[XML] Extraction balises

Bonjour,

J'ai une collection des fichiers XML qui parlent d'un meme sujet, ou disons qu'ils arrivent d'une meme source.
Les fichiers sont bien formés, mais on n'a pas la DTD.

J'aimerais savoir si on peut extraire de façon aisée toutes les balises présentes dans ces fichiers, avoir une DTD ou avoir une liste exhaustive de ces balises.

Merci.

En faite il existe de nombreux outil qui génère une DTDà partir de fichier xml, ton vrai soucis est d'avoir un fichier xml assez complet pour pouvoir générer une DTD elle aussi complète

voici le code d'une petite appli python perso qui génère les dtd

Code:

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
 
from xml.dom.minidom import *
 
import os.path, os
import sys, getopt
 
pg_version="1.5"
 
class AttrNode:
 
	def __init__(self, name, value):
		self._name=name
		self._value=value
 
	def name(self,val=''):
		if val == '':
			return self._name
		self._name=val
 
	def value(self,val=''):
		if val == '':
			return self._value
		self._value=val
class XmlNode:
 
	def __init__(self):
		self._name=None
		self._text=None
		self.list_attr=[]
		self.list_child=[]
 
	def name(self,value=''):
		if value == '':
			return self._name
		self._name=value
 
	def text(self,value=''):
		if value == '':
			return self._text
		self._text=value
 
 
	def attr(self,name='', value=''):
		if (name == '' and value == ''):
			return self.list_attr
		if (name != '' and value == ''):
			for i in self.list_attr:
				if i.name()==name:
					return i.value
		for i in self.list_attr:
			if i.name()==name:
				return True
		self.list_attr.append(AttrNode(name,value))
 
	def child(self, name=''):
		if name == '':
			return self.list_child
		for i in self.list_child:
			if i==name:
				return True
		self.list_child.append(name)
 
class XmlDTD:
 
	def __init__(self, path):
		self._path=path
		self.list_node=[]
		self.node_racine=None
 
	def parseDTD(self):
		try:
			xmldoc = parse(self._path)
			self.node_racine=xmldoc.documentElement
			self.addNode(self.node_racine)
			self.analyseXml(self.node_racine)
		except Exception, e:
			raise e 
 
	def addNode(self, n):
		for i in self.list_node:
			if i.name() == n.nodeName:
				for j in n.attributes.keys():
					i.attr(j, n.attributes[j].value)
				for m in n.childNodes:
    					if m.nodeType == Node.ELEMENT_NODE:
						i.child(m.nodeName)
				return i			
		a=XmlNode()
		a.name(n.nodeName)
		for j in n.attributes.keys():
			a.attr(j, n.attributes[j].value)
		for m in n.childNodes:
    			if m.nodeType == Node.ELEMENT_NODE:
				a.child(m.nodeName)
    			elif m.nodeType == Node.TEXT_NODE:
				a.text(m.data)	
		self.list_node.append(a)
		return a
 
	def analyseXml(self, node):
		for n in node.childNodes:
    			if n.nodeType == Node.ELEMENT_NODE:
				a = self.addNode(n)
			self.analyseXml(n)
 
	def analyseChild(self,node_sup,node_inf):
		listenode=self.getChild(xmldoc.documentElement, node_sup, [], 0)
		print listnode
 
	def getChild(self, node, name_node, listnode, level):
		for n in node.childNodes:
    			if n.nodeType == Node.ELEMENT_NODE and n.nodeName == name_node:
				listnode.append(n)
			listnode = self.getChild(n,name_node, listnode, level+1)
		if node.nodeName == name_node:
			listnode.append(node)
		return listnode
 
