@niederle niederle authored on 8 Jan 2016
dtd 1er commit 8 years ago
tmp ajout rép tmp 8 years ago
tools section du readme pour l'exemple SAX 8 years ago
xml modif exemple elsevier 8 years ago
xslt 1er commit 8 years ago
.gitignore ajout package.json avec dépendance à get-doctype 8 years ago
README.md chgt pour fichier big 8 years ago
package.json ajout exemple parseur SAX 8 years ago
parse-doctype ajout package.json avec dépendance à get-doctype 8 years ago
README.md

ADE Outils XML ISTEX

08 janvier 2016

Pré-requis

  • NodeJS
  • xmlstarlet
  • libxml2
  • expat
  • perl
  • j'en oublie sûrement !!! ;-)

Installation

git clone ssh://vsistex.intra.inist.fr:22222/istex/ade-outils-xml.git
cd ade-outils-xml
npm install

XMLWF

Mon fichier XML est-il bien formé ?

  • balises ouvrantes bien fermées
  • balises qui "ne se chevauchent pas"
  • pas de caractères &<>;, dans les attributs ou noeuds texte
  • ...
# test sur un XML bien formé
xmlwf  xml/oup-sample.xml
echo $?

# test sur un XML mal formé
xmlwf  xml/bad-formed.xml
echo $?

# le même test en passant par stdin
cat xml/bad-formed.xml | xmlwf

# test d'un répertoire entier
xmlwf  xml/*

NB : Valeur de retour toujours 0, même si bien formé. Obligation de vérifier stdout si on souhaite automatiser

get-doctype

Récupération des informations contenues dans la ligne doctype.

# récupération d'un doctype "classique"
./parse-doctype xml/oup-sample.xml

# cas d'un XML sans doctype
./parse-doctype xml/wiley-sample.xml

# cas d'un XML mal formé
./parse-doctype xml/parsing-problem.xml

# test sur un gros fichier (24Mo)
./parse-doctype node_modules/get-doctype/test/dataset/big.xml

# utilisation en passant par stdin
cat node_modules/get-doctype/test/dataset/local.xml | ./parse-doctype

Plus d'infos sur https://github.com/Inist-CNRS/get-doctype

xmlstarlet

Site officiel : http://xmlstar.sourceforge.net/

xmlstarlet sel (select)

Interrogation de documents XML en ligne de commande. Possibilité de faire des requêtes complexes via XPath. (documentation officielle)

<?xml version="1.0" encoding="UTF-8"?>
<component xmlns="http://www.wiley.com/namespaces/wiley" version="2.0" type="serialArticle" xml:lang="en">
    <header>
        <publicationMeta level="product">
            <publisherInfo>
                <publisherName>Wiley Subscription Services, Inc., A Wiley Company</publisherName>
                <publisherLoc>Hoboken</publisherLoc>
            </publisherInfo>
              ...
            <issn type="print">1532-2882</issn>
            <issn type="electronic">1532-2890</issn>
              <selfCitationGroup>
                <citation type="ancestor" xml:id="cit1">
                    ...
                    <pubYear year="2000">2000</pubYear>
                </citation>
            </selfCitationGroup>
        </publicationMeta>
        <publicationMeta level="part" position="90">
            ...
            <coverDate startDate="2011-09">September 2011</coverDate>
        </publicationMeta>
    </header>
    <body sectionsNumbered="no">
        <bibliography style="nameDate">
            <title type="main">References</title>
            <bib xml:id="bib1">
                <citation type="other" xml:id="cit2">
                    ...
                      <pubYear year="2008">2008</pubYear>
                </citation>
              </bib>
              <bib xml:id="bib2">
                <citation type="book" xml:id="cit3">
                    ...
                      <pubYear year="2007">2007</pubYear>
                </citation>
              </bib>
              <bib xml:id="bib3">
                <citation type="book" xml:id="cit4">
                    ...
                      <pubYear year="2010">2010</pubYear>
                </citation>
              </bib>
          ...
        </bibliography>
    </body>
</component>
# sélection d'une valeur dans un noeud texte
xmlstarlet sel -t -v "//_:publisherInfo/_:publisherName" -n xml/wiley-sample.xml

