Parsowanie pliku XML

GA
  • Rejestracja:około 12 lat
  • Ostatnio:prawie 10 lat
0

Witam.
Przedstawię najpierw problem, który muszę rozwiązać. Mam stworzyć program (Turbo Pascal), który będzie wczytywał i zapisywał pliki XML. Do tej pory mam stworzony program, który obsługuje drzewa wielokierunkowe, w których mogę przechowywać tagi oraz wartości a także listę atrybutów. Ale w tej chwili jest to mniej ważne.
Co w tej chwili mam zrobione?
Dla testów stworzyłem plik XML składający się z jednej linijki, w której jest takie "pseudo" XML:

Kopiuj
</model> <kolor>Niebieski</kolor> <marka>opel <waga>20000</waga></marka> j<cena>1000</cena> <wlasciciel>nie</wlasciciel>

I w tej chwili programik potrafi odczytać wszystko poza zagnieżdżonymi tagami - i w tym przypadku tag "waga" ląduje wraz z wartością jako wartość marki.

Kopiuj
WriteLn('Ladowanie z drzewa');
Assign(Tekst, 'plik.txt');
Reset(Tekst);
ReadLn(Tekst, Ciag);
Close(Tekst);

repeat
  UsunP(Ciag, 1, Pos('<', Ciag) - 1);            {usuniecie wszystkiego do <}
  Start:= Pos('<', Ciag);
  Koniec:= Pos('>', Ciag);

  if Start <> 0 then
  if Koniec <> 0 then
  begin
    if Ciag[Start + 1] = '/' then             {tag zamkniety np. </marka>}
    begin
      for I := Start + 2 to Koniec - 1 do
        Tag := Tag + Ciag[I];

      Temp := '</' + Tag + '>';
      UsunP(Ciag, 1, Pos(Temp, Ciag) + SizeOf(Temp) + 3);
    end
    else
    begin
      for I := Start + 1 to Koniec - 1 do
        Tag := Tag + Ciag[I];

      Start := Pos('</' + Tag + '>', Ciag);

      if Start <> 0 then
        if Koniec <> 0 then
          for I := Koniec + 1 to Start - 1 do
            Wartosc := Wartosc + Ciag[I];

      Temp := '</' + Tag + '>';
      UsunP(Ciag, 1, Pos(Temp, Ciag) + SizeOf(Temp) + 3);
    end;

    WriteLn('tag: ', Tag);
    WriteLn('wartosc: ', Wartosc);
    DodajPotomka(Drzewo, Tag, Wartosc);
  end;

  Wartosc := '';
  Tag := '';
until Pos('<', Ciag) = 0;

Co do czego służy - tag to string, który przechowuje treść tagu, a wartosc - wartość tagu.
Procedura DodajPotomka - do drzewa dodaje "potomka". Jest też druga procedura, która dodaje "rodzeństwo", ale nie zastosowałem jej jeszcze tutaj.
ciag - to string, który przechowuje aktualną linijkę.
Procedura UsunP natomiast usuwa z ciągu określoną ilość znaków. Drugi parametr określa od którego znaku ma usuwać, a trzeci - ilość znaków do usunięcia.
Chcę jakoś rozwiązać problem zagnieżdżonych tagów.

edytowany 2x, ostatnio: Gazunio
0

To jest paranoja takie rzeczy w TP robić, Lazarus i FPC jest darmowe i mają moduły do obsługi XML'ów, a jak Ci ktoś zlecił to zrobić w TP to mu powiedz żeby się w łeb [CIACH!] (może nie tak dosadnie)

GA
  • Rejestracja:około 12 lat
  • Ostatnio:prawie 10 lat
0

Ten program mam do wykonania na zajęciach Podstaw Programowania. Wykonywać go będę właśnie wtedy, ale chcę się najpierw do zajęć przygotować.
Wracając do programu, zastanawiałem się nad rekurencją, ale nie wiem czy to najlepszy pomysł. Czy w plikach XML moze być taka sytuacja:

Kopiuj
<samochod>
  <niemiecki>
    nieladny 
    <marka>
       jakas tam
    </marka>
  </niemiecki>
</samochod>

Czy należy brać pod uwagę że mogą być "potomkowie" oraz określona, inna wartość?

Azarien
  • Rejestracja:ponad 21 lat
  • Ostatnio:dzień
0

Mam stworzyć program (Turbo Pascal), który będzie wczytywał i zapisywał pliki XML.
Masakra.

Czy w plikach XML moze być taka sytuacja:
Nie wiem. Jeśli to ma być prawdziwy XML to specyfikacja