 
 
	def getDTD(self):
		a=""
		for i in self.list_node:
			a="%s<!ELEMENT %s(" % (a,i.name())
			#get liste of node type i
			listenode=self.getChild(self.node_racine, i.name(), [], 0)
			for j in i.child():
				iteration=[]
				for x in listenode:
					iters=0
					for y in x.childNodes:
						if y.nodeName == j:
							iters=iters+1
					if iters > 1:
						iters=2 
					iteration.append(iters)
				sym=""			
				if 0 in iteration and 2 in iteration:
					sym="*"
				if 0 in iteration and 1 in iteration and 2 not in iteration:
					sym="?"
				if 0 not in iteration and 2 in iteration:
					sym="+"
 
				a="%s%s%s, " % (a,j,sym)
			if i.text() != None:
				a="%s%s, " % (a,"#PCDATA")			
			if a[-1]=="(":
				a= "%s>\n" % a[:-1]
			else:
				a= "%s)>\n" % a[:-2]
 
			if len(i.attr())>0:
				a= "%s<!ATTLIST %s\n" % (a,i.name())
				for j in i.attr():
					iteration=[]
					for x in listenode:
						iters=0
						if j.name() in x.attributes.keys():
							iters=1
						iteration.append(iters)
					sym=""				
					if 0 in iteration and 1 in iteration:
						sym="#IMPLIED"
					if 0 not in iteration :
						sym="#REQUIRED"					
					a= "%s\t%s CDATA %s\n" % (a,j.name(), sym)
				a="%s>\n" % a[:-1]
		return a
 
	def getSchema(self):
		xmldoc = Document()
		xmltag = xmldoc.createElement("xs:schema")
		xmltag.setAttribute("xmlns:xs", "http://www.w3.org/2001/XMLSchema")
		xmldoc.appendChild(xmltag)
		for i in self.list_node:
			listenode=self.getChild(self.node_racine, i.name(), [], 0)
			xmlchild = xmldoc.createElement("xs:element")
			xmlchild.setAttribute("name", i.name())
			xmltag.appendChild(xmlchild)
			xmlType= xmldoc.createElement("xs:complexType")
			xmlType.setAttribute("mixed", "true")
			xmlchild.appendChild(xmlType)
			for j in i.child():
				xmlElt= xmldoc.createElement("xs:element")
				xmlElt.setAttribute("ref", j)				
				xmlType.appendChild(xmlElt)
 
			if len(i.attr())>0:
				for j in i.attr():
					iteration=[]
					for x in listenode:
						iters=0
						if j.name() in x.attributes.keys():
							iters=1
						iteration.append(iters)
					sym=""				
					if 0 in iteration and 1 in iteration:
						sym="optional"
					if 0 not in iteration :
						sym="required"
					xmlAttr= xmldoc.createElement("xs:attribute")
					xmlAttr.setAttribute("name", j.name())	
					xmlAttr.setAttribute("type", "xs:NMTOKEN")	
					xmlAttr.setAttribute("use", sym)			
					xmlType.appendChild(xmlAttr)	
		return xmldoc.toxml()
 
def usage():
	print "Usage:\n------\npython GenerateDTD.py -i in.xml\n"
	version()
 
def version():
	print "Version:\n--------\nGenerateDTD version %s by Frederic Aoustin" % pg_version
 
if __name__ == "__main__":
	try:
        	filein= ''
        	opts, args = getopt.getopt(sys.argv[1:], "hvi:", ["help"])
    		for opt, arg in opts:       
            		if opt in ("-h", "--help"):      
            			usage()                     
            			sys.exit()        
            		if opt in ("-v"):      
            			version()                     
            			sys.exit()                  
            		elif opt == '-i':              
            			filein= arg
        	if (filein != '' ):
             		xmldtd = XmlDTD(filein)
	     		xmldtd.parseDTD()
             		print xmldtd.getDTD()
        	else:
	     		usage()
 
    	except getopt.GetoptError:
        	print "Error"
        	usage()
 
    	except Exception,e:
        	print e

mais tu peux aussi le faire grâce au se site http://www.hitsw.com/xml_utilites/ par exemple
@+

Merci, Fraoustin, le transformeur en lien marche bien.

J'ai besoin d'un peu plus : j'ai plusieurs fichiers XML (environ 1000) sans DTD et, peut-etre, une DTD commune. C'est donc toutes les balises ou la DTD de tout le bazar qui m'intéresse.

et oui cela revient à ma remarque il va falloir te trouver un fichier complet (ce qui est très rare).
La meilleur solution est de contacter l'éditeur du fichier xml pour lui demander la dtd ou le schema