XML 號稱是「Web 上的 SGML」,幾乎每一個 XML 專案,最終都要在網路上找到歸宿。本專欄稍早談過普林斯頓大學的 WordNet 2.0,示範了如何把這個英語詞彙與詞法關係資料庫導出成 XML 序列。這一篇要往前多走一步:怎麼把這些 WordNet/XML 文件透過 HTTP 對外發布,又該如何讓 XSLT 在用戶端把它變成瀏覽器看得懂的畫面。
下面的示範用 Python 搭配 XSLT,但概念並不綁死在任何語言上,Java、C#、Ruby 都能做同樣的事。Python 寫 Web 應用的路徑很多,從標準庫裡樸素的 BaseHTTPServer,到 Zope 這類龐大的第三方平台,中間還散布著一堆框架。我最偏愛、也最順手的是 CherryPy:夠簡單,又貼合 Python 語言本身的個性。
清單 1 就是一個用 CherryPy 寫成的小伺服器,依據一組非常樸素的 URL 規則,把單字資訊送出來。
import cherrypy
from picket import Picket, PicketFilter
from wnXMLlib import *
class root:
_cpFilterList = [ PicketFilter(defaultStylesheet="viewWord.xslt") ]
class Wordform_handler:
def __init__(self, applyxslt=False):
self.applyxslt = applyxslt
return
@cherrypy.expose
def default(self, Word):
synsets = serialized_synsets_for_word(Word)
result = ''.join(synsets) # 把序列化片段拼成一份完整文件
# 用字串拼接把片段包成結構完整的 XML 文件
wordXML = '<Word-senses text="' + Word + '">' + result + '</Word-senses>'
if self.applyxslt:
picket = Picket()
picket.document = wordXML
return picket # 套用 XSLT 後回傳結果
return wordXML
class pointer_handler:
@cherrypy.expose
def default(self, pos, target):
synset = getSynset(pos, int(target))
synsetXML = serialize_synset(synset)
picket = Picket()
picket.document = synsetXML
return picket # 套用 XSLT 後回傳結果
cherrypy.root = root()
cherrypy.root.view = Wordform_handler(applyxslt=True)
cherrypy.root.raw = Wordform_handler()
cherrypy.root.pointer = pointer_handler()
# 不要在 HTTP 回應裡摻入除錯訊息
cherrypy.config.update({'logDebugInfoFilter.on': False})
cherrypy.server.start()
程式碼很短,但做了不少事。首先要有 Python 2.4 以上版本,因為用到了該版本才引入的裝飾器(decorator)語法。另外需要幾個元件:
import cherrypy):最低 2.1 版,當時仍是 beta。from picket import Picket, PicketFilter):一個極簡的工具,把「在 CherryPy 裡呼叫 XSLT」這件事包成乾淨的 API,最低 0.5 版。wnxmlib.py 引入):核心 XML 庫,最低 1.0b1 版。wnxmlib.py 引入):WordNet 處理庫,最低 2.0.1 版。其中 wnxmlib.py 基本上就是上一期文章裡的程式碼,只是收攏成單一檔案,並為了配合 4Suite 較新的 API 做了一些小調整。其餘的程式與素材都在本文的「下載」一併提供。
wnserver.py 裡有三個類別,各自負責站點 URL 空間的一段,最後由檔案結尾的那幾行把處理器掛上去。root 幾乎是個空類別,只是站點根路徑(測試機器上大概是 https://localhost:8080/)的佔位符,真正的動作都發生在更具體的位址上:
https://localhost:8080/view/... 由 Wordform_handler 的實例處理,會把 WordNet 的 XML 結果套上 XSLT,給一般瀏覽器閱讀。https://localhost:8080/raw/... 同樣由 Wordform_handler 處理,但直接回傳原始 XML,給能消化 XML 的程式使用。https://localhost:8080/pointer/... 由 pointer_handler 的實例處理,用來解析「某個含義指向另一個含義」的連結——也就是上一期 WordNet 文章結尾提到的指標關係,同樣會經過 XSLT 轉成瀏覽器可讀的 HTML。根類別掛了一個篩選器(filter),這是 CherryPy 的機制,用來在資料進入 HTTP 請求、以及回應離開伺服器時插入自定的動作。這裡用的是 PicketFilter,需要時就順手把輸出做一輪 XSLT 轉換。依照 CherryPy 的設計,根處理器上的篩選器對整條 cherrypy.root 底下掛載的其他處理器都有效。
