[debutant] extraire phrase entre balises

**debdev** · 10/06/2005, 16h13

Bonjour,
C'est mon 2eme message dans ce forum xml. Pour le premier message, je vous demandais si ce que je voulais faire était plus simple à l'aide de xml qu'avec ma méthode. ça ne l'était pas donc je n'ai toujours pas commencer à apprendre xml. Aujourd'hui, c'est la meme question: est ce que xml me sera utile ? Voici mon probleme: j'ai un fichier texte de la forme suivante:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
...pleins de mots...<fonction>..1 ou 2 mots...</fonction>...quelques mots...<role>...1 ou 2 mots...</role>....pleins de mots...

Les balises ne sont identifiées nulle part. Elles ont été rajoutées en dur à l'aide d'un programme en java.
Le but est de récupérer les segments de phrase compris entre <fonction> et </role>. Est ce que xml peut m'être utile? Ou vaut il mieux faire un programme en java pour cela sans se servir de xml ?
Je vous remercie d'avance pour vos conseils.

**tipaquo** · 10/06/2005, 16h55

moi si j'etais toi, j'utiliserai un parser, par exemple sax.

tu parcours ton fichier, et tu peux extraire ce que tu veux entre ces balises.

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
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
 
dans le main par ex :
 
  try {
    	validation_tree_parser.SaxParser parser = new SaxParser(uri);
    	parser.doParse(uri);
    	 }catch (Throwable t) {t.printStackTrace();}
 
 
puis les classes :
 
package validation_tree_parser;
 
 
import org.xml.sax.DTDHandler;
import org.xml.sax.SAXException;
import org.xml.sax.XMLReader;
import org.xml.sax.helpers.XMLReaderFactory;
import org.xml.sax.ContentHandler;
import org.xml.sax.ErrorHandler;
import java.io.IOException;
 
 
 
 
import validation_tree_parser.TContentHandler;
import validation_tree_parser.TErrorHandler;
 
 
// Proàviudes a simple validating parser to check if an Xhtml file is correct.
public class SaxParser
{
 
 
	public SaxParser(String uri) 	{}
 
 
	public void doParse(String Uri)
	{
 
		System.out.println("Analyse du document Xml : " + Uri + "\n\n");
		ContentHandler theContentHandler = new TContentHandler();
		ErrorHandler theErrorHandler = new TErrorHandler();
		DTDHandler theDTDHandler = new TDTDHandler();
		try
		{
			XMLReader theParser= XMLReaderFactory.createXMLReader("org.apache.xerces.parsers.SAXParser");
			theParser.setContentHandler(theContentHandler);
			theParser.setErrorHandler(theErrorHandler);
			// voir oci theParser.setDTDHandler();
			theParser.setFeature("http://xml.org/sax/features/validation",true);
			theParser.setFeature("http://xml.org/sax/features/namespaces",true);
			theParser.parse(Uri);
		}
		catch(IOException ioe)
		{System.out.println("Erreur de lecture de l'url : " + ioe.getMessage());}
		catch(SAXException se)
		{System.out.println("Erreur d'analyse : " + se.getMessage());}
	}
 
 
}
 
 
le content handler :
 
package validation_tree_parser;
import org.xml.sax.*;
import org.xml.sax.helpers.LocatorImpl;
 
 
public class TContentHandler implements ContentHandler
{
 
 
	private Locator locator;
 
 
	/**
     * Constructeur par defaut. 
     */
 
    public TContentHandler()
    {
            super();
            // On definit le locator par defaut.
            locator = new LocatorImpl();
    }
 
    /**
     * Definition du locator qui permet a tout moment pendant l'analyse, de localiser
     * le traitement dans le flux. Le locator par defaut indique, par exemple, le numero
     * de ligne et le numero de caractere sur la ligne.
     * @author smeric
     * @param value le locator a utiliser.
     * @see org.xml.sax.ContentHandler#setDocumentLocator(org.xml.sax.Locator)
     */
    public void setDocumentLocator(Locator value) 
    {
            locator =  value;
    }
 
    /**
     * Evenement envoye au demarrage du parse du flux xml.
     * @throws SAXException en cas de probleme quelquonque ne permettant pas de
     * se lancer dans l'analyse du document.
     * @see org.xml.sax.ContentHandler#startDocument()
     */
    public void startDocument() throws SAXException
	{
            System.out.println("Debut de l'analyse du document");
    }
 
    /**
     * Evenement envoye a la fin de l'analyse du flux xml.
     * @throws SAXException en cas de probleme quelquonque ne permettant pas de
     * considerer l'analyse du document comme etant complete.
     * @see org.xml.sax.ContentHandler#endDocument()
     */
    public void endDocument() throws SAXException
	{
            System.out.println("Fin de l'analyse du document" );
    }
 
