Python XML Parsing

Version imprimable

Python XML Parsing

Je recois d'un MOM un ensemble de message text au format xml que je met dans un tableau de type list

Code:

1
2
 
tbStrXml= [u"<?xml version='1.0' encoding='UTF-8'?><message type='create' date='20110921121011'><customer login='dssdsdzsdsdsd'><name>sdsdsdsdsdssd</name><new_password>sdsdsdssd</new_password><password>fghfgfhfhfhfh</password><user_email/><signature>2305</signature><active>true</active><adresse><active/><city></city><mobile/><name/><phone></phone><street></street><street2>43</street2><zip>92152</zip></adresse><company><city> fghffghfhfgh</city><name>fhgfghfghfghf</name><phone/><street>ghfghfghjfghjfhj</street><street2/><zip>9712</zip><ref/></company><lang><context_lang/></lang><group><Comment>gfhfhfh</Comment></group></customer></message>"]

Lorsque j'effectue ce code suivant :

Code:

1
2
3
4
5
6
7
 
import xml.etree.cElementTree as ElementTree
 
   for strContenu in tbStrXml:
	strChaine = strContenu
	strChaine = strChaine.strip()
	print "Valeur strChaine :",strChaine,ElementTree.XML(strChaine)

J'ai le message suivant :

Code:

1
2
 
<Element message at 3>

Quelqu'un a t il une piste ?

Bonjour,

Et ? Ou est le problème ? xml.etree.ElementTree.XML retourne bien une instance comme demandé.

Code:

1
2
3
4
5
6
7
8
9
>>> for strContenu in tbStrXml:
...     e = ElementTree.XML(strContenu)
...     print e.keys()
... 
['date', 'type']
>>> print dir(e)
['__copy__', '__deepcopy__', '__reduce__', 'append', 'clear', 'find', 'findall', 'findtext', 'get', 'getchildren', 'getiterator', 'insert', 'items', 'keys', 'makeelement', 'remove', 'set']
>>> print e
<Element 'message' at 0xb78a0bd8>

15/10/2011, 10h17
PauseKawa

Une question quand même: Pourquoi ne pas stocker directement l'xml dans la liste ?

Salut,
Pour aller dans le sens de PauseKawa, vous récupérez des "documents XML" sous forme sérialisée (une suite de caractères).

Pour traiter leur contenu, plutôt que de passer par des regexp appliquées sur la forme "sérialisée", vous utilisez Element Tree pour les transformer en "objet".

Cet "objet" est "composé": c'est un arbre (il a une racine) contenant des objets de type Element. Comme c'est un arbre on peut le "traverser" en parcourant l'ensemble de ses "noeuds".

Un Element XML c'est un "tag", des "attributes", du "text", des "children" et un "tail" +/- optionnels.

Exemple:
Code:

1 2 3 4 5 6 TEXT = """<?xml version='1.0' encoding='UTF-8'?><root><a>a1</a><a>a2</a></root>""" import xml.etree.cElementTree as et root = et.XML(TEXT) for e in root.iter(): print 'tag:"%s", text="%s"' % (e.tag, e.text)
Produit:
Code:

1 2 3 4 5 tag:"root", text="None" tag:"a", text="None" tag:"b", text="a1" tag:"a", text="None" tag:"b", text="a2"
Vous avez aussi des fonction de filtrage avancé dites Xpath qui permettent de filtrer les noeuds que vous voulez "sortir":
Code:

1 2 for e in root.findall("a/b"): print 'tag:"%s", text="%s"' % (e.tag, e.text)
ne sortira que les elements:
Code:

1 2 tag:"b", text="a1" tag:"b", text="a2"
J'ai profité de l'occasion pour revoir un peu ElementTree: un de ses avantages est d'être inclus dans Python. Mais son gros inconvénient dans le cas particulier et de ne pas inclure la partie "validation" du document contre un XSD ou un DTD: j'ai pas trouvé et c'est pour cela que je préfère lxml.

En effet, je ne vois pas trop l'intérêt de structurer les échanges dans un format aussi bavard si on n'en profite pas pour s'assurer que le message est bien construit, que les données sont dans le format attendu,...
Autant échanger des tuple (format .CSV) ou du JSON: c'est moins compliqué à mettre en oeuvre et moins couteux en temps de traitement.

- W

Merci pourtoutes vos réponses.
Citation:
Envoyé par wiztricks
Salut,
Pour aller dans le sens de PauseKawa, vous récupérez des "documents XML" sous forme sérialisée (une suite de caractères).

Pour traiter leur contenu, plutôt que de passer par des regexp appliquées sur la forme "sérialisée", vous utilisez Element Tree pour les transformer en "objet".

Cet "objet" est "composé": c'est un arbre (il a une racine) contenant des objets de type Element. Comme c'est un arbre on peut le "traverser" en parcourant l'ensemble de ses "noeuds".

Un Element XML c'est un "tag", des "attributes", du "text", des "children" et un "tail" +/- optionnels.

Exemple:
Code:

1 2 3 4 5 6 TEXT = """<?xml version='1.0' encoding='UTF-8'?><root><a>a1</a><a>a2</a></root>""" import xml.etree.cElementTree as et root = et.XML(TEXT) for e in root.iter(): print 'tag:"%s", text="%s"' % (e.tag, e.text)
Produit:
Code:

1 2 3 4 5 tag:"root", text="None" tag:"a", text="None" tag:"b", text="a1" tag:"a", text="None" tag:"b", text="a2"
Vous avez aussi des fonction de filtrage avancé dites Xpath qui permettent de filtrer les noeuds que vous voulez "sortir":
Code:

1 2 for e in root.findall("a/b"): print 'tag:"%s", text="%s"' % (e.tag, e.text)
ne sortira que les elements:
Code:

1 2 tag:"b", text="a1" tag:"b", text="a2"
J'ai profité de l'occasion pour revoir un peu ElementTree: un de ses avantages est d'être inclus dans Python. Mais son gros inconvénient dans le cas particulier et de ne pas inclure la partie "validation" du document contre un XSD ou un DTD: j'ai pas trouvé et c'est pour cela que je préfère lxml.

En effet, je ne vois pas trop l'intérêt de structurer les échanges dans un format aussi bavard si on n'en profite pas pour s'assurer que le message est bien construit, que les données sont dans le format attendu,...
Autant échanger des tuple (format .CSV) ou du JSON: c'est moins compliqué à mettre en oeuvre et moins couteux en temps de traitement.

- W