[R] Extraire du texte depuis xml

[wello]

Bonjour tous le monde

ça fait maintenant quelques jours que je bataille pour comprendre comment extraire du simple texte (que je ne connais pas à l'avance bien entendu !!! ) depuis un fichier xml, afficher du texte d'un fichier je sais faire, mais contenu entre des balises...pour moi c'est retord !

alors je me suis rendu sur un lien qu'avait donné Tlem sur un autre post, bref très utile en ce qui concerne les menus via la systray, mais plus coton à manipuler pour d'autres xml.

d'abord je galère pas mal pour récupérer la source xml de cette adresse : https://mail.google.com/mail/feed/atom via Inetgetsource puisqu'il faut s'authentifier auparavant !

voilà j'espère ne pas trop en demander mais une tite piste serait la bienvenue

merci

[mikell]

http://code.google.com/p/my-autoit/down ... rapper.au3
Mais en principe pour ça si le boulot est simple on peut utiliser StringRegExp
Si tu postais un exemple (ou un lien) de fichier xml à traiter avec ce qu'il faut en extraire ce serait plus parlant

[wello]

salut et merci pour ta réponse

voici une partie de mon fichier xml, si je pouvais extraire ce qu'il y a entre les balises <fullcount/> & <modified/> pour mon entête, le reste avec l'exemple de cette entête ne devrait pas être trop complexe :

► Afficher le texte

Code : Tout sélectionner

<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://purl.org/atom/ns#" version="0.3"> 
     <title>Gmail - Inbox for *****@gmail.com</title> 
     <tagline>New messages in your Gmail Inbox</tagline> 
     <fullcount>8</fullcount> 
     <link type="text/html" href="http://mail.google.com/mail" rel="alternate"/> 
     <modified>2012-04-20T13:09:15Z</modified> -
     <entry> 
          <title>Nouveau message</title>
          <summary>à essayer ... Souhaitez vous</summary>           
          <link type="text/html" href="http://mail.google.com/mail?account_id=****@gmail.com&message_id=***********&view=conv&extsrc=atom" rel="alternate"/> 
          <modified>2012-04-19T15:49:03Z</modified> 
          <issued>2012-04-19T15:49:03Z</issued> 
          <id>tag:gmail.google.com,2004:****************</id> -
          <author> 
               <name>le facteur</name>    
               <email>******@laposte.net</email> 
         </author> 
     </entry>

merci pour le lien, je suppose que c'est une udf pour parser du code xml !!!

je vais voir ce que je peux en retirer...

[mikell]

Sans précision supplémentaire sur les données que tu veux récupérer, ce genre de script ferait l'affaire

► Afficher le texte

Code : Tout sélectionner

#Include <Array.au3>

Global $final = "", $add = "", $txt = FileRead("fichier.xml")
$lignes = StringRegExp($txt, '(?s)(.*?)\n|\r', 3)
Dim $array[UBound($lignes)]
For $i = 0 To UBound($lignes)-1
  $lignes[$i] = StringRegExpReplace($lignes[$i], '^\s*|\s*$', "")
  If StringInStr($lignes[$i], "link") Then
    $add = StringRegExpReplace($lignes[$i], '(?s)(.*?)href="(.+?)/>.*', "$2")
  Else
    $add = StringRegExpReplace($lignes[$i], '(?s)(<(.+?)>)', "")
  EndIf
  If $add<>"" Then 
    $final &= $add & @crlf
    $array[$i] = $add
  EndIf
Next

Msgbox(0,"", $final)
_ArrayDisplay($array)
 

[wello]

salut

pour des précisions supplémentaires, j'ai ajouté une partie de mon fichier xml...peux pas mieux faire

merci mikell

[mikell]

Heu non, par 'précisions supplémentaires' je voulais dire : quelles sont les balises dont tu veux récupérer le contenu, et quelles sont celles dont tu te fous
En gros, mon script précédent transforme le xml en txt en virant les balises, mais si tu ne veux garder que quelques trucs ya plusieurs moyens d'être facilement plus sélectif
Ce n'est qu'un exemple, mais pour l'en-tête ( 1ère balise </modified>) il suffit de rajouter 1 ligne au script :

► Afficher le texte

Code : Tout sélectionner

#Include <Array.au3>

Global $final = "", $add = "", $txt = FileRead("fichier.xml")
$txt = StringRegExpReplace($txt, '(?s)(.*?)</tagline>(.*?)<entry>.+', "$2")   ; [color=#FF0000]<= pour avoir juste l'en-tête[/color]
$lignes = StringRegExp($txt, '(?s)(.*?)\n|\r', 3)   ; crée une array qui contient les lignes
Dim $array[UBound($lignes)]
For $i = 0 To UBound($lignes)-1
  $lignes[$i] = StringRegExpReplace($lignes[$i], '^\s*|\s*$', "")   ; vire les blancs de début et de fin
  If StringInStr($lignes[$i], "link") Then
    $add = StringRegExpReplace($lignes[$i], '(?s)(.*?)href="(.+?)/>.*', "$2")  ; récupère les liens
  Else
    $add = StringRegExpReplace($lignes[$i], '(?s)(<(.+?)>)', "")  ; récupère le reste
  EndIf
  If $add<>"" Then
    $final &= $add & @crlf
    $array[$i] = $add
  EndIf
Next

Msgbox(0,"", $final)
_ArrayDisplay($array)

Pour aller jusqu'à la 2ème balise </modified>, il faut mettre

► Afficher le texte

Code : Tout sélectionner

$txt = StringRegExpReplace($txt, '(?s)(.*?)</tagline>(.*?)<issued>.+', "$2")