 
    /**
     * Debut de traitement dans un espace de nommage.
     * @param prefixe utilise pour cet espace de nommage dans cette partie de l'arborescence.
     * @param URI de l'espace de nommage.
     * @see org.xml.sax.ContentHandler#startPrefixMapping(java.lang.String, java.lang.String)
     */
    public void startPrefixMapping(String prefix, String URI) throws SAXException
	{
            System.out.println("Traitement de l'espace de nommage : " + URI + ", prefixe choisi : " + prefix);
    }
 
    /**
     * Fin de traitement de l'espace de nommage.
     * @param prefixe le prefixe choisi a l'ouverture du traitement de l'espace nommage.
     * @see org.xml.sax.ContentHandler#endPrefixMapping(java.lang.String)
     */
    public void endPrefixMapping(String prefix) throws SAXException 
	{
            System.out.println("Fin de traitement de l'espace de nommage : " + prefix);
    }
 
    /**
     * Evenement recu a chaque fois que l'analyseur rencontre une balise xml ouvrante.
     * @param nameSpaceURI l'url de l'espace de nommage.
     * @param localName le nom local de la balise.
     * @param rawName nom de la balise en version 1.0 <code>nameSpaceURI + ":" + localName</code>
     * @throws SAXException si la balise ne correspond pas a ce qui est attendu,
     * comme par exemple non respect d'une dtd.
     * @see org.xml.sax.ContentHandler#startElement(java.lang.String, java.lang.String, java.lang.String, org.xml.sax.Attributes)
     */
    public void startElement(String nameSpaceURI, String localName, String rawName, Attributes attributs) throws SAXException {
            System.out.println("Ouverture de la balise : " + localName);
 
            if ( ! "".equals(nameSpaceURI)) { // espace de nommage particulier
                    System.out.println("  appartenant a l'espace de nom : "  + nameSpaceURI);
            }
 
            System.out.println("  Attributs de la balise : ");
 
            for (int index = 0; index < attributs.getLength(); index++) { // on parcourt la liste des attributs
                    System.out.println("     - " +  attributs.getLocalName(index) + " = " + attributs.getValue(index));
            }
    }
 
 
 
    /**
     * Evenement recu a chaque fermeture de balise.
     * @see org.xml.sax.ContentHandler#endElement(java.lang.String, java.lang.String, java.lang.String)
     */
    public void endElement(String nameSpaceURI, String localName, String rawName) throws SAXException
	{
            System.out.print("Fermeture de la balise : " + localName);
 
            if ( ! "".equals(nameSpaceURI)) { // name space non null
                    System.out.print("appartenant a l'espace de nommage : " + localName);
            }
 
            System.out.println();
    }
 
    /**
     * Evenement recu a chaque fois que l'analyseur rencontre des caracteres (entre
     * deux balises).
     * @param ch les caracteres proprement dits.
     * @param start le rang du premier caractere a traiter effectivement.
     * @param end le rang du dernier caractere a traiter effectivement
     * @see org.xml.sax.ContentHandler#characters(char[], int, int)
     */
    public void characters(char[] ch, int start, int end) throws SAXException
	{
            System.out.println("#PCDATA : " + new String(ch, start, end));
    }

    
    
    /**
     * Recu chaque fois que des caracteres d'espacement peuvent etre ignores au sens de
     * XML. C'est a dire que cet evenement est envoye pour plusieurs espaces se succedant,
     * les tabulations, et les retours chariot se succedants ainsi que toute combinaison de ces
     * trois types d'occurrence.
     * @param ch les caracteres proprement dits.
     * @param start le rang du premier caractere a traiter effectivement.
     * @param end le rang du dernier caractere a traiter effectivement
     * @see org.xml.sax.ContentHandler#ignorableWhitespace(char[], int, int)
     */
    public void ignorableWhitespace(char[] ch, int start, int end) throws SAXException 
	{
            System.out.println("espaces inutiles rencontres : ..." + new String(ch, start, end) +  "...");
    }
 
    /**
     * Rencontre une instruction de fonctionnement.
     * @param target la cible de l'instruction de fonctionnement.
     * @param data les valeurs associees a cette cible. En general, elle se presente sous la forme 
     * d'une serie de paires nom/valeur.
     * @see org.xml.sax.ContentHandler#processingInstruction(java.lang.String, java.lang.String)
     */
    public void processingInstruction(String target, String data) throws SAXException
	{
            System.out.println("Instruction de fonctionnement : " + target);
            System.out.println("  dont les arguments sont : " + data);
    }
 
    /**
     * Recu a chaque fois qu'une balise est evitee dans le traitement a cause d'un
     * probleme non bloque par le parser. Pour ma part je ne pense pas que vous
     * en ayez besoin dans vos traitements.
     * @see org.xml.sax.ContentHandler#skippedEntity(java.lang.String)
     */
    public void skippedEntity(String arg0) throws SAXException 
	{
            // Je ne fais rien, ce qui se passe n'est pas franchement normal.
            // Pour eviter cet evenement, le mieux est quand meme de specifier une dtd pour vos
            // documents xml et de les faire valider par votre parser.     
    	System.out.println("outrepasse " + arg0);
    }

