[XML::PARSER] Problème d'encodage

Bonjour,

je dois parser un fichier XML avec XML::PARSER. Le problème est que dès que le parseur tombe sur un caractère un peu spécial par exemple un "Ê") il me sort l'erreur suivante:

not well-formed (invalid token) at line 6, column 30, byte 146 at /usr/local/lib/perl/5.8.4/XML/Parser.pm line 187

Mon fichier XML est défini comme suit:
<?xml version="1.0" encoding="UTF-8"?>

Comment pourrais-je faire diriger mes caractères spéciaux à XML::PARSER ? :?

Merci pour votre aide. :)

fais voir ton script!!!

Salut

A ta place, je mettrais tout en iso-8851-9, format le plus commun pour du XML 1.0.

@++

Citation:

---

Envoyé par GLDavid

Salut

A ta place, je mettrais tout en iso-8851-9, format le plus commun pour du XML 1.0.

@++

---

En fait, le XML m'est fourni automatiquement, je ne peux donc pas gérer directement le contenu.

:)

Ok

Maintenant, avec l'erreur que tu as il me semble que le fichier XML que l'on te donne n'est pas bien formé : en clair, il doit y avoir des erreurs au niveau des balises ou de leur hiérarchie.
Il va falloir plutôt que tu fasses un feed--back de cette erreur auprès de la personne qui t'a fourni ce XML.

@++

Citation:

---

Envoyé par GLDavid

Ok

Maintenant, avec l'erreur que tu as il me semble que le fichier XML que l'on te donne n'est pas bien formé : en clair, il doit y avoir des erreurs au niveau des balises ou de leur hiérarchie.
Il va falloir plutôt que tu fasses un feed--back de cette erreur auprès de la personne qui t'a fourni ce XML.

@++

---

Je ne pense pas que ce soit un problème de fichier mal formé, ça viens des accents qui passent mals (en gros si j'enlève tous les accents contenus dans les balises, mon fichier est parsé).

L'idée serait de pouvoir (via une commande :) ) tout mettre dans des CDATA ou bien d'indiquer à XML::PARSER l'encodage, et de fait qu'il digère mes données.

pourquoi ne fais tu pas une fonction qui changera la premiere ligne de ton fichier xml par le

Code:

---

<?xml version="1.0" encoding="iso-8851-9"?>

---

???

Citation:

---

Envoyé par djibril

pourquoi ne fais tu pas une fonction qui changera la premiere ligne de ton fichier xml par le

Code:

---

<?xml version="1.0" encoding="iso-8851-9"?>

---

???

---

+1, un coup de regexp et ça repart !

@++

Autre chose aussi, cela peut aussi venir de la localisation de ta machine. Essaies d'être compatible avec le XML.

@++

Merci pour vos réponses, je vais tester tout ça de suite. :)

Tu peux aussi essayer de jouer avec le paramètre "ProtocolEncoding" dans les paramètres de "new()". De plus, j'aimerais bien savoir d'où vient le problème... Peux tu essayer d'utiliser mon snippet (le dernier code dans le Topic Snippet en haut du forum) pour vérifier si ton XML est bien en UTF-8 ou si la déclaration d'encoding est tout simplement mauvaise ? Il te signalera s'il y a un problème et n'effectuera pas la transformation, donc tu ne risque rien. :)

--
Jedaï

Voilà ce qui se passe quand je transforme la première ligne en iso-8851-9:

Code:

---

1 2 3

Couldn't open encmap iso-8851-9.enc: Aucun fichier ou répertoire de ce type at /usr/local/lib/perl/5.8.4/XML/Parser.pm line 187

---

Visiblement, le fichier de configuration de XML::PARSER pour ce format n'existe pas. Humm, dans l'instanciation de mon objet XML::PARSER, ne puis-je pas indiquer l'encodage (pour faire passer mon UTF-8)?

Code:

---

1 2	my $parser = XML::Parser->new('Style' => 'Subs', 'Handlers' => {'Char' => \&char_handler});

---

ou dans mon char_handler:

Code:

---

1 2 3 4 5 6

# conteneur remplissant la tableau "data" sub char_handler { my ($parser, $text) = @_; return unless $text && $text =~ /\w/; $data{$current_tag} .= $text; };

---

merchi

Citation:

---

Envoyé par Jedai

Tu peux aussi essayer de jouer avec le paramètre "ProtocolEncoding" dans les paramètres de "new()". De plus, j'aimerais bien savoir d'où vient le problème... Peux tu essayer d'utiliser mon snippet (le dernier code dans le Topic Snippet en haut du forum) pour vérifier si ton XML est bien en UTF-8 ou si la déclaration d'encoding est tout simplement mauvaise ? Il te signalera s'il y a un problème et n'effectuera pas la transformation, donc tu ne risque rien. :)

--
Jedaï

---

Merci je vais voir

ISO-8859-1 plutôt que iso-8851-9 ... :roll:

Et utilise plutôt le paramètre "ProtocolEncoding", c'est plus propre que la regex je pense, quitte à modifier cette ligne une fois qu'on sera sûr qu'il s'agit d'une erreur.

--
Jedaï