salut à tous,
quelqu'un aurait il un script perl permettant de parser de fichiers xml, je rame please :cry: , que ce soit avec des modules sax ou dom, importe.
Oubien en perl standard. J'ai fouileer pleins de doc , mais c pas trop clair
merci
Version imprimable
salut à tous,
quelqu'un aurait il un script perl permettant de parser de fichiers xml, je rame please :cry: , que ce soit avec des modules sax ou dom, importe.
Oubien en perl standard. J'ai fouileer pleins de doc , mais c pas trop clair
merci
Y'a des choses déjà faites et utilisées, faut en profiter...
Y'a XML::Parser par exemple.
Bonjour à toi,
sois un peu plus précis STP.
S'il s'agit juste de récupérer qq données ici et là les expressions régulières de PERL feront très bien l'affaire.
Si tu as besoin d'un traitement plus pointu alors effectivement le module SAX sera intéressant.
La balle est dans ton camp.
Je voudrais récupérer des données dans mon fichier xml, ce serait pour parser une banque de données (interpro pour les connaisseur, banque de données bio). Ces données sont soit dans les balises, donc correspondent aux attirbuts, soit entre certaines balises. J'ai trouvé un programme SAX me permettant de choper les balises ouvrantes et fermantes, ainsi que les attibuts, mais je souhaiterais certaines donnéesentre des balises particuliere, comment faire.
Les modules bioperl ne sont pas tres efficaaces, et j'ai un peu de mal,
merci.
Voici le programme sax:
voici mon fichier xml:Code:
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
Please, helpCode:
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
djibril :( [/b]
help!!!!
Re bonjour,
ton fichier d'entrée m'a l'air assez conséquent.
En perl c'est tout à fait faisable mais pas très fiable si tu ne blinde pas ton code.
Je pense que dans ton cas une petite XSL et un processeur XSLT comme XSLTProc feraient très bien l'affaire.
En ce qui concerne le XSLTProc c'est un processeur de XSL écrit en C ... donc très rapide et basé sur un moteur SAX.
XSLTProc est en général dispo sur toutes les distrib linux ou unix.
Au pire il se trouve et s'installe facilement : http://packages.debian.org/unstable/text/xsltproc
Si vraiment tu es dans l'urgence envoie moi un fichier XML complet que tu as à traiter ainsi que la liste des données que tu voudrais extraire et je t'écrirai ta XSL (y'en a pas pour plus d'1/2 heure si tu ne veux pas faire des trucs tordus)
Voilà c'est tout ce que je peux faire.
A++
Bonjour Rohd'man,
Merci pour ton aide, je connais pas le XSL et XSLT, je vais jeter un coup d'oeil sur le site de l'laltruiste, histoire de me faire une idée.
Je t'aurais bien envoyé le fichier xml complet, mais il fait 31Mo (interpro.xml téléchargé sur EBI, je sais pas si tu connais). Mais comme je l'ai ecris ci dessus, c le format de base, je peux t'envoyer un fichier contenant les info sur deux proteines, et tu verras le format général!!!!
Je pense que si tu peux me le faire sur un petit fichier, je pourrais l'etendre sur tout, non? j'en sais rien. Car les données que je veux extraire sont les mêmes pour tous.
Alors si c possible de t'envoyer les 31 Mo, no probleme, ou bien je te donne l'address du site ou je l'ai telechargé (sous unix)? sinon je t'envoie un fichier complet sur deux prot avec les info à extraire? C'est comme tu veux en fonction de ton temps, de tes disponibilités, c'est urgent.
Je te remercie pour tout
Djibril
J'ai pas trop lu ton probleme par contre j'ai recupéré des données xml dans une page web à partir d'un fichier xml voila comment je fais si ca peux t'aider. En lisant le code source tu peux trouver l'original du xml
Code:
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
Salut Djibril,
envoie moi l'url du fichier à télécharger (du boulot ça ne devrait pas me prendre très longtemps) ainsi que la liste et la mise en forme des données que tu veux récupérer.
