transformation fichier xml en plusieurs en perl

Version imprimable

Bonjour,

Bonjour,

J'ai un fichier xml qui se présente globalement sous cette forme :
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 <xml> <header> </header> <text> <body> <div type="part"> <div type="article>  </div> <div type="article>  </div> </div> <div type="part"> <div type="article>  </div> <div type="article> </div> </div> </body> </text> </xml>
J'ai un fichier xml qui se compose de plusieurs <div type="part"> qui elle-même comportent plusieurs <div type="article>.

Ma question est de savoir comment je peux transformer ce fichier xml pour avoir un fichier pour chaque <div type="article> mais en reprenant le même header.
Exemple j'aurai plusieurs fichiers de ce type :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 <xml> <header> </header> <text> <body> <div type="article">  </div> </body> </text> </xml>
Au final je souhaite obtenir autant de fichiers xml que j'ai de <div type="article> tout en gardant le même header.

Je recherche donc la méthode en perl pour effectuer cette manipulation.

J'espère que c'est clair merci

10/04/2009, 12h54
djibril

Utilise le module XML::Twig pour parser ton fichier xml et XML::Writer pour en créer à volonté.

http://www.developpez.net/forums/d78...documents-xml/
10/04/2009, 13h57
knebhi

Citation:

Envoyé par djibril

Utilise le module XML::Twig pour parser ton fichier xml et XML::Writer pour en créer à volonté.

http://www.developpez.net/forums/d78...documents-xml/

je vais y jeter un oeil merci
20/04/2009, 11h23
knebhi

Je me suis documenté et j'avoue ne pas tout comprendre sur les modules ne trouvant pas vraiment de documentation facilement compréhensible.

Si quelqu'un pouvait me donner un coup de pouce pour commencer...
20/04/2009, 20h37
Jedai

Citation:

Envoyé par knebhi

Je me suis documenté et j'avoue ne pas tout comprendre sur les modules ne trouvant pas vraiment de documentation facilement compréhensible.

Si quelqu'un pouvait me donner un coup de pouce pour commencer...

Le message pointé par Djibril contient un lien vers un excellent tutorial pour XML::Twig.

--
Jedaï

j'ai lu le tuto de xml:twig et j'ai pondu un début de programme
je cherche en fait a parser tout les <div type="article">
la structure est du fichier xml est détaillé sur le premier post.

ce programme m'affiche l'ensemble du texte mais je souhaite juste avoir le texte des <div type="article">

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
#!/bin/perl -w
 
use strict;
use XML::Twig;
 
 
my $twig= new XML::Twig();                              # create the twig
 
if( my $file= $ARGV[0]) { $twig->parsefile( $file); }   # build it
else                    { $twig->parse( \*STDIN);   }
 
my $module_list= $twig->root;                           # grab the root
my @modules= $module_list->children;                    # get its children
 
 
 
foreach my $module ( @modules)
  { 
	my $e_div = $module->first_child('div');
	my $div = $module->text;
 
 
	print $div;
 
  }

t'en es ou dans ton souci ? Ce serait bien que tu nous mettes un fichier xml propre.
C'est vraiment la dernière fois qu'on vous le répétera. Si vous voulez de l'aide, donnez nous des informations correcte, c'est désagréable de devoir corriger votre xml pour pouvoir le tester.

Un xml plus propre est :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
<xml>
  <header> <!-- information header--></header>
  <text>
    <body>
      <div type="part">
        <div type="article">
        <!-- CONTENU -->
      </div>
        <div type="article">
        <!-- CONTENU -->
      </div>
      </div>
      <div type="part">
        <div type="article">
          <!-- CONTENU -->
        </div>
        <div type="article">
          <!-- CONTENU -->
        </div>
      </div>
    </body>
  </text>
</xml>

22/04/2009, 14h19
knebhi

Ce n'est pas intentionnel de ma part.

Je souhaite récuperer tout les div type="article dans un premier temps mais je n'y arrive pas.

cadeau,

test.xml

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
<xml>
  <header> <!-- information header--></header>
  <text>
    <body>
      <div type="part">
        <div type="article">
        <!-- toto -->
      </div>
        <div type="article">
        <!-- tutu -->
      </div>
      </div>
      <div type="part">
        <div type="article">
          <!-- titi -->
        </div>
        <div type="article">
          <!-- popo -->
        </div>
      </div>
    </body>
  </text>
</xml>

test.pl

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
#!/usr/bin/perl
 
use warnings;
use strict;
use XML::Twig;
use File::Temp;
 
my $i = 1;
my %twig_handler = ( "div" => \&ParsingDiv, );    # Parser les <div ...>
my $twig = new XML::Twig( TwigHandlers => \%twig_handler, );
$twig->parsefile("test.xml");
 
sub ParsingDiv {
    my ( $twig, $BaliseDiv ) = @_;
 
    my $DivType = $BaliseDiv->{"att"}->{"type"};
 
    if ( $DivType eq "article" ) {
        my $Articlefile = "article$i" . ".xml";
        open( my $fh, '>', $Articlefile ) or die("souci $Articlefile $!\n");
        print {$fh} "<xml>";
        my $HeaderBalise = $twig->root->first_child("header");
        $HeaderBalise->print($fh);
        print {$fh} "<text><body>";
 
