[Python] Parsing di un file xml

[Sick Boy]

ciao a tutti,

un'applicazione mi fornisce in output un file (ad esempio chiamato xml.dump) di cui dovrei fare un parsing tramite python in modo da potere processare i suoi diversi tag.

ho importato il modulo minidom correttamente, ma quando eseguo la linea di codice:

minidom.parse('C:\\xml.dump')

mi da questo errore

Traceback (most recent call last):
  File "<pyshell#147>", line 1, in -toplevel-
    minidom.parse('C:\\xml.dump')
  File "C:\Python23\lib\xml\dom\minidom.py", line 1915, in parse
    return expatbuilder.parse(file)
  File "C:\Python23\lib\xml\dom\expatbuilder.py", line 924, in parse
    result = builder.parseFile(fp)
  File "C:\Python23\lib\xml\dom\expatbuilder.py", line 207, in parseFile
    parser.Parse(buffer, 0)
ExpatError: junk after document element: line 66, column 0

da cosa deriva questo problema e come posso rislverlo?
grazie

[cdimauro]

Non ho mai usato il miniDOM parser, ma xml.parsers.expat.

Comunque posta il file xml.dump (io lo chiamerei dump.xml ), così possiamo fare qualche prova.

[Sick Boy]

anche io lo rinominerei *.xml, ma l'applicazione che fa il dump a ora mi consegna un file con quell'estensione.

il contenuto del file non è importante. anche con un file xml base mi da gli stessi problemi! forse il problema è dipendente dal contenuto delle parentesi (non so se è corretto scrivere il percorso intero del file)

[Sick Boy]

ho provato a usare xml.parsers.expat e ho risultati migliori, anche se dopo queste righe di codice:

>>> import xml.parsers.expat
>>> p = xml.parsers.expat.ParserCreate()
>>> docxml = p.Parse('xml-001322.dump')
>>> print docxml

mi stampa a video: 1

[cdimauro]

Io lo uso così:

    self.p = xml.parsers.expat.ParserCreate()
    self.p.buffer_text = True
    self.p.returns_unicode = False
    self.p.StartElementHandler = self.start_element
    self.p.EndElementHandler = self.end_element
    self.p.CharacterDataHandler = self.char_data

e funziona perfettamente.

All'interno di una classe, ovviamente.

Gli handler sono metodi della classe (ma possono anche essere funzioni esterne).

[Sick Boy]

in che classe hai messo tutto questo?

e poi come faresti la chiamata al fantomatico xml.dump?

[cdimauro]

E' una normalissima classe. La puoi creare anche vuota.

Per usarlo basta fare così:

with open('xml.dump') as f:
    self.p.ParseFile(f)

[Sick Boy]

ciao,

ho provato a fare come hai detto tu, mettendo quelle righe di codice in una classe, che chiamo parsing

class parsing:
    self.p = xml.parsers.expat.ParserCreate()
    self.p.buffer_text = True
    self.p.returns_unicode = False
    self.p.StartElementHandler = self.start_element
    self.p.EndElementHandler = self.end_element
    self.p.CharacterDataHandler = self.char_data

però così mi da errore perchè non ho dichiarato self. cosa devo modificare?

a te sembreranno cose ovvie, ma per me che sono agli inizi della programmazione in python non lo sono per niente!

[cdimauro]

Potevi dirlo prima.

Ecco qua:

from __future__ import with_statement
import xml.parsers.expat

class SimpleXMLParser(object):


  def __init__(self, FileName):

    self.p = xml.parsers.expat.ParserCreate()
    self.p.buffer_text = True
    self.p.returns_unicode = False
    self.p.StartElementHandler = self.start_element
    self.p.EndElementHandler = self.end_element
    self.p.CharacterDataHandler = self.char_data
    with open(FileName) as f:
      self.p.ParseFile(f)


  def start_element(self, name, attrs):

    print 'Ho trovato il tag', name, 'con gli attributi', attrs


  def end_element(self, name):

    print 'Tag', name, 'chiuso'


  def char_data(self, data):

    print 'In mezzo al tag ho trovato questi dati:', data 


SimpleXMLParser('xml.dump')

[Sick Boy]

ok!

ho provato a compilare tutto, mettendolo in un file (es parser.py)! mi da questo errore

SyntaxError: Invalid Syntax

e mi segna la riga

    with open(FileName) as f:

in particolare "open"

grazie per la pazienza!

