parser un document xml/xhtml

**knebhi** · 09/09/2014, 18h55

Bonjour,

J'ai un fichier xhtml qui en gros ressemble a cela:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
<?xml version="1.0" encoding="utf-8"?>
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="fr">
<head>
...
</head>
<div class="text">
<p><span><span> paragraphe1 </span></span></p>
 
<p><span><span> paragraphe2 </span></span></p>
 
</div>

je souhaiterai transformer ce fichier pour obtenir cela en sortie:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
<P>
paragraphe1
<P>
paragraphe2

Je recherche un parser xml/xhtml qui me permettrait de faire cela simplement. Je prefere utiliser un parser car par la suite j'aurai peut etre d'autres manipulation a realiser.

pour le moment j'ai tenter d'utiliser Mojo

OM mais cela ne renvoi rien:

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
 
#!/usr/bin/env perl
 
use strict;
use warnings;
use feature 'say';
use Mojo::DOM;
 
# slurp all DATA lines
my $dom = Mojo::DOM->new(do { local $/; <DATA> });
 
say $_->text for $dom->at('.text')->find('p')->each;
 
__DATA__
<div class="text">
<p><span><span><span>para1</span></span></span></p>
<p><span><span><span>para2</span></span></span></p>
</div>

merci

**Lolo78** · 09/09/2014, 19h48

Peut-être l'un des modules XML du CPAN: par exemple, XML:: Parser, XML::LibXML.

**knebhi** · 09/09/2014, 22h33

Envoyé par Lolo78

Peut-être l'un des modules XML du CPAN: par exemple, XML:: Parser, XML::LibXML.

J'ai choisi LibXML mais pour le moment ce n'est pas exactement ce que je veux.

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 strict;
use warnings;
use XML::LibXML;
use utf8; binmode(STDOUT, ":encoding(UTF-8)");    use open qw( :encoding(UTF-8) :std );
 
my $FichierXML = 'test.xml';
my $parser     = XML::LibXML->new();
 
my $tree = $parser->parse_file($FichierXML);
 
my $root = $tree->getDocumentElement;
 
# Balise para
my @para = $root->getElementsByTagName('p');
foreach my $childid (@para) {
	print "<P>"."\n";
	print $childid->getElementsByTagName('span')."\n";
 
}

j'aimerai avoir tout le texte contenu dans les balises p; le problème est que cette balise contient des sous noeuds span.

Comment puis-je faire ?

**Philou67430** · 10/09/2014, 13h17

Envoyé par knebhi

pour le moment j'ai tenter d'utiliser Mojo

OM mais cela ne renvoi rien:

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
 
#!/usr/bin/env perl
 
use strict;
use warnings;
use feature 'say';
use Mojo::DOM;
 
# slurp all DATA lines
my $dom = Mojo::DOM->new(do { local $/; <DATA> });
 
say $_->all_text for $dom->at('.text')->find('p')->each;
 
__DATA__
<div class="text">
<p><span><span><span>para1</span></span></span></p>
<p><span><span><span>para2</span></span></span></p>
</div>

merci

Change l'appel à la méthode "text" par l'appel à la méthode "all_text"

**knebhi** · 10/09/2014, 14h33

Envoyé par Philou67430

Change l'appel à la méthode "text" par l'appel à la méthode "all_text"

merci ça fonctionne très bien. par contre j'aimerai mettre un marqueur entre chaque paragraphe comme un # ou autre chose.

quelle méthode je peux utiliser ?

**Philou67430** · 10/09/2014, 17h52

Pourrais-tu donner un exemple de ce que tu veux obtenir ?

**knebhi** · 11/09/2014, 15h04

Envoyé par Philou67430

Pourrais-tu donner un exemple de ce que tu veux obtenir ?

en gros je veux récupérer tout le texte contenu dans les éléments <p> - mais seulement les <p> contenu dans la <div class="text">.

au final je souhaite insérer une balise <P> entre chaque paragraphe pour obtenir ce résultat :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
<P>
paragraphe1
<P>
paragraphe2

**Philou67430** · 11/09/2014, 15h31

Comme ceci ?

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
#!/usr/bin/env perl
 
use strict;
use warnings;
use feature 'say';
use Mojo::DOM;
 
# slurp all DATA lines
my $dom = Mojo::DOM->new(do { local $/; <DATA> });
 
$dom->at('.text')->find('p')->each(sub { $_->content($_->all_text()) });
say "$dom";
__DATA__
<div class="text">
<p><span><span><span>para1</span></span></span></p>
<p><span><span><span>para2</span></span></span></p>
</div>

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
$ perl 1.pl
<div class="text">
<p>para1</p>
<p>para2</p>
</div>

parser un document xml/xhtml

Langage Perl

Vue hybride

Discussions similaires

Partager

Partager