        $BaliseDiv->print($fh);
 
        print {$fh} "</body></text></xml>";
        close($fh);
 
        PrettyPrintXml($Articlefile);
        $i++;
    }
}
 
#================================================
# reindet un fichier XML
# require XML::Twig, File::Temp
#================================================
sub PrettyPrintXml {
    my ($XMLFile) = @_;
 
    # Temp file
    my ( $FhTemp, $TempFile )
        = File::Temp::tempfile( UNLINK => 1, SUFFIX => ".xml", );
 
    my $Twig = new XML::Twig( PrettyPrint => "indented", );
    $Twig->parsefile($XMLFile);
    $Twig->print($FhTemp);
    close($FhTemp);
    $Twig->purge;
 
    # Copy temp to file
    rename( $TempFile, $XMLFile );
 
    return;
}

23/04/2009, 10h50
knebhi

ça fonctionne bien sur l'exemple fournit.
je dois opérer quelque rectification et je vais méditer sur le code

merci
27/04/2009, 11h17
knebhi

Citation:

Envoyé par djibril

t'en es ou dans ton souci ? Ce serait bien que tu nous mettes un fichier xml propre.
C'est vraiment la dernière fois qu'on vous le répétera. Si vous voulez de l'aide, donnez nous des informations correcte, c'est désagréable de devoir corriger votre xml pour pouvoir le tester.

pourrai tu me dire comment mettre en forme un xml sur le forum?
quels sont les balises ?

merci
27/04/2009, 11h52
djibril

Citation:

[ CODE=xml]Mon code XML[/CODE]

le code perl précedemment vu fonctionne bien j'y ai ajouté la prise en compte de l'utf-8

j'ai une autre problématique à gérer j'ai un nouvel identifiant afin de distinguer les <div type="part">
ex: <div type="part" subtype="BAR">

je voudrai découper de la même façon les <div type="article"> mais en gardant pour chaque article les informations correspondant a cette balise <div type="part" subtype="BAR">

exemple de résultat :

article1.xml

Code:

1
2
3
4
5
6
7
8
9
10
11
12
<xml>
  <header> <!-- information header--></header>
  <text>
    <body>
      <div type="part" subtype="BAR">
        <div type="article">
        <!-- toto -->
      </div>
 </div>
 </body>
  </text>
</xml>

j'ai pensé à un tableau associatif mais c'est encore flou

retour sur les fichiers complets de base :

test.xml

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
<xml>
  <header> <!-- information header--></header>
  <text>
    <body>
      <div type="part" subtype="BAR">
        <div type="article">
        <!-- toto -->
      </div>
        <div type="article">
        <!-- tutu -->
      </div>
      </div>
      <div type="part"subtype="CHA">
        <div type="article">
          <!-- titi -->
        </div>
        <div type="article">
          <!-- popo -->
        </div>
      </div>
    </body>
  </text>
</xml>

test.pl

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
#!/usr/bin/perl
 
use warnings;
use strict;
#use utf8; 
use XML::Twig;
use File::Temp;
 
my $i = 1;
my %twig_handler = ( "div" => \&ParsingDiv, );    # Parser les <div ...>
my $twig = new XML::Twig( TwigHandlers => \%twig_handler, );
$twig->parsefile("estrep.xml");
 
sub ParsingDiv {
    my ( $twig, $BaliseDiv ) = @_; ## stocke les div parsé
 
    my $DivType = $BaliseDiv->{"att"}->{"type"}; ## on spécifie les div concernés (ici div type="")
 
 
 
 
 ##on ne parse que les div article
    if($divType eq "part"){
	if ( $DivType eq "article" ) {
		# on va nommé les fichiers xml écrits
        my $Articlefile = "article$i" . ".xml";
        ##on ouvre les fichiers concernés en écriture
		open( my $fh, '>:encoding(UTF-8)', $Articlefile ) or die("souci $Articlefile $!\n");
		##impression élément du xml
        print {$fh} "<?xml version=\"1.0\" encoding=\"UTF-8\"?>"."\n";
		print {$fh} "<TEI xmlns=\"http://www.tei-c.org/ns/1.0\">";
        my $HeaderBalise = $twig->root->first_child("teiHeader");
        $HeaderBalise->print($fh);
        print {$fh} "<text><body>";
 