[cdimauro]

Probabilmente c'è qualche problema di indentazione.

Eventualmente riportami il file che hai creato o il traceback dello stack.

P.S. Di nulla.

[Sick Boy]

eccolo qui:

from __future__ import with_statement
import xml.parsers.expat

class SimpleXMLParser(object):


  def __init__(self, FileName):

    self.p = xml.parsers.expat.ParserCreate()
    self.p.buffer_text = True
    self.p.returns_unicode = False
    self.p.StartElementHandler = self.start_element
    self.p.EndElementHandler = self.end_element
    self.p.CharacterDataHandler = self.char_data
    
  with open(FileName) as f:
    self.p.ParseFile(f)


  def start_element(self, name, attrs):

    print 'Ho trovato il tag', name, 'con gli attributi', attrs


  def end_element(self, name):

    print 'Tag', name, 'chiuso'


  def char_data(self, data):

    print 'In mezzo al tag ho trovato questi dati:', data 


SimpleXMLParser('xml.dump')

ah, ma questo codice mi trova il file ovunque si trovi?

[cdimauro]

Originariamente inviato da Sick Boy

eccolo qui:

from __future__ import with_statement
import xml.parsers.expat

class SimpleXMLParser(object):


  def __init__(self, FileName):

    self.p = xml.parsers.expat.ParserCreate()
    self.p.buffer_text = True
    self.p.returns_unicode = False
    self.p.StartElementHandler = self.start_element
    self.p.EndElementHandler = self.end_element
    self.p.CharacterDataHandler = self.char_data
    
  with open(FileName) as f:
    self.p.ParseFile(f)


  def start_element(self, name, attrs):

    print 'Ho trovato il tag', name, 'con gli attributi', attrs


  def end_element(self, name):

    print 'Tag', name, 'chiuso'


  def char_data(self, data):

    print 'In mezzo al tag ho trovato questi dati:', data 


SimpleXMLParser('xml.dump')

Hai sbagliato l'indentazione dell'istruzione with.

Il codice corretto è questo:

from __future__ import with_statement
import xml.parsers.expat

class SimpleXMLParser(object):


  def __init__(self, FileName):

    self.p = xml.parsers.expat.ParserCreate()
    self.p.buffer_text = True
    self.p.returns_unicode = False
    self.p.StartElementHandler = self.start_element
    self.p.EndElementHandler = self.end_element
    self.p.CharacterDataHandler = self.char_data
    
    with open(FileName) as f:
      self.p.ParseFile(f)


  def start_element(self, name, attrs):

    print 'Ho trovato il tag', name, 'con gli attributi', attrs


  def end_element(self, name):

    print 'Tag', name, 'chiuso'


  def char_data(self, data):

    print 'In mezzo al tag ho trovato questi dati:', data 


SimpleXMLParser('xml.dump')

ah, ma questo codice mi trova il file ovunque si trovi?

No, dev'essere nella cartella in cui hai lanciato l'applicazione.

[Sick Boy]

anche così indentato mi da lo stesso errore!

