Analyse du fichier XML avec perl - regex

Question

Je suis juste un débutant en perl, et j'ai besoin de toute urgence de préparer un petit script qui prend les trois premières choses à partir d'un fichier xml et les place dans un nouveau. Voici un exemple d'un fichier xml:

<article> 
    {lot of other stuff here} 
</article> 
<article> 
    {lot of other stuff here} 
</article> 
<article> 
    {lot of other stuff here} 
</article> 
<article> 
    {lot of other stuff here} 
</article> 

Ce que je voudrais faire est d'obtenir 3 premiers articles ainsi que toutes les balises entre les deux et le mettre dans un autre fichier. Merci pour toute l'aide à l'avance ce qui concerne peter

Answer 1

Never ever use Regex to handle markup languages.

La version originale de cette réponse (voir ci-dessous) utilisés XML::XPath. Grant McLean a dit dans les commentaires:

XML::XPath est un module ancien et unmaintained. XML::LibXML est un module moderne, maintenu avec une API presque identique et c'est aussi plus rapide.

donc je fait une nouvelle version qui utilise XML::LibXML (merci, Grant):

use warnings; 
use strict; 
use XML::LibXML; 

my $doc = XML::LibXML->load_xml(location => 'articles.xml'); 
my $xp = XML::LibXML::XPathContext->new($doc->documentElement); 
my $xpath = '/articles/article[position() < 4]'; 

foreach my $article ($xp->findnodes($xpath)) { 
    # now do something with $article 
    print $article.": ".$article->getName."\n"; 
} 

Pour moi cette impression:

 
XML::LibXML::Element=SCALAR(0x346ef90): article 
XML::LibXML::Element=SCALAR(0x346ef30): article 
XML::LibXML::Element=SCALAR(0x346efa8): article 

Liens vers la documentation pertinente:

• Le type de $doc sera XML::LibXML::Document. Le type de $xp est . Le type de retour $xp->findnodes() est XML::LibXML::NodeList. Le type $article est XML::LibXML::Element.

---

La version originale de la réponse, sur la base du paquet XML::XPath:

use warnings; 
use strict; 
use XML::XPath; 

my $xp = XML::XPath->new(filename => 'articles.xml'); 
my $xpath = '/articles/article[position() < 4]'; 

foreach my $article ($xp->findnodes($xpath)->get_nodelist) { 
    # now do something with $article 
    print $article.": ".$article->getName ."\n"; 
} 

qui imprime pour moi:

 
XML::XPath::Node::Element=REF(0x38067b8): article 
XML::XPath::Node::Element=REF(0x38097e8): article 
XML::XPath::Node::Element=REF(0x3809ae8): article 

• Le type de $xp est XML::XPath, évidemment. Le type de retour $xp->findnodes() est XML::XPath::NodeSet.
• Le type de $article sera XML::XPath::Node::Element dans ce cas. Jetez un oeil à la docs pour savoir ce que vous pouvez faire avec eux.

Answer 2

ici:

open my $input, "<", "file.xml" or die $!; 
open my $output, ">", "truncated-file.xml" or die $!; 
my $n_articles = 0; 
while (<$input>) { 
     print $output $_; 
     if (m:</article>:) { 
      $n_articles++; 
      if ($n_articles >= 3) { 
       last; 
      } 
     } 
}   
close $input or die $!; 
close $output or die $!; 

Vous vraiment ne pas besoin d'un analyseur XML pour faire un travail simple.