Discussion :

[calitom]

Bonjour,

J'ai fais un script pour parser un document xml en php avec la fonction simplexml_load_file...

Le script marche très bien, sauf que je dois parser de très gros fichiers de données, et là vu que simplexml_load_file charge tous le fichier en mémoire, ca fais boom !

Du coup on m'a conseillé d'utiliser xml_parser...

J'ai trouvé un exemple de code :

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
 
<?php
$file = "data.xml";
$depth = array();
 
function startElement($parser, $name, $attrs) 
{
    global $depth;
    for ($i = 0; $i < $depth[$parser]; $i++) {
        echo "  ";
    }
    echo "$name\n";
    $depth[$parser]++;
}
 
function endElement($parser, $name) 
{
    global $depth;
    $depth[$parser]--;
}
 
$xml_parser = xml_parser_create();
xml_set_element_handler($xml_parser, "startElement", "endElement");
if (!($fp = fopen($file, "r"))) {
    die("could not open XML input");
}
 
while ($data = fread($fp, 4096)) {
    if (!xml_parse($xml_parser, $data, feof($fp))) {
        die(sprintf("XML error: %s at line %d",
                    xml_error_string(xml_get_error_code($xml_parser)),
                    xml_get_current_line_number($xml_parser)));
    }
}
xml_parser_free($xml_parser);
?>

Mais je ne vois pas comment acceder aux noeuds xml de mon fichier...

Voici une partie de mon script d'origine :

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
 
$xml = simplexml_load_file($source);
 
  foreach($xml->record as $doc)
  {
 
	$cle = $doc->controlfield;
 
 
	if($cle['tag']=="001")
	{
	  ....
	}
 
	foreach($doc->datafield as $field)
	{
 
	  $repEtiq[$x]=$field['tag'];		 	  	
	  foreach($field->subfield as $subfield)
	  {
		  $zone.=$subfield['code'];
                  ....
	  }
	}
        ......
  }

Comment faire pour adapter mon script avec xml_parser ?

[calitom]

J'ai quasiment réussi...

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
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
 
// Ma propre fonction de traitement des balises ouvrantes
function fonctionBaliseOuvrante($parseur, $nomBalise, $tableauAttributs)
{
	// mémoriser le nom de la balise afin d'en tenir compte dans la fonction "fonctionTexte"
	global $derniereBaliseRencontree;
	global $dernierTableauAttributRencontre;
	global $s,$lgdon,$i,$j,$k,$z,$lg,$ln,$adr,$rep,$etiq,$don,$guide,$repEtiq,$repLg,$repDon,$notice,$tmp,$adrch,$champ,$x,$zone,$ok;
 
	$derniereBaliseRencontree = $nomBalise;
	$dernierTableauAttributRencontre = $tableauAttributs;
	switch ($nomBalise)
	{
		case "RECORD":
		$x=0;
		break;
 
		case "DATAFIELD":
		$repEtiq[$x]=$dernierTableauAttributRencontre['TAG'];
		if(!empty($dernierTableauAttributRencontre['IND1']))
			$zone=$dernierTableauAttributRencontre['IND1'];
		else
			$zone=" ";
		if(!empty($dernierTableauAttributRencontre['IND2']))
			$zone.=$dernierTableauAttributRencontre['IND2'];
		else
			$zone.=" ";
		break;
	}
}
 
// Ma propre fonction de traitement des balises fermantes
function fonctionBaliseFermante($parseur, $nomBalise)
{
	global $derniereBaliseRencontree;
	global $dernierTableauAttributRencontre;
	global $s,$lgdon,$i,$j,$k,$z,$lg,$ln,$adr,$rep,$etiq,$don,$guide,$repEtiq,$repLg,$repDon,$notice,$tmp,$adrch,$champ,$x,$zone,$ok;
	global $cible;
 
	switch ($nomBalise)
	{
		case "DATAFIELD":
		if (!empty($zone))
		{
			$champ=$zone . chr(30);
			$repLg[$x]=strlen($champ);
			$repDon.=convertir2($champ);
			$x+=1;
		}
		break;
 