# sélection d'une valeur dans un attribut
xmlstarlet sel -t -v "//_:coverDate/@startDate" -n xml/wiley-sample.xml

# sélection d'une valeur avec conditionnelle
xmlstarlet sel -t -v "/_:component/_:header//_:issn[@type='print']" -n xml/wiley-sample.xml

# Utilisation du template -m <=> xsl:for-each
xmlstarlet sel -t -m "//_:citation" -v "_:pubYear/@year" -n  xml/wiley-sample.xml

xmlstarlet val (validate)

Validation de documents selon DTD, Schéma XML ou RelaxNG. (documentation officielle)

# Validation contre DTD
xmlstarlet val -e -d dtd/Wileyml3gv20-flat/Wileyml3gv20-flat.dtd xml/wiley-sample.xml

# Validation contre RelaxNG
xmlstarlet val -e -r dtd/Wileyml3gv20-rng/Wileyml3g.rng xml/wiley-sample.xml

# Echec de validation
xmlstarlet val -e -r dtd/Wileyml3gv20-rng/Wileyml3g.rng xml/not-valid.xml

xmlstarlet tr (transform)

Transformation XSLT de documents XML. (documentation officielle)

# Transformation vers le format MODS / résultat sur stdout
xmlstarlet tr xslt/Wileyml3g.xsl xml/wiley-sample.xml

# Transformation vers le format MODS / résultat indenté sur stdout
xmlstarlet tr xslt/Wileyml3g.xsl xml/wiley-sample.xml | xmllint --format -

# Transformation vers le format MODS / résultat dans un fichier
xmlstarlet tr xslt/Wileyml3g.xsl xml/wiley-sample.xml > tmp/wiley.mods.xml

# Transformation avec passage de paramètre xslt
xmlstarlet tr xslt/Wileyml3g.xsl -s idistex=MON_ID_A_MOI -s datecreation="08/01/2016" xml/wiley-sample.xml | xmllint --format - >  tmp/wiley.mods.xml

# Commande équivalente utilisant xsltproc
xsltproc --stringparam idistex MON_ID_AVEC_XSLTPROC --stringparam datecreation 08/01/2016  --output tmp/wiley.mods.xml xslt/Wileyml3g.xsl xml/wiley-sample.xml

Correction d'espaces de nommage

Outil en ligne de commande écrit en perl par Romain Loth : add_els_ns

# Affichage du fichier XML utilisant des namespaces non déclarés
firefox xml/elsevier-sample.xml

# Correction du fichier
perl tools/add_els_ns.pl xml/elsevier-sample.xml

Modules NPM

xml-mapping

Module NPM de transformation XML <-> JSON (README du module)

xpath

Module NPM de recherche dans un document XML parsé en DOM (README du module)

node-expat

Module NPM permettant de parcourir un document via une API SAX.

Documentation : http://node-xmpp.org/doc/expat.html

Ci-après un exemple un peu plus complexe qui transforme un fichier XML vers un syntaxe "JSON-like".

XML à traiter :

<?xml version="1.0" encoding="utf-8"?>
<atelier numero="3">
  <nom>Outils XML ISTEX</nom>
  <date jour="08" mois="01" annee="2016"/>
  <auteurs>
    <!-- just the best ! -->
    <auteur>
      <nom>Niederlender</nom>
      <prenom>Claude</prenom>
    </auteur>
    <auteur>
      <nom>Caron</nom>
      <prenom>Étienne</prenom>
    </auteur>
  </auteurs>
</atelier>

appel du accès au script lui-même :

tools/sax-parser-sample.js xml/minimal.xml