Université Claude Bernard Lyon 1- Master CCI - janvier / février 2006

Projet XML

Introduction

Dans ce projet, vous allez réaliser un petit moteur d'indexation et de recherche, capable de trouver toutes les occurrences d'un terme dans un document XML bien formé. Pour cela, vous réaliserez deux programmes : un moteur d'indexation (ou indexeur), qui parcourt des documents et stocke tous les mots trouvés dans un fichier d'index, ainsi qu'un moteur de recherche, qui parcourt le fichier d'index à la recherche des termes correspondant à la requête utilisateur.

Exemple

Fichier XML à indexer :

<?xml version="1.0" encoding="ISO-8859-1"?>
<carnet>
 <entree>
 <nom>Dupond</nom>
 <adresse>123, rue de la moustache, Lyon</adresse>
 </entree>
 <entree>
 <nom>Dupont</nom>
 <adresse>124, rue de la moustache, Lyon</adresse>
 </entree>
</carnet>

Après indexation de ce fichier, la recherche du terme "Lyon" produit :

Travail demandé

Applications 

Il vous est tout d'abord demandé de concevoir deux applications JAVA distinctes :

• un indexeur, qui
  • ouvre et lit un fichier XML dont le nom est passé en paramètre
  • analyse chacun des termes du fichier (les termes sont des séquences de caractères terminées par un "séparateur" : espace, virgule, point...)
  • enregistre tous ces termes (ainsi que les arborescences XML permettant de retrouver les éléments qui contiennent chaque occurrence) de façon ordonnée (aide : utilisez la classe java.util.TreeMap) dans un fichier d'index au format XML,
• un moteur de recherche, qui
  • reçoit un terme requête en paramètre,
  • lit le fichier d'index pour y rechercher les différences occurrences de ce terme,
  • lit le fichier XML contenant les termes à rechercher et trouve les éléments correspondant à ces occurrences,
  • compose un document XML indiquant, pour chaque occurrence, les noms de chaque élément de l'arborescence et tout le contenu de l'élément contenant le terme recherché.

Remarque : pour chacune de ces applications, et pour chaque sous-tâche particulière de vos algorithmes, vous êtes libres d'utiliser l'API de programmation XML présentée en cours (DOM ou SAX) qui vous semble la plus pertinente. Vous justifierez ensuite ces choix dans votre rapport, en termes de facilité de programmation, rapidité de traitement, évolutivité pour les "raffinements" présentés ci-dessous...

Raffinements

Dans un deuxième temps, vous pourrez ensuite apporter à vos programmes l'une, l'autre ou les deux modifications suivantes :

• indexation et recherche dans un corpus de documents XML
  • redéfinition de la structure du fichier d'index pour lui permettre de stocker le chemin et le nom de plusieurs fichiers XML,
  • (ré)initialisation d'un fichier d'index vide par l'indexeur,
  • ajout / suppression d'un fichier XML dans le fichier d'index par l'indexeur,
  • ouverture de plusieurs fichiers XML en fonction des données lues dans le fichier d'index par le moteur de recherche ;
  • possibilité d'indexer et de rechercher dans un fichier XML distant, identifié par une URL (aide : utilisez la classe org.xml.sax.InputSource).
• programmation côté serveur
  • transformation de ces applications en classes simples que vous appellerez depuis des servlets ou JSP,
  • réalisation sous forme de pages XHTML ou XML/XSLT de l'interface d'indexation, d'interrogation et de réponse des programmes,
  • mise en ligne sur un serveur Tomcat.

Remarque : quelques conseils d'implémentation vous sont proposés pour cette étape.

Modalités

Vous travaillerez par groupes de 2 binômes, chacun réalisant l'un des deux programmes. Pour que le second binôme puisse commencer à travailler avant que le premier ait fini, il est important que vous vous mettiez d'accord sur la structure (DTD) du fichier d'index, et que vous réalisiez un exemple de ce fichier (à la main), conforme à cette structure.

Ce projet est à envoyer par mail à Lionel Médini pour le lundi 6 février. Pour cette date, vous devrez envoyer un fichier zippé contenant :

• le code source de vos deux programmes,
• la DTD de votre fichier d'index,
• l'exemple de fichier d'index sur lequel vous avez travaillé,
• un rapport de projet de 15 pages maximum.

Remarques :

• l'orthographe, la grammaire et la présentation du rapport de projet feront partie de la note finale,
• n'oubliez pas de mettre dans le rapport et dans le mail les noms de tous étudiants du groupe, en spécifiant qui a fait quel programme,
• si vous avez réalisé une version "raffinée" de vos programmes, insérez les deux versions de votre code dans le fichier zip, en leur donnant des noms explicites, et si possible dans des sous-répertoires distincts.