Есть ли способ обработки нескольких версий xsd с помощью xmlBeans?

Я знаю, что могу скомпилировать несколько файлов xsd в одну банку. Я пробовал использовать разные пространства имен, но это только на полпути к моей цели. Таким образом, я могу проанализировать правильную схему, но я хочу, чтобы она была прозрачна для моих пользователей, которые получат объект xmlBeans, который я проанализировал.

Им не нужно знать, какая версия xml-файла в настоящее время присутствует в системе. Для этого мне понадобится суперкласс для каждой версии xsd.

Можно ли это сделать с помощью xmlBeans?

16.12.2013

Ответы:

Насколько я понимаю, если у вас есть пространство имен com и пространство имен com.v1 и com.v2, и у вас есть элемент xsd с именем EmployeeV1 в com.v1 и EmployeeV2 в com.v2. Вы хотите создать суперкласс с именем Employee в пространстве имен com, который вы хотите вернуть вызывающему абоненту?

Как вы думаете, могут ли EmployeeV1 и EmployeeV2 расширяться от Employee в вашем xsd? Тогда, возможно, когда вы сгенерируете, вы получите иерархию классов, которая представляет ваш xsd.

Если это не сработает (я не использовал xmlbeans уже много лет), вам, возможно, придется создать свой собственный объект домена и заставить ваших вызывающих абонентов использовать его. Это может стоить усилий, поскольку мне кажется, что вы обрабатываете синтаксический анализ XML, на который полагаются другие люди, вы можете абстрагировать всех других пользователей от структуры XML (которая находится в постоянном движении), имея промежуточный объект домена .

19.03.2014

Новые материалы

Объяснение документов 02: BERT

BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter

Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js

Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!

Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Startup Data Visualization Neural Networks Tutorial Statistics Productivity Reactjs Learning