XML::Twig pasre att -> valeur

**liphou** · 15/05/2012, 11h33

Bonjour,

Je voudrais récupéré des élément d'un fichier XML base sur une valeur d'attribut ex: "<w:footnote w:id="1">" avec XML::Twig, j'ai traduis la doc et je ne suis pas parvenu à tous comprandre!

je suppose que je dois parser le document avec (att -> 'w:id"$valeur"');

Mon but, est de récupéré les notes que j'ai besoin au fur et à mesure du traitement pour ne pas utilisé de la mémoire (je peux avoir de quelques notes jusqu'à 4000 notes!).

Merci d'avance pour un début de piste ou d'exemple à voir.

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
<w:footnote w:id="1">
	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
		<w:r>
			<w:rPr>
				<w:rStyle w:val="Caractresdenotedebasdepage"/>
			</w:rPr>
			<w:footnoteRef/>
		</w:r>
		<w:r>
			<w:tab/>
			<w:t>Test</w:t>
		</w:r>
	</w:p>
</w:footnote>
<w:footnote w:id="2">
	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
		<w:r>
			<w:rPr>
				<w:rStyle w:val="Caractresdenotedebasdepage"/>
			</w:rPr>
			<w:footnoteRef/>
		</w:r>
		<w:r>
			<w:tab/>
			<w:t>Test</w:t>
		</w:r>
	</w:p>
</w:footnote>
<w:footnote w:id="3">
	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
		<w:r>
			<w:rPr>
				<w:rStyle w:val="Caractresdenotedebasdepage"/>
			</w:rPr>
			<w:footnoteRef/>
		</w:r>
		<w:r>
			<w:tab/>
			<w:t>Test</w:t>
		</w:r>
	</w:p>
</w:footnote>

**djibril** · 15/05/2012, 21h46

Peux-tu nous montrer ton code et je t'aiderai.
Tu peux utiliser les twig_handler du module pour faire du chunk by chunk pour éviter de charger tout en mémoire.

**liphou** · 16/05/2012, 10h32

Bonjour et merci de m'avoir indiqué là où je devais chercher,

Voici mon code, je parvient à atteindre l'attribue "1", si je veux seulement deuxième j'ai un problème, j'ai aussi toujours un message d'erreur :
"junk after document element at line 15, column 0, byte 264 at /usr/local/ActivePerl-5.14/lib/XML/Parser.pm line 187 at Test05_OKFinal.pl line 11"

Ps: désolé mais ce n'est pas un manque de respect si le texte n'est pas toujours bien écrit ou correctement orthographier, je suis dyslexique, j'utilise les correcteur mais ce n'est pas toujours génial, et pour traduire l'anglais, j'utilise Google. (c'est pas gagné)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
#!/usr/bin/perl -w
use strict;
use warnings;
use XML::Twig;
 
my $laNotesApple = "1"; 
 
my $t = XML::Twig->new( twig_handlers => { 'w:footnote[@w:id="'. $laNotesApple .'"]' => \&laNotes } );
$t -> parse( \*DATA);
#----------------------------
# Funstion
sub laNotes {
    my ($twig, $element) = @_;
        print $element->text() . " Philou";
        $twig->purge;
}
 
__DATA__
<w:footnote w:id="1">
	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
		<w:r>
			<w:rPr>
				<w:rStyle w:val="Caractresdenotedebasdepage"/>
			</w:rPr>
			<w:footnoteRef/>
		</w:r>
		<w:r>
			<w:tab/>
			<w:t>Test Notes 01</w:t>
		</w:r>
	</w:p>
</w:footnote>
<w:footnote w:id="2">
	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
		<w:r>
			<w:rPr>
				<w:rStyle w:val="Caractresdenotedebasdepage"/>
			</w:rPr>
			<w:footnoteRef/>
		</w:r>
		<w:r>
			<w:tab/>
			<w:t>Test Notes 02</w:t>
		</w:r>
	</w:p>
</w:footnote>
<w:footnote w:id="3">
	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
		<w:r>
			<w:rPr>
				<w:rStyle w:val="Caractresdenotedebasdepage"/>
			</w:rPr>
			<w:footnoteRef/>
		</w:r>
		<w:r>
			<w:tab/>
			<w:t>Test Notes 03</w:t>
		</w:r>
	</w:p>
</w:footnote>

**djibril** · 16/05/2012, 12h15

Votre fichier XML n'était pas valide. Il faut une entête et une balise mère.

