Discussion :

[zeng49]

Bonjour,

Je dois nettoyer un fichier pour en garder quelques informations. Mon code es le suivant:

#Cr�ation d'une liste. Les �l�ments de la liste doivent �tre supprim�s
chaines= ['<Root>',
'<Article>',
'<Guide level="1">',
'<level="2">',
'<level="3">',
'<level="4">',
'<Titre>',
'</Titre>',
'</Paragraphe>',
'<Paragraphe>',
'<Gras>',
'</Gras>']
# Ouverture du fichier
fichier = open('C:/FRA/Imprimable.xml', 'r')

# Parcours du fichier source pour supprimer les cha�nes contenues dans ma liste
for line in fichier:
for chaine in chaines:
if chaine in line:
fichier.remove(chaine)
fichier.close()

Mon probl�me se situe au niveau de "fichier.remove(chaine)" (je pense). Au lieu de supprimer que les �l�ments du texte contenu dans ma liste, le programme me vide l'int�gralit� du fichier.
Qu'est que j'ai mal d�fini dans mon programme.
L'objectif est de nettoyer un fichier xml et ne garder que le texte pour ensuite pouvoir compter le nombre de mots restant dans le fichier.
Merci de votre compr�hension.

[VinsS]

Salut,

Avec replace() ce sera plus simple:

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
5
 
fichier = open('C:/FRA/Imprimable.xml', 'r')
txt = fichier.read()
for chaine in chaines:
    txt.replace(chaine, '')

[zeng49]

Voici mon nouveau code en prenant en compte vos suggestions:

chaines= ['<Root>',
'<Article>',
'<Article_Guide level="1">',
'<Article_Guide level="2">',
'<Article_Guide level="3">',
'<Article_Guide level="4">',
'<Titre>',
'</Titre>',
'</Paragraphe>',
'<Paragraphe>',
'<Gras>',
'</Gras>']
fichier = open('C:/FRA/Imprimable.xml', 'r')
txt = fichier.read()
for chaine in chaines:
txt.replace(chaine, '')
fichier.close()

Le programme ne plante pas mais ne fait rien non plus. Manque t-il encore quelque chose � votre avis.

Merci

[VinsS]

Oui mais, c'est le texte txt qui est chang� par le fichier. Celui-ci, de toutes fa�ons est ouvert en lecture pas en �criture.

Fais un print avant et un autre apr�s pour voir:

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
5
6
 
txt = fichier.read()
print txt
for chaine in chaines:
    txt.replace(chaine, '')
print txt

[zeng49]

J'ai chang� un peu mon code en ouvrant un fichier destination pour �criture qui doit recevoir le texte modifi�.
Ce que je n'arrive pas � comprendre, c'est qu'au lieu de r�cup�rer dans ce nouveau fichier mon texte de d�part nettoy� de tous les �l�ments de ma liste "chaines", j'ai l'impression que toutes les lignes de fichiers de d�part sont multipli�s par autant d'�l�ments qu'il y a dans ma liste dans le fichier destination.
Non seulement mon texte n'est pas nettoy� mais il devient beaucoup plus volumineux. Par contre �a semble fonctionner si j'ai un seul �l�ment dans la liste.
La cr�ation de liste est elle la meilleure fa�on pour aborder ce probl�me?


chaines= ['<Root>',
'<Article>',
'<Article_Guide level="1">',
'<Article_Guide level="2">',
'<Article_Guide level="3">',
'<Article_Guide level="4">',
'<Titre>',
'</Titre>',
'</Paragraphe>',
'<Paragraphe>',
'<Gras>',
'</Gras>']
fichier=open('C:/FRA/Imprimable.xml', 'r')
fichierD=open('C:/FRA/Imprimable2.xml', 'w')
txt = fichier.read()
for chaine in chaines:
ts=txt.replace(chaine, '')
fichierD.write(ts)
fichier.close()
fichierD.close()

[fred1599]

Il y a des solutions bien plus propre pour modifier, construire ou parser un fichier XML comme par exemple lxml

[wiztricks]

Salut,
Avec la balise "code", c'est quand m�me mieux.

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
txt = fichier.read()
for chaine in chaines:
     ts=txt.replace(chaine, '')

le "str" �tant immutable, txt n'est jamais modifi�.
Le contenu de "ts" � la sortie sera txt.replace('</Gras>', '') txt �tant ce qui a �t� lu.

Votre fichier �tant un document XML, "virer" les balises (r�cup�rer le text) pourrait �tre fait avec la biblioth�que adhoc: pas besoin de conna�tre les balises!

- W

[zeng49]

L'objectif ici c'est tout simplement de virer toutes les balises et ne garder que le texte. Je veux juste pouvoir compter le nombre de mots contenu dans mes fichiers sans les balises pour des besoins statistiques. La structure xml du fichier ne m'int�resse pas.

[wiztricks]

Salut,

L'objectif ici c'est tout simplement de virer toutes les balises et ne garder que le texte. Je veux juste pouvoir compter le nombre de mots contenu dans mes fichiers sans les balises pour des besoins statistiques. La structure xml du fichier ne m'int�resse pas.

Je pense avoir compris ce que vous vouliez faire: le "quoi".
Ma question porte sur le "comment".
Un document XML ayant une structure hi�rarchique: on peut parcourir ses �l�ments (n�uds) et en extraire le "texte" sans en conna�tre "tags"/"balises".
Dit autrement, pour r�cup�rer le "text", on peut coder cela ainsi:

Code :

S�lectionner tout - Visualiser dans une fen�tre � part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import xml.etree.ElementTree as et
 
def g_text(node):
 
    for e in node.iter():
        if e.text:
            text = e.text.strip()
            if text:
                yield text
        g_text(e)
 
with open('C:/FRA/Imprimable.xml', 'r') as f:        
     tree = et.XML(f.read())
     text = ' '.join(list(g_text(tree)))
print (text)

- W