Wordform_handler 的建構式只記下一件事:這個實例要不要套用 XSLT。標了 @cherrypy.expose 的 default 方法才是真正的處理函式,它從 URL 取得要查的單字,呼叫 wnxmlib.serialized_synsets_for_word 拿到一批 XML 片段,再用字串串接組裝成結構完整的文件。
這裡要多說一句:用字串拼接硬組 XML 一般來說是危險的寫法。我敢這麼做,是因為我很清楚 WordNet 2.0 的資料長什麼樣子,也掌握序列化的每一個細節。若您對資料沒有同樣的把握,請不要用這種捷徑,改用正式的 XML 輸出工具,例如 4Suite 的 MarkupWriter。
一旦 Wordform_handler 被設定為要套用 XSLT,它就會產生一個 Picket 物件;先前掛上的篩選器會攔下它,完成轉換。來源文件是以 WordNet 同義詞集(synset)為基礎組出來的 XML,清單 2 負責把它變成 HTML。
<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet version="1.0"
xmlns:xsl="https://www.w3.org/1999/XSL/Transform">
<xsl:output method="html"/>
<xsl:template match="/">
<html>
<head>
<title><xsl:value-of select="Word-senses/@text"/></title>
</head>
<body bgcolor="#ffffff">
<h1><xsl:value-of select="Word-senses/@text"/></h1>
<xsl:apply-templates/>
</body>
</html>
</xsl:template>
<xsl:template match="noun">
<p>
[<xsl:apply-templates select="Word-form"/>]
<em>n. </em><xsl:apply-templates select="gloss"/>
<div> ‡ <xsl:apply-templates mode="synset-body"/></div>
</p>
</xsl:template>
<xsl:template match="verb">
<p>
[<xsl:apply-templates select="Word-form"/>]
<em>v. </em><xsl:apply-templates select="gloss"/>
<div> ‡ <xsl:apply-templates mode="synset-body"/></div>
</p>
</xsl:template>
<xsl:template match="adjective">
<p>
[<xsl:apply-templates select="Word-form"/>]
<em>adj. </em><xsl:apply-templates select="gloss"/>
<div> ‡ <xsl:apply-templates mode="synset-body"/></div>
</p>
</xsl:template>
<xsl:template match="adverb">
<p>
[<xsl:apply-templates select="Word-form"/>]
<em>adv. </em><xsl:apply-templates select="gloss"/>
<div> ‡ <xsl:apply-templates mode="synset-body"/></div>
</p>
</xsl:template>
<xsl:template match="Word-form">
<!-- 為這個詞形建一個連結 -->
<a href="/view/{.}"><xsl:apply-templates/></a>
<xsl:if test="not(position() = last())">, </xsl:if>
</xsl:template>
<xsl:template match="gloss">
<xsl:apply-templates/>
</xsl:template>
<xsl:template match="*" mode="synset-body">
<xsl:if test="@target">
<!-- 有 target 就是一個指標,同樣做成連結 -->
<a href="/pointer/{@part-of-speech}/{@target}">
<xsl:value-of select="name()"/></a>
</xsl:if>
</xsl:template>
</xsl:stylesheet>
這份樣式表會取出單字的每一個含義,列出簡短的定義(gloss),並依 WordNet 裡的指標,把相關含義做成可點擊的連結。啟動清單 1 的伺服器,用瀏覽器拜訪 https://localhost:8080/view/code,就會看到類似下圖的結果(截圖用的是當時的 Mozilla Firefox)。