Voici le code refait pour vous

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
#!/usr/bin/perl
use Carp;
use strict;
use warnings;
use XML::Twig;
 
my $t = XML::Twig->new( 
  twig_handlers => { 
    'w:footnote' => \&laNotes, 
  } 
);
$t->parsefile('test.xml');
 
#----------------------------
# Funstion
sub laNotes {
    my ($twig, $twig_element) = @_;
 
    my $note = $twig_element->att('w:id');
    print "Note : $note\n";
}

Et le fichier test.xml

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
<?xml version="1.0" encoding="utf-8"?>
<BALISEMERE>
  <w:footnote w:id="1">
  	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
  		<w:r>
  			<w:rPr>
  				<w:rStyle w:val="Caractresdenotedebasdepage"/>
  			</w:rPr>
  			<w:footnoteRef/>
  		</w:r>
  		<w:r>
  			<w:tab/>
  			<w:t>Test Notes 01</w:t>
  		</w:r>
  	</w:p>
  </w:footnote>
  <w:footnote w:id="2">
  	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
  		<w:r>
  			<w:rPr>
  				<w:rStyle w:val="Caractresdenotedebasdepage"/>
  			</w:rPr>
  			<w:footnoteRef/>
  		</w:r>
  		<w:r>
  			<w:tab/>
  			<w:t>Test Notes 02</w:t>
  		</w:r>
  	</w:p>
  </w:footnote>
  <w:footnote w:id="3">
  	<w:p w:rsidR="00E076E2" w:rsidRDefault="00E076E2">
  		<w:r>
  			<w:rPr>
  				<w:rStyle w:val="Caractresdenotedebasdepage"/>
  			</w:rPr>
  			<w:footnoteRef/>
  		</w:r>
  		<w:r>
  			<w:tab/>
  			<w:t>Test Notes 03</w:t>
  		</w:r>
  	</w:p>
  </w:footnote>
</BALISEMERE>

Résultat :

Note : 1
Note : 2
Note : 3

**liphou** · 16/05/2012, 13h05

Merci djibril,

Votre solution fonctionne, petit question, il fait donc appel autant de fois à la fonction qu'il y a de notes trouvé.

Dans mon cas je converti un docx en fichier texte référencer pour Indesign, je traite le texte et quand j'arrive à la première note, deux solution:

— je traite toutes les notes que je stock en mémoire dans un tableau de hachage ou dans un autre fichier temporaire;

— je recherche chaque note et la traite quand j'en ai besoin.

Un fichier temporaire ne me semble pas la meilleur solution en sachant que je pare déjà d'un fichier (footnotes.xml), le tableau de hachage est déjà un peux mieux mais quand je dois géré 4080 notes avec assez bien de textes j'ai peur pour la mémoire.

Donc ma commande fonction avec le fichier XML corrigé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

twig_handlers => { 'w:footnote[@w:id="'. $laNotesApple .'"]'

(Merci), elle me semblai plus adéquate mais là aussi il va y avoir des accès disque important!!! non?

Si ma réflexion est bonne, quel est là meilleur solution, je cherche à être le plus économe possible!

**djibril** · 16/05/2012, 13h29

Va falloir être un peu clair et donner des exemples car je ne comprends pas ce que vous faites.

La méthode twighandler permet juste de ne pas mettre en mémoire tous le fichier XML, juste les sections.

Maintenant, vous me parlez de fichiers temporaires, texte, docx... On s'y perd un peu.

**liphou** · 16/05/2012, 14h34

je vais essayer d'être le plus clair possible

je fais une conversion de docx vers du textes référence Indesign pour un nettoyage et une mise en page semi-automatique .

un docx est composé de plusieur fichiers xml (document.xml, fontTable.xml, styles.xml, etc.) et aussi d'un fichier footnotes.xml, si le fichier document.xml contiens des notes.

