Discussion :

[Gnux]

Bonjour
Voilà je souhaiterais passer un grand nombre de fichiers du HTML vers le XML. Je recherche un module qui pourrait parser le HTML et remplacer les balises HTML par des balises XML correctes de façon à l'avoir en sortie.
J'ai farfouiné un peu sur le CPAN mais j'avoue ne pas trouver parfaitement ce qui me convient alors avant de bidouiller qque chose j'aimerais savoir si vous, vous ne connaitriez pas un module qui pourrait me faire ça

[djibril]

je regardais mais sans succé. A toi de le creer. Il existe un module pour parser le html et un autre pour creer du xml, alors à toi de jongler avec les deux, non!!!

[tfe]

a prioris tout l html est sous syntaxe xml, mise a partl es balises ouvrantes non fermantes non ?

un remplacement de <br> par <br /> et <img> par <img /> ne suffirait pas ?

[djibril]

a prioris tout l html est sous syntaxe xml, mise a partl es balises ouvrantes non fermantes non ?

un remplacement de <br> par <br /> et <img> par <img /> ne suffirait pas ?

t'auras aussi les balises tr, td, th, etc bref on en sors plus apres

[parsy]

Il faut aussi que les valeurs des attributs soient entre guillemets ou entre apostrophes, par exemple

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<img src="..." alt=" ..." />

Les ancres d'arrivée doivent utiliser l'attribut id et non plus name

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<a id="id1">...</a>

Pas de -- dans les commentaires html

Les caractères spéciaux < > & @ doivent être remplacé par leur entités &lt; &gt; ...

Pour que le document xml soit valide il faut en plus une DOCTYPE

: