Parser du XML

example, parser, python, xml

2013-02-16 Parser du XML

Traiter du XML peut s'avérer un cauchemar parfois. D'abord pour des problèmes d'encodings, je suis toujours ébahi devant la résistance que ces problèmes m'opposent. Je suis tout simplement incapable de comprendre dans quel sens opérer mes conversions, encoder, décoder, j'essaye tout et souvent sans succès comme cela est généralement le cas lorsqu'on essaye de réparer une erreur à l'aveugle. Bref, mon problème du jour revenait à ajouter un champ à une palanquée de fichiers HTML. J'ai donc choisi de coder le "truc".

J'ai choisi de parser le fichier en XML plutôt qu'en HTML parce qu'il est plus facile ensuite d'accéder aux noeuds du documents. J'ajoute mon noeud et je sauve le document. Manque de bol, tous les guillements de mon code javascript ont disparu et été remplacé par un code abominable. Je vais sur le net, je trouve que le module xml.dom.minidom que j'utilise ne permet pas de conserver les accents. J'adore. Je finis par écrire un code vraiment sale :

import xml.dom.minidom 
import sys, os

if sys.version_info.major < 3 :
    raise Exception("expecting at least Python 3 to deal with utf8")
    
def _write_data(writer, data, section):
    "Writes datachars to writer."
    if data:
        if section =="pre" :
            data = data.replace("&", "&amp;") \
                       .replace("<", "&lt;") \
                       .replace(">", "&gt;")
        elif section == "script" :
            pass
        else :
            if section == None :
                raise Exception("section name is empty")
            data = data.replace("&", "&amp;") \
                       .replace("<", "&lt;") \
                       .replace("\"", "&quot;") \
                       .replace(">", ">")
        writer.write(data)
        
def Text_writexml(self, writer, indent="", addindent="", newl=""):
    section = self.localName
    if section == None : section = self.sectionNameSpecial
    if section == None : raise Exception("section name is empty")
    _write_data(writer, "%s%s%s"%(indent, self.data, newl), section)

def Element_writexml(self, writer, indent="", addindent="", newl=""):
    # indent = current indentation
    # addindent = indentation to add to higher levels
    # newl = newline string
    writer.write(indent+"<" + self.tagName)

    attrs = self._get_attributes()
    a_names = sorted(attrs.keys())

    for a_name in a_names:
        writer.write(" %s=\"" % a_name)
        _write_data(writer, attrs[a_name].value, "")
        writer.write("\"")
    if self.childNodes:
        writer.write(">%s"%(newl))
        for node in self.childNodes:
            if node.localName == None : 
                node.sectionNameSpecial = self.localName
            node.writexml(writer,indent+addindent,addindent,newl)
        writer.write("%s</%s>%s" % (indent,self.tagName,newl))
    else:
        writer.write("/>%s"%(newl))    
    
xml.dom.minidom._write_data = _write_data
xml.dom.minidom.Text.writexml = Text_writexml
xml.dom.minidom.Element.writexml = Element_writexml

if __name__ == "__main__" :
    f = open(file, "r")
    text = f.read()
    f.close()
    
    dom = xml.dom.minidom.parseString(text)
    
    #
    # insérer ses modifs ici
    # 

    header = '<?xml version="1.0" encoding="utf-8"?>'
    text = header + "\n" + dom.documentElement.toxml()
        
    f = open(file, "w")
    f.write(text)
    f.close()

Je n'ai pas perdu trop de temps mais je n'étais pas au bout de mes peines. J'ai découvert que cette classe n'était vraiment pas pratique lorsqu'il s'agissait de modifier un noeud. C'est simple lorsqu'il s'agit de créer une document mais modifier, ça... Bref, je n'ai trouver d'autres moyens simples que de tout convertir en XML, de remplacer mon texte puis de recréer le document XML.

def replace_xml_in_template_using_dom_dirty(dom, node, newvalue) :
    """
    dom est un objet de xml.dom.minidom 
    node un noeud du document
    newvalue est le texte du nouveau noeud
    """
    xmltext = node.toxml()
    allxml = dom.documentElement.toxml()
    pos = allxml.find(xmltext)
    if pos == -1 : raise Exception("unable to replace")
    allxml = allxml.replace(xmltext, newvalue)
    res = xml.dom.minidom.parseString(allxml) 
    return res

J'adore quand tout est simple. J'au fini par découvrir que pour modifier du XML, il valait mieux utiliser le module xml.etree.ElementTree. Mais je l'ai découvert trop tard et puis il me restait toujours le problème des accents. Bref, tout ça n'a pas l'élégance d'un algorithme. Au moins, quand mon algorithme ne fonctionne pas, je sais que l'erreur ne vient que de moi.

<-- -->

Xavier Dupré

XD blog

2013-02-16 Parser du XML