Je traite le fichier de base (document.xml) pour récupéré le texte et les info de mise en page que je convertie pour être compris par indesign avec nos exigences de mise en page mais je dois joindre toutes les notes qui ce trouve dans l'autre fichier.

voici un extrait d'un fichier document.xml :

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
 
<w:p w:rsidR="00AB0AD9" w:rsidRDefault="00AB0AD9" w:rsidP="00295A3E">
            <w:pPr>
                <w:pStyle w:val="Paragrafoelenco"/>
                <w:tabs>
                    <w:tab w:val="left" w:pos="0"/>
                </w:tabs>
                <w:spacing w:before="120" w:after="120"/>
                <w:ind w:left="357"/>
                <w:contextualSpacing w:val="0"/>
                <w:jc w:val="both"/>
                <w:rPr>
                    <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman"/>
                    <w:sz w:val="24"/>
                    <w:szCs w:val="24"/>
                </w:rPr>
            </w:pPr>
            <w:r>
                <w:rPr>
                    <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman"/>
                    <w:sz w:val="24"/>
                    <w:szCs w:val="24"/>
                </w:rPr>
                <w:t>Si l’on s’en tient à l’Europe, certaines affaires récentes montrent l’enjeu du débat. Dans le cartel des installations sanitaires pour salles de bains, dix-sept fabricants ont mis en œuvre une entente portant sur la fixation des tarifs des baignoires, des éviers, de la robinetterie et d’autres installations pour salles de bain pendant douze ans dans six pays de l’Union européenne comptant une population totale de 240 millions d’habitants. L’entente a lésé à la fois des entreprises, notamment dans le bâtiment et la plomberie, et des consommateurs finaux</w:t>
            </w:r>
            <w:r>
                <w:rPr>
                    <w:rStyle w:val="FootnoteReference"/>
                    <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman"/>
                    <w:sz w:val="24"/>
                    <w:szCs w:val="24"/>
                </w:rPr>
                <w:footnoteReference w:id="1"/>
            </w:r>
            <w:r>
                <w:rPr>
                    <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman"/>
                    <w:sz w:val="24"/>
                    <w:szCs w:val="24"/>
                </w:rPr>
                <w:t>. Le cartel entre des producteurs de phosphates destinés à l’alimentation animale qui a duré plus de trente ans et couvert une grande partie du territoire européen a causé des préjudices aux entreprises qui utilisent ces composants</w:t>
            </w:r>
            <w:r>
                <w:rPr>
                    <w:rStyle w:val="FootnoteReference"/>
                    <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman"/>
                    <w:sz w:val="24"/>
                    <w:szCs w:val="24"/>
                </w:rPr>
                <w:footnoteReference w:id="2"/>
            </w:r>
            <w:r>
                <w:rPr>
                    <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman"/>
                    <w:sz w:val="24"/>
                    <w:szCs w:val="24"/>
                </w:rPr>
                <w:t>, aux distributeurs des produits alimentaires destinés aux animaux et aux consommateurs finaux</w:t>
            </w:r>
            <w:r>
                <w:rPr>
                    <w:rStyle w:val="FootnoteReference"/>
                    <w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman"/>
                    <w:sz w:val="24"/>
                    <w:szCs w:val="24"/>
                </w:rPr>
                <w:footnoteReference w:id="3"/>
            </w:r>

voici un exemple de contenu d'un footnotes.xml :

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
<w:footnote w:id="1">
        <w:p w:rsidR="00AB0AD9" w:rsidRDefault="00AB0AD9">
            <w:pPr>
                <w:pStyle w:val="FootnoteText"/>
                <w:ind w:left="284"/>
            </w:pPr>
            <w:r w:rsidRPr="00C91B70">
                <w:rPr>
                    <w:rStyle w:val="FootnoteReference"/>
                </w:rPr>
                <w:footnoteRef/>
            </w:r>
            <w:r w:rsidRPr="00C91B70">
                <w:t xml:space="preserve"> Communiqué de presse de la Commission européenne du 23 juin 2010, IP/10/790.</w:t>
            </w:r>
        </w:p>
    </w:footnote>
    <w:footnote w:id="2">
        <w:p w:rsidR="00AB0AD9" w:rsidRDefault="00AB0AD9">
            <w:pPr>
                <w:pStyle w:val="FootnoteText"/>
                <w:ind w:left="284"/>
            </w:pPr>
            <w:r w:rsidRPr="00C91B70">
                <w:rPr>
                    <w:rStyle w:val="FootnoteReference"/>
                </w:rPr>
                <w:footnoteRef/>
            </w:r>
            <w:r w:rsidRPr="00C91B70">
                <w:t xml:space="preserve"> Les phosphates destinés à l’alimentation animale sont des composés chimiques qui entrent dans la composition des aliments pour animaux, tels que bovins, porcins, volailles, poissons et animaux de compagnie.</w:t>
            </w:r>
        </w:p>
    </w:footnote>

et un exemple de texte référencé d'indesign :