 

}// ENd Class


et le error handler :

package validation_tree_parser;
import org.xml.sax.*;

/**
 * @author PG
 *
 * TODO To change the template for this generated type comment go to
 * Window - Preferences - Java - Code Style - Code Templates
 */
public class TErrorHandler implements ErrorHandler
{

	/* (non-Javadoc)
	 * @see org.xml.sax.ErrorHandler#error(org.xml.sax.SAXParseException)
	 */
	public void error(SAXParseException exception) throws SAXException 
	{
	 System.out.println("** Erreur d'analyse ** \n"+
	 					"Ligne   :     " + exception.getLineNumber()+ " \n " +
						"Uri     :     " + exception.getSystemId() + " \n " +
						"Message :     " + exception.getMessage());
	 throw new SAXException("une erreur est survenue");
	}
			
			
			
	/* (non-Javadoc)
	 * @see org.xml.sax.ErrorHandler#fatalError(org.xml.sax.SAXParseException)
	 */
	public void fatalError(SAXParseException exception) throws SAXException
	{
	 System.out.println("** Erreur d'analyse ** \n"+
	 					"Ligne   :     " + exception.getLineNumber()+ " \n " +
						"Uri     :     " + exception.getSystemId() + " \n " +
						"Message :     " + exception.getMessage());
	 
	 throw new SAXException("une erreur fatale est survenue");

	}
	
	/* (non-Javadoc)
	 * @see org.xml.sax.ErrorHandler#warning(org.xml.sax.SAXParseException)
	 */
	public void warning(SAXParseException exception) throws SAXException
	{
		  System.out.println("** Erreur d'analyse ** \n"+
		  					"Ligne   :     " + exception.getLineNumber()+ " \n " +
							"Uri     :     " + exception.getSystemId() + " \n " +
							"Message :     " + exception.getMessage());
		  
		  throw new SAXException("un avertissement a eu lieu");

	}
}

tu trouves ça sur internet, celui la utilise xerces !

Voila, si avec ça tu y arrives pas ...

**debdev** · 12/06/2005, 19h42

ok, je vais me pencher sur tout ça. Je connais pas du tout, mais je vais étudier le code que tu as mis.
Je te remercie
a+

**debdev** · 13/06/2005, 12h02

bonjour à tous,
j'ai regardé le code que tipaquo a mis. Alors j'ai quelques questions. Ce code sert à parser un fichier xml, non ? Si c'est le cas, je ne peux pas l'utiliser directement. En effet, j'ai un fichier texte au départ de la forme:

...pleins de mots...<fonction>..1 ou 2 mots...</fonction>...quelques mots...<role>...1 ou 2 mots...</role>....pleins de mots...

Donc est il possible de transformer ce texte en fichier xml ? Si c'est le cas, je pourrais alors récupérer ce qu'il y a entre les balises en me servant du code de tipaquo. Si la transformation en fichier xml est possible, cela me serait très utile que vous me mettiez un squelette de code pour que je comprenne.
Je vous en remercie.

**tipaquo** · 13/06/2005, 12h28

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
 
<?xml version="1.0" encoding="ISO-8859-1"?>
<!DOCTYPE Tool SYSTEM "structure.dtd">
<Tool Output="PHP">
		<Connection  id = "C1">
			<Setup>
				<Driver>org.gjt.mm.mysql.Driver</Driver>
				<LocationURL>jdbc:mysql://33306/saiealdb</LocationURL>
				<User> toto </User>
				<Password> titi </Password>
		</Setup>
		<Resultset>
			<Sql>select * from Table</Sql>
			<Display>
			<Loop>
				<HtmlTags /><Field id="F1">name</Field><HtmlTags />
				<HtmlTags /><Field id="F2">salary</Field><HtmlTags />
			</Loop>
			</Display>
		</Resultset>
	</Connection>
</Tool>

ça c un fichier xml par exemple. (ligne1)
la ligne2, c pour dire que j'utilise une dtd qui decrit la structure de ce fichier.

Donc tu rajoutes la ligne 1, et tu parses. y verifiera juste que tous tes tags sont ouverts et fermés correctement.

Dans l'ex plus haut moi j'ai mis :
theParser.setFeature("http://xml.org/sax/features/validation",true);
theParser.setFeature("http://xml.org/sax/features/namespaces",true);

parce que je verifie avec la dtd.

Si toi pas de dtd, toi mettre false .

et apres c facile de recup tes champs

**debdev** · 13/06/2005, 13h00

ok (re)merci. Je vais tester tout ça.
a+

[debutant] extraire phrase entre balises

XSL/XSLT/XPATH XML

Discussions similaires

Partager

Partager