[cdimauro]

Prima di postarlo l'ho provato. Ecco qua (scusa la censura, ma ho ho usato un xml di produzione):

D:\Test>python "Prova XML.py"
Ho trovato il tag PEPCommandList con gli attributi {'xmlns:xsi': 'http://www.w3.org/2001/XMLSchema-instance', 'xsi:noNamespaceSchemaLocation': '\\PEPCommand
.xsd'}
In mezzo al tag ho trovato questi dati:

Ho trovato il tag PEPCommand con gli attributi {}
In mezzo al tag ho trovato questi dati:

Ho trovato il tag id_comando con gli attributi {'value': '1383288'}
Tag id_comando chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag id_autorizzazione con gli attributi {'idAuth': '2'}
Tag id_autorizzazione chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag id_csp con gli attributi {'IDValue': '***CENSORED***'}
Tag id_csp chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag op_type con gli attributi {'op_typeValue': 'DISATTIVAZIONE'}
Tag op_type chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag username con gli attributi {'nameValue': '***CENSORED***'}
Tag username chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag type con gli attributi {'typeValue': 'TRIGGER_CLASSICO'}
Tag type chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag canale_in con gli attributi {'chosenInStream': 'SMS'}
Tag canale_in chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag canale_out con gli attributi {'chosenOutStream': 'WAP-PUSH'}
Tag canale_out chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag categoria con gli attributi {'serviceId': '***CENSORED***'}
Tag categoria chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag motivo con gli attributi {'motivoValue': 'Stato Utenza'}
Tag motivo chiuso
In mezzo al tag ho trovato questi dati:

Ho trovato il tag la_mittente con gli attributi {'la_mittenteValue': '12345'}
Tag la_mittente chiuso
In mezzo al tag ho trovato questi dati:

Tag PEPCommand chiuso
In mezzo al tag ho trovato questi dati:

Tag PEPCommandList chiuso

[Sick Boy]

non riesco a capire il problema che ho.

mi spieghi la linea di codice

from __future__ import with_statement

[Sick Boy]

ok, ora mi stampa a video le informazioni!

ho cancellato la prima riga di import e ho usato al posto delle due linee in cui apre il file questa unica riga di codice:

self.p.ParseFile(open(FileName))

così funziona! ora devo formattare meglio l'output perchè il dump che ricevo in ingresso è formato da più tag "<?xml.." e infatti dopo il primo elemento di quel file mi da queste linee di errore:

Traceback (most recent call last):
  File "parser.py", line 24 in ?
    SimpleXMLParser('xml.dump')
  File "parser.py", line 13, in __init__
    self.p.ParseFile(open(FileName))
xml.parsers.expat.ExpatError: junk after document element: line 66, column 0

e poi c'è la seconda fase:

CREARE UNA FINESTRA CHE MI MOSTRI I VARI TAG PADRE CON ALL'INTERNO I TAG FIGLIO

[cdimauro]

Originariamente inviato da Sick Boy

non riesco a capire il problema che ho.

mi spieghi la linea di codice

from __future__ import with_statement

Ti permette di usare l'istruzione with.

Originariamente inviato da Sick Boy

ok, ora mi stampa a video le informazioni!

ho cancellato la prima riga di import e ho usato al posto delle due linee in cui apre il file questa unica riga di codice:

self.p.ParseFile(open(FileName))

così funziona! ora devo formattare meglio l'output.

Di norma dovresti aprire il file e poi chiuderlo.

e poi c'è la seconda fase:

CREARE UNA FINESTRA CHE MI MOSTRI I VARI TAG PADRE CON ALL'INTERNO I TAG FIGLIO

Non mi sono ancora cimentato con le interfacce grafiche con Python, mi spiace.

[Sick Boy]

e per questo problema? il dump che ha più tag xml cosa faresti?

Originariamente inviato da Sick Boy

ora devo formattare meglio l'output perchè il dump che ricevo in ingresso è formato da più tag "<?xml.." e infatti dopo il primo elemento di quel file mi da queste linee di errore:

Traceback (most recent call last):
  File "parser.py", line 24 in ?
    SimpleXMLParser('xml.dump')
  File "parser.py", line 13, in __init__
    self.p.ParseFile(open(FileName))
xml.parsers.expat.ExpatError: junk after document element: line 66, column 0

[cdimauro]

Non mi sembra sia un XML standard. Dovrebbe avere un solo tag <xml

In questo caso dovresti prendere il file, leggerlo in memoria, suddividerlo nelle sezioni xml presenti e parserizzarle una alla volta.