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
 
<ASCII-MAC>
<Version:7.5><FeatureSet:InDesign-Roman><ColorTable:=<Black:COLOR:CMYK:Process:0,0,0,1>>
<DefineCharStyle:italic=<Nextstyle:italic><cTypeface:Medium Italic>>
<DefineCharStyle:gras=<Nextstyle:gras><cTypeface:Bold>>
<DefineCharStyle:petit capitales=<Nextstyle:petit capitales><cCase:Small Caps>>
<DefineParaStyle:NormalParagraphStyle=<Nextstyle:NormalParagraphStyle><cTypeface:Medium><cSize:9.000000><cAutoPairKern:Optical><pFirstLineIndent:14.173228><cLeading:12.000000><pMinCharBeforeHyphen:4><pMinCharAfterHyphen:4><pShortestWordHyphenated:7><pSpaceBefore:4.000000><cFont:ITC Stone Sans Std><pDesiredWordSpace:1.100000><pMaxWordSpace:1.300000><pMinWordSpace:0.900000><pKeepLines:1><pTextAlignment:JustifyLeft><pDropCapDetail:><bnColor:None><numFont:\<TextFont\>>>
<ParaStyle:NormalParagraphStyle><cLanguage:nl\_NL\_2005>Philou001 mon <cLanguage:><CharStyle:italic><cLanguage:nl\_NL\_2005>I<cLanguage:><cLanguage:nl\_NL\_2005>talique<cLanguage:><CharStyle:><cLanguage:nl\_NL\_2005> Philou002 Philou003<cLanguage:><cLanguage:nl\_NL\_2005><cPosition:Superscript><FootnoteStart:><ParaStyle:NormalParagraphStyle>Texte de la note 1.<FootnoteEnd:><cLanguage:><cPosition:><cLanguage:nl\_NL\_2005> Philou004<cLanguage:>
<ParaStyle:NormalParagraphStyle><cLanguage:nl\_NL\_2005>FAUX PETITE CAP<cLanguage:>
<ParaStyle:NormalParagraphStyle><cLanguage:nl\_NL\_2005>Philou005 mon <cLanguage:><CharStyle:gras><cLanguage:nl\_NL\_2005>Bold<cLanguage:><CharStyle:><cLanguage:nl\_NL\_2005> Philou006 <cLanguage:><CharStyle:petit capitales><cLanguage:nl\_NL\_2005>Peti<cLanguage:><CharStyle:><cLanguage:nl\_NL\_2005>tC<cLanguage:><CharStyle:petit capitales><cLanguage:nl\_NL\_2005>apitale007<cLanguage:><CharStyle:><cCase:Small Caps><cLanguage:nl\_NL\_2005><cPosition:Superscript><FootnoteStart:><ParaStyle:NormalParagraphStyle>Texte de la note 1.<FootnoteEnd:><cCase:><cLanguage:><cPosition:><CharStyle:petit capitales><cLanguage:nl\_NL\_2005> <cLanguage:><CharStyle:><cLanguage:nl\_NL\_2005>Philou008<cLanguage:>

Voilà, je ne sais pas si je suis claire???? les docx peuvent être très gros, avoir beaucoup de notes, elles-même très gros ... et tout ça n'est qu'une partie de mon projet final.

Merci

**djibril** · 16/05/2012, 14h41

le hash pourrait être une solution, mais en dehors des notes, il contiendra quoi d'autre ?

**liphou** · 16/05/2012, 14h51

Si le hash est la solution, il ne contiendra rien d'autre que les notes.
et à se moment là, mon fonctionnement se fera de la manière suivant :

Traitement du fichier document.xml et à la première note je traiterais toutes les notes que je stoke dans le hash, les notes suivante je n'aurai plus cas faire apple à mon hasch, alors!

Un raisonnement qui me semble le plus simple. Non?

**djibril** · 16/05/2012, 14h57

oui, c'est simple, rapide et ça devrait faire l'affaire.

**liphou** · 16/05/2012, 15h02

Merci Beaucoup,

Je ferai certainement encore apple au forum pour de nombreuses questions dans d'autre poste à l'avenir.

Un très grand merci de m'avoir éclairé et de votre patience.

XML::Twig pasre att -> valeur

Modules Perl

Discussions similaires

Partager

Partager