XML Etree.parse avec DTD

Version imprimable

06/10/2017, 17h20
tsm33

XML Etree.parse avec DTD
Bonjour à tous,

Débutant en python que je connais depuis longtemps mais c'est mon premier projet(petit).
J'ai besoin de comparer des XML venant d'Epic editor(avec DTD) avec de multiple fichier, principalement des xls.

j'arrive à tout faire marcher avec Etree et Openpyxl, extraire mes textes, les attribut des balises et comparer avec les données Excel.

le seul problème pour l'instant est que quand je parse mon XML la fonction etree.parse plante avec la balise
<!DOCTYPE madoc PUBLIC "-//MADTD//EN" >

si j’enlève cette balise de mon xml tout fonctionne. et la DTD m'est inaccessible.

J'envisage de sauvegarder mon xml temporairement sans cette balise pour faire mon traitement mais c'est pas 'propre'.
j'utilise peut être pas la bonne méthode ?

Je suis sous Windows10, Python 3.6
Code:

1 2 3 4 import xml.etree.ElementTree as etree tree = etree.parse("C:/Users/....test.xml") root = tree.getroot()
06/10/2017, 19h01
wiztricks

Salut,

Citation:

Envoyé par tsm33

j'utilise peut être pas la bonne méthode ?

La validation d'un XML contre un DTD n'a jamais été supportée par xml.etree.ElementTree. Et si cela n'a pas été rajouté récemment (j'ai rien trouvé mais j'ai peut être mal regardé), il vous faut utiliser une bibliothèque externe comme lxml.

- W
06/10/2017, 19h21
tsm33

Bonjour,

Effectivement, je n'ai pas besoin de parser mon xml vu qu'il a été fait avec un DTD. j'ai juste besoin de le lire (pour l'instant :roll:)

Le charge lxml revient dire quoi.
06/10/2017, 19h40
wiztricks
Citation:

Envoyé par tsm33

Effectivement, je n'ai pas besoin de parser mon xml vu qu'il a été fait avec un DTD. j'ai juste besoin de le lire (pour l'instant :roll:)

Si vous mettez un "<!DOCTYPE" standard comme:
Code:

1 2 <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN" "http://www.w3.org/TR/html4/frameset.dtd">
çà fonctionne...

- W

Oui, cela fonctionne.

dans mon Doctype, je n'ai pas le path de la DTD.

si je supprime le path en fermant la balise juste aprés EN je n'ai pas non plus la même erreur.

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Frameset//EN" > donne comme erreur sous IDE Wingware :
Code:

1 2 3 4 Fichier "c:\Users\jejeutil1\AppData\Local\Programs\Python\Python36\Lib\xml\etree\ElementTree.py", ligne 101, dans <module> from . import ElementPath builtins.ImportError: cannot import name 'ElementPath'
et avec mon Doctype <!DOCTYPE madoc PUBLIC "-//MADTD.....//EN" > j'ai comme erreur
Code:

1 2 3 4 Fichier "c:\Users\jejeutil1\AppData\Local\Programs\Python\Python36\Lib\xml\etree\ElementTree.py", ligne 597, dans parse self._root = parser._parse_whole(source) xml.etree.ElementTree.ParseError: syntax error: line 2, column 78