圖 1. 查詢單字「code」時的瀏覽器畫面
點下去之後進入的是一個指標,指向的是同義詞集,而不是單一單字。這裡採用了一種比較省事的呈現方式:用方括號把同義詞集裡的所有詞形列出來,後面接上註解與通往其他同義詞集的連結。清單 2 的樣式表既能呈現完整的詞形資訊,也能呈現單一同義詞集的內容;伺服器端負責指標 URL 的,就是清單 1 裡的 pointer_handler.default。它從 URL 取兩個值,例如 https://localhost:8080/pointer/noun/5955443 就相當於呼叫 pointer_handler.default 並傳入 noun 與 WordNet 偏移量 5955443。值得留意的是,每條註解前面出現的詞形都被渲染成連結,也就是說,光靠點擊英文單字之間的關聯,就能在整個 WordNet 資料庫裡漫遊。
這個 WordNet 伺服器也開放 https://localhost:8080/raw/... 形式的路徑,直接取回單字的原始 XML。我始終認為,對一個 XML 應用來說,把 XML 本身暴露在網路上,和準備好一份能在瀏覽器裡看的 HTML 同樣重要——這樣別人(包括未來的您)要延伸功能時,可以直接處理 XML,而不必回頭從畫面上的 HTML 裡硬刮資料。
清單 3 就是一個示範:它向伺服器索取原始 XML,然後加工。這份樣式表接受一份單字清單,輸出同樣的清單,但為每個單字補上第一條定義。
<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet version="1.0"
xmlns:xsl="https://www.w3.org/1999/XSL/Transform">
<xsl:template match="Word-list">
<xsl:copy><xsl:apply-templates/></xsl:copy>
</xsl:template>
<xsl:template match="Word">
<!-- 要查的詞形就是元素內容 -->
<xsl:variable name="wordform" select="."/>
<!-- 用詞形組出查詢 URL -->
<xsl:variable name="wordnet-url"
select="concat('https://localhost:8080/raw/', $wordform)"/>
<!-- 呼叫 WordNet 伺服器,取回一份 XML 文件 -->
<xsl:variable name="wordnet-info" select="document($wordnet-url)"/>
<!-- 只取第一條 gloss -->
<xsl:variable name="gloss" select="$wordnet-info//gloss[1]"/>
<xsl:copy>
<form><xsl:value-of select="."/></form>
<sample-gloss><xsl:value-of select="$gloss"/></sample-gloss>
</xsl:copy>
</xsl:template>
</xsl:stylesheet>
拿這份樣式表去轉換清單 4 的測試文件,就會得到清單 5 的結果。
<Word-list>
<Word>animal</Word>
<Word>vegetable</Word>
<Word>mineral</Word>
</Word-list>
<?xml version="1.0" encoding="UTF-8"?>
<Word-list>
<Word><form>animal</form><sample-gloss>a living organism characterized
by voluntary movement</sample-gloss></Word>
<Word><form>vegetable</form><sample-gloss>edible seeds or roots or
stems or leaves or bulbs or tubers or nonsweet fruits of any of
numerous herbaceous plant</sample-gloss></Word>
<Word><form>mineral</form><sample-gloss>solid homogeneous inorganic
substances occurring in nature having a definite chemical
composition</sample-gloss></Word>
</Word-list>
為了排版方便,清單 5 裡加了幾個換行與空格。那些 sample-gloss 的內容,全部來自對 WordNet 伺服器的即時查詢——又一個說明「WordNet 加上 XML」為何強大的例子。
把 WordNet 以 XML 形式放上網路之後,接下來可以玩的花樣還很多。後續的文章我會繼續往下談,主題包括把 WordNet 進一步以 RDF 資料庫的形式發布,用來改善搜尋的品質。也歡迎把您的想法投到 Thinking XML 討論區。