		case "RECORD" :
		if ($ok==1)
		{
		  $adr=24 + (12 * $x) + 1;
		  $adrdon=sprintf("%05s",$adr);
		  $guide = "nam1 22".$adrdon." i 450 ";
		  $adr=0;
		  $lg=0;
		  $lgdon="";
		  $rep="";
		  for ($j=0; $j<$x; $j++)
		  {
			$adr = $adr + $lg;
			$adrdon = sprintf("%05s",$adr);
			$lg = $repLg[$j];
			$lgdon = sprintf("%04s",$lg);
			$rep .= $repEtiq[$j].$lgdon.$adrdon;
		  }
		  $rep.= chr(30);
		  $repDon.=chr(29);
		  $lg = 24 + strlen($rep) + strlen($repDon);
		  $lgdon = sprintf("%05s",$lg);
		  $guide = $lgdon.$guide;
		  $notice=$guide.$rep.$repDon;
		  // Ouverture du fichier
		  if (!$fcible = fopen($cible,"a"))
		  {
			echo("<p>Impossible de créer le fichier cible ! </p>");
			break;
		  }
		  fwrite($fcible,$notice);
		}
		break;
	}
 
	// On oublie la dernière balise rencontrée
	// et tout le reste
	$derniereBaliseRencontree = "";
	$dernierTableauAttributRencontre = "";
}
 
// Ma propre fonction de traitement du texte
// qui est appelée par le "parseur"
function fonctionTexte($parseur, $texte)
{
	global $derniereBaliseRencontree;
	global $dernierTableauAttributRencontre;
	global $s,$lgdon,$i,$j,$k,$z,$lg,$ln,$adr,$rep,$etiq,$don,$guide,$repEtiq,$repLg,$repDon,$notice,$tmp,$adrch,$champ,$x,$zone,$ok;
 
	switch ($derniereBaliseRencontree)
	{
		case "CONTROLFIELD":
		if($dernierTableauAttributRencontre['TAG']=='001')
		{
			$ok=1;
			$repEtiq[$x]='001';
			$champ=trim($texte).chr(30);
			$repLg[$x]=strlen($champ);
			$repDon=$champ;
			$x+=1;
		}
		break;
 
		case "SUBFIELD":
		$tmp=trim($texte);
		if(!empty($tmp))
		{
		  $zone.=dollar.$dernierTableauAttributRencontre['CODE'];
		  $zone.=trim($texte);	
		}
		break;
	}         
}
 
 
// Création du parseur XML
$parseurXML = xml_parser_create();
 
// Je précise le nom des fonctions à appeler
// lorsque des balises ouvrantes ou fermantes sont rencontrées
xml_set_element_handler($parseurXML, "fonctionBaliseOuvrante", "fonctionBaliseFermante");
 
// Je précise le nom de la fonction à appeler
// lorsque du texte est rencontré
xml_set_character_data_handler($parseurXML, "fonctionTexte");
 
// Ouverture du fichier
$fp = fopen($source, "r");
if (!$fp)
{
	echo("<p>Impossible d'ouvrir le fichier source! </p>");
	break;
}
 
// Lecture ligne par ligne
while ( $ligneXML = fgets($fp, 1024))
{
	xml_parse($parseurXML, $ligneXML, feof($fp)) or	die("Erreur XML");
}
 
xml_parser_free($parseurXML);
fclose($fp);

Mais il me reste un problème...
Lorsque je rencontre un accent dans le texte entre deux balises, la fonction fonctionTexte est appelée deux fois...

Par exemple :

<subfield>Voilà la solution</subfield>

La fonction va être appelée une première fois et me retourner : "Voil"
Et une deuxième fois pour me retourner : "à la solution"

Alors que je voudrais qu'elle ne soit appelée qu'un fois et me retourne directement : "Voilà la solution"

Je suis en php5, et apparemment ce problème n'arrive pas avec php4...

Une idée ?