        $BaliseDiv->print($fh);
 
        print {$fh} "</body></text></TEI>";
        close($fh);
 
		##on indente correctement le fichier en appelant le PrettyPrintXml
        PrettyPrintXml($Articlefile);
        $i++;
    }
	}
 
 
}
 
#================================================
# reindet un fichier XML
# require XML::Twig, File::Temp
#================================================
sub PrettyPrintXml {
    my ($XMLFile) = @_;
 
    # Temp file
    my ( $FhTemp, $TempFile )
        = File::Temp::tempfile( UNLINK => 1, SUFFIX => ".xml", );
 
    my $Twig = new XML::Twig( PrettyPrint => "indented", );
    $Twig->parsefile($XMLFile);
    $Twig->print($FhTemp);
    close($FhTemp);
    $Twig->purge;
 
    # Copy temp to file
    rename( $TempFile, $XMLFile );
 
    return;
}

estrep.xml

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
<xml>
  <teiHeader> <!-- information header--></teiHeader>
  <text>
    <body>
      <div type="part" subtype="BAR">
        <div type="article">
          <!-- toto -->
        </div>
        <div type="article">
          <!-- tutu -->
        </div>
      </div>
      <div type="part" subtype="CHA">
        <div type="article">
          <!-- titi -->
        </div>
        <div type="article">
          <!-- popo -->
        </div>
      </div>
    </body>
  </text>
</xml>

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
#!/usr/bin/perl
use warnings;
use strict;
use XML::Twig;
use File::Temp;
 
my $i = 1;
my %twig_handler = ( "div" => \&ParsingDiv, );    # Parser les <div ...>
my $twig = new XML::Twig( TwigHandlers => \%twig_handler, );
$twig->parsefile("estrep.xml");
 
sub ParsingDiv {
    my ( $twig, $BaliseDiv ) = @_;    ## stocke les div parsé
 
    ## on spécifie les div concernés (ici div type="")
    my $DivType = $BaliseDiv->{"att"}->{"type"};    
 
    ##on ne parse que les div article
    if ( $DivType eq "article" ) {
        # div parent
        my $DivParent = $BaliseDiv->parent('div');
 
        # on va nommé les fichiers xml écrits
        my $Articlefile = "article$i" . ".xml";
        ##on ouvre les fichiers concernés en écriture
        open( my $fh, '>:encoding(UTF-8)', $Articlefile )
            or die("souci $Articlefile $!\n");
        ##impression élément du xml
        print {$fh} "<?xml version=\"1.0\" encoding=\"UTF-8\"?>" . "\n";
        print {$fh} "<TEI xmlns=\"http://www.tei-c.org/ns/1.0\">";
        my $HeaderBalise = $twig->root->first_child("teiHeader");
        $HeaderBalise->print($fh);
        print {$fh} "<text><body>";
 
        print {$fh} "<div"; 
        foreach ( keys %{$DivParent->{"att"}} ) {
          print {$fh} " $_=\"$DivParent->{att}->{$_}\"";
        }
        print {$fh} ">";
        $BaliseDiv->print($fh);
 
        print {$fh} "</div>";
 
        print {$fh} "</body></text></TEI>";
        close($fh);
 
        ##on indente correctement le fichier en appelant le PrettyPrintXml
        PrettyPrintXml($Articlefile);
        $i++;
    }
}
 
#================================================
# reindet un fichier XML
# require XML::Twig, File::Temp
#================================================
sub PrettyPrintXml {
    my ($XMLFile) = @_;
 
    # Temp file
    my ( $FhTemp, $TempFile )
        = File::Temp::tempfile( UNLINK => 1, SUFFIX => ".xml", );
    binmode( $FhTemp, ":utf8" );
 
    my $Twig = new XML::Twig( PrettyPrint => "indented", );
    $Twig->parsefile($XMLFile);
    $Twig->print($FhTemp);
    close($FhTemp);
    $Twig->purge;
 
    # Copy temp to file
    rename( $TempFile, $XMLFile );
 
    return;
}

Exemple de résultat :

article3.xml

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
<?xml version="1.0" encoding="UTF-8"?>
<TEI xmlns="http://www.tei-c.org/ns/1.0">
  <teiHeader> <!-- information header--></teiHeader>
  <text>
    <body>
      <div subtype="CHA" type="part">
        <div type="article">
          <!-- titi -->
        </div>
      </div>
    </body>
  </text>
</TEI>

voilà

28/04/2009, 15h18
knebhi

merci sa fonctionne tres bien