Dans Haskell, comment extraire les chaînes d'un document XML?

Question

Si j'ai un document XML comme ceci:

<root> 
    <elem name="Greeting"> 
    Hello 
    </elem> 
    <elem name="Name"> 
    Name 
    </elem> 
</root> 

et quelques définitions de type/données Haskell comme ceci:

type Name = String 
type Value = String 
data LocalizedString = LS Name Value 

et je voulais écrire une fonction Haskell avec la signature suivante:

getLocalizedStrings :: String -> [LocalizedString] 

où le premier paramètre est le texte XML, et la valeur renvoyée est:

[LS "Greeting" "Hello", LS "Name" "Name"] 

Comment est-ce que je ferais ceci?

Si HaXml est le meilleur outil, comment utiliser HaXml pour atteindre l'objectif ci-dessus?

Merci!

Answer 1

Je n'ai jamais vraiment pris la peine de comprendre comment extraire des bits de documents XML en utilisant HaXML; HXT a répondu à tous mes besoins.

{-# LANGUAGE Arrows #-} 
import Data.Maybe 
import Text.XML.HXT.Arrow 

type Name = String 
type Value = String 
data LocalizedString = LS Name Value 

getLocalizedStrings :: String -> Maybe [LocalizedString] 
getLocalizedStrings = (.) listToMaybe . runLA $ xread >>> getRoot 

atTag :: ArrowXml a => String -> a XmlTree XmlTree 
atTag tag = deep $ isElem >>> hasName tag 

getRoot :: ArrowXml a => a XmlTree [LocalizedString] 
getRoot = atTag "root" >>> listA getElem 

getElem :: ArrowXml a => a XmlTree LocalizedString 
getElem = atTag "elem" >>> proc x -> do 
    name <- getAttrValue "name" -< x 
    value <- getChildren >>> getText -< x 
    returnA -< LS name value 

Vous auriez probablement comme un peu plus de contrôle des erreurs (par exemple ne sont pas seulement paresseusement utiliser atTag comme moi, vérifiaient réellement que <root> est la racine, <elem> est descendant direct, etc.), mais cela fonctionne très bien sur votre exemple.

---

Maintenant, si vous avez besoin d'une introduction à Arrow s, malheureusement, je ne connais pas de bon. Je l'ai moi-même appris "jeté dans l'océan pour apprendre à nager".

Quelque chose qui peut être utile de garder à l'esprit est que la syntaxe proc/-< est simplement le sucre pour les opérations de flèche de base (arr, >>>, etc.), tout comme do/<- est simplement le sucre pour les opérations monade de base (return, >>=, etc.). Les suivantes sont équivalentes:

getAttrValue "name" &&& (getChildren >>> getText) >>^ uncurry LS 

proc x -> do 
    name <- getAttrValue "name" -< x 
    value <- getChildren >>> getText -< x 
    returnA -< LS name value 

Answer 2

FWIW, HXT semble overkill où simple TagSoup fera :)

Answer 3

Voici ma seconde tentative (après avoir reçu une bonne entrée des autres) avec TagSoup:

La première tentative a montré une méthode naïve (et défectueuse) pour couper les espaces d'une chaîne.

Answer 4

Utilisez l'un des packages XML.

Les plus populaires sont, dans l'ordre,

1. haxml
2. HXT
3. xml-light
4. hexpat