Je verrais ce que je peux faire mais je ne te promets rien parce que j'ai déjà expérimenté les XSL sur un fichier de 3 Mo et ça prenait du temps alors 31 Mo ... ça va être chaud mais si je n'essaie pas je ne saurai pas.
Si ça ne fonctionne pas le meilleur moyen pour des fichiers de cette taille reste le perl, et je dois avoir qq bouts de codes en stock pour régler ton pb.
A++
Salut Rhod'man,
Voici l'url du fichier à parser: http://www.ebi.ac.uk/FTP/
Ensuite c'est dans databases, c'est interpro/interpro.xml.gz
ou bien essaye l'adresse ftp://ftp.ebi.ac.uk/pub/databases/interpro
Les données que je souhaiterais récupérer sont en gras:
Pour chaque proteines, les info dans cette balises:
Voilà en gros les infos dont j'aurais besoins. Je te remercieCode:
2
3
4
A++
djibril
Je me suis fait un script tout con en Perl, et ça à l'air pas mal aussi, mais bon si je peux avoir un truc plus propre, ce serai meilleur je pense, voilà mon script:
#!/usr/bin/perl -w
use strict;
use Carp;
use DBI;
my $id;
my $type;
my $name;
my $file=$ARGV[0];
my $abstract_open="no";
my $abstract;
open (FILE, $file) || die "impossible d'ouvrir le fichier '$file':$!";
while(<FILE>){
chomp();
if($_=~ /^\s*<interpro id=\"(.*)\" type=\"(.*)\" short_name=\"(.*)\" protein_count/){
#if($_=~ /^<interpro id=\"(.*)/){
$id=$1;
$type=$2;
$name=$3;
print "###############################################################\n
###############################################################\n
id= $id\ttype= $type\tname= $name\n";
}
if($_=~/<abstract>/gi){
$abstract_open="yes";
}
if($abstract_open eq "yes"){
$abstract.="$_";
$abstract =~s/<.+>//gi;
$abstract =~s/<p>//gi;
$abstract =~s/<\/p>//gi;
$abstract =~s/\s\s+//gi;
}
if($_=~/<\/abstract>/gi){
print "-----------------------------abstract\n";
print "$abstract\n";
$abstract_open="no";
$abstract="";
}
if ($_ =~/^\s*<db_xref protein_count=\"(.*)\" db=\"(.*)\" dbkey=\"(.*)\" name=\"(.*)\" /)
{print "-----------------------------member liste\n";
print "prot_count= $1\tdb= $2\tdbkey= $3\tname= $4\n";
}
}
close(FILE);
:arf:
Si ca peut t'aider voici ma version (on ne peux plus simple il me semble)
(ps a adapter -> initialiser $file)
#Parseur du fichier de structure
#!/usr/bin/perl
package Parser;
use XML::Parser;
sub parse
{
die "Fichier xml de structure introuvable \"$file\"" unless -f $file;
#Mise en place du parseur
my $parser = new XML::Parser(ErrorContext => 2);
$structure = Structure->new();
$parser->setHandlers(Start => \&start_handler,
End => \&end_handler,
Char => \&char_handler);
$parser->parsefile($file);
return $structure;
}
sub start_handler
{
#Récupération de la balise courante
my $expat = shift; my $element = shift;
$balise=$element;
}
sub char_handler
{
#Récupération des valeurs contenus entre les balises
$data="";
my ($p, $data) = @_;
if ($data =~ /\S/)
{
if($balise eq "titre"){
# Contenu de la balise se trouve donc dans $data, il n'y a plus qu'a la stocker
}
if($balise eq "taille_fenetre"){
...
}
if($balise eq "commande_exe"){
...
}
if($balise eq "couleur_claire"){
...
}
if($balise eq "couleur_fonce"){
...
}
if($balise eq "titre_signet"){
...
}
}
}
Ps: c'est du SAX (évenementiel)
merci, j'ai fait du sax et c bon, mais aussi avec des regex et c bon aussi.
Merci à tous :D