Discussion :

[Motin]

Bonjour,

Admettons que j'ai un flux XML avec des caractères spéciaux:

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
<aaa&>val a</aaa&>
<bbb>val b      &</bbb>

Je voudrais remplacer le & dans toutes les valeurs de noeud mais dans aucune balise.

Actuellement j'ai essayé ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
String text = "&<balise & aa><a attr=\"3\">   &dfff&dfgdfg  &</a &></balise>aaa&aaa <ba&lise2>blabla2</ba&lise2>";
 
String startWord = "[^(<[a-zA-Z0-9]*\\s)]";
		String endWord = "[^(\\s[a-zA-Z0-9]*>)]";
		String regex = "(?="+startWord+"|^)(\\&)(?="+endWord+"|$)";
		String formattedText = text.replaceAll(regex, "[ET]");
		System.out.println("Regex : " + regex);
		System.out.println(" > " + formattedText);

Après transformation, ma console m'affiche ce résultat:

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

> [ET]<balise & aa><a attr="3">   [ET]dfff[ET]dfgdfg  [ET]</a &></balise>aaa[ET]aaa <ba[ET]lise2>blabla2</ba[ET]lise2>

<ba[ET]lise2> --> c'est pas bon

J'ai beau me creuser la tête, je n'arrive désesperément pas à trouver la bonne expression pour mon besoin.. Est ce que l'un d'entre vous aurait une idée?

Merci.
Motin

[atha2]

Bonsoir,

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
String contenuDuFichierXML =...
StringBuilder resultat = new StringBuilder();
boolean estDansUneBalise = false;
for(char c : contenuDuFichierXML.toCharArray()){
    if(c == '<')estDansUneBalise = true;
    if(c == '>')estDansUneBalise = false;
    if(!estDansUneBalise && c == '&'){
        resultat.append("[ET]");
    }
    else{
        resultat.append(c);
    }
}

devrait marcher.
Les expressions régulières c'est bien mais parfois c'est plus simple de le faire à la main...
Sinon tu peut aussi utiliser un parseur xml et faire ton replaAll sur le (get/set)Text.

[thelvin]

Mise à part l'utilisation arbitraire de chevrons formant un genre de format à balises, tout ceci n'a rien à voir avec du XML.

En XML:
- Pas d'espace ou de & dans les noms de balise.
- À moins d'être dans une balise <![CDATA[ ]]>, le & doit faire une entité (genre &nbsp; ou & #x20; ou ce genre de choses,) c'est la règle.

[Motin]

Bonjour,

Merci pour vos réponses.
En fait, j'ai donné un mauvais exemple, le problème c'est que notre projet reçoit un flux XML qui ne peut pas être parsé si les valeurs de noeuds possèdent des caractères spéciaux.
Du coup, le but du jeu est de trouver une solution général pour remplacer les caractères tels que &, ", <, >, ' par leurs représentations HTML dans les valeurs de noeuds. avant de l'envoyer à notre parseur.
Effectivement, les balises ne comportent pas de &, mais elles possèdent forcément des < et >.

D'où l'intêret de retrouver les éléments hors des balises.

La première solution fonctionne dans le cas des &, mais si je veux transformer les < et > hors balises, ça ne fonctionnera pas.

[thelvin]

Comment diable croyais-tu pouvoir faire la différence entre un < qui commence une balise et un < qui fait partie du contenu d'une balise ?

Tous ces trucs-là sont bien entendu du XML mal formé et en principe il faut le rejeter et dire à l'envoyeur de faire du XML bien formé à la place.
Mais bon, je peux comprendre qu'on puisse pas toujours discuter.
Par contre, la question reste : je vois pas bien comment faire la différence entre un < qui fait partie du contenu et un < qui commence une balise.

(À noter que le > ne devrait poser problème à aucun parseur, c'est tout à fait bien formé.)

[Rei Ichido]

À la limite, si on connait d'avance toutes les balises possibles, on peut faire une recherche sur les "<" qui ne commencent pas une chaine de type "<baliseConnue".