aus generierte Mediathek.xml