parser en bash

[mika]

Bonjour,
J'ai actuellement un problème, j'essaye de créer un parser pour filtrer toutes les balises d'un fichier .xml afin de récupérer uniquement le texte du fichier. Je pensais utiliser un grep mais je n'y arrive pas. Pourriez vous m'aider ?
Merci de vos réponses.

[CaSa]

Grep (peut-être) mais surtout SED et/ou AWK... mon préféré étant SED.

Tu trouves ton bonheur ici => http://gnuwin32.sourceforge.net/

Si tu veux un peu plus d'aide, détaille ta demande avec un exemple de fichier.
Perso, j'adore ça utiliser SED et GREP avec des pipes enchainés ( | ) et des lignes super longues et incompréhensibles genre

Code: Tout sélectionner

sed -e "s/^D\(.\{115\}\)\(.*\)/D\1/g" fichier-entree.txt > fichier-sortie.txt

ou encore

Code: Tout sélectionner

type script_sisteron.txt | sed -e "s/\(^le_dossier\ \)\([0-9]*\)\(.*\)/echo \"\2\" \&\& \1\2\*\.\*\3\*\.\*/g" | sed -e "s/le_dossier/ren/g" | sed -e "s/devient//g" > new_sisteron.txt

[CaSa]

Voici un exemple simple de filtre fait à partir de l'exemple XML sur Wikipédia => http://fr.wikipedia.org/wiki/XML_Schema#Exemple stocké dans un fichier nommé exemple.xml

Code: Tout sélectionner

sed -e "s/\([^>]*>\)\([^<]*\)\(.*\)/\2/g" exemple.xml

donne :

Code: Tout sélectionner



MBODJ
Babacar
1996-10-06
NIIT
764704140




... on peut aussi filtrer et supprimer les lignes vides (produites par des lignes où il y a seulement des balises) avec grep ainsi :

Code: Tout sélectionner

sed -e "s/\([^>]*>\)\([^<]*\)\(.*\)/\2/g" exemple.xml | grep -v "^$"

Code: Tout sélectionner

MBODJ
Babacar
1996-10-06
NIIT
764704140


[mika]

ok merci je vais essayer cela

[mika]

re bonjour
j'ai utilisé SED pour enlever toute les balises mais je ne sais pas comment faire pour mettre des espaces entre chaque phrase ...
Merci de vos réponses

[CaSa]

Si tu veux un peu plus d'aide, détaille ta demande avec un exemple de fichier.

Ce serait utile en effet, car on saurait quelle est la structure initiale du fichier et ce que tu veux faire exeactement...
Au moins un extrait.

[mika]

Salut,
Alors j'ai utilisé un sed pour enlever toutes les balises puis j'ai envoyé le texte extrait dans un fichier .html
Mais le seul problème c'est que mon texte est tous collé et il tiens en 1 seul lignes. Donc il est pas très présentable, c pour cela que je souhaite faire des espace et des sauts de lignes. J’espère avoir était assez explicite.

[CaSa]

Je comprend qu'à moitié... peut-être tu veux avoir ton fichier lisible (interprétable) en html avec des sauts de lignes, c'est ça ?

A ce moment-là, tu ajoutes des balises <br /> en fin de lignes à ton fichier comme ceci... :

Code: Tout sélectionner

sed -e "s/\([^>]*>\)\([^<]*\)\(.*\)/\2/g" exemple.xml | grep -v "^$" |  sed -e "s/$/<br \/>/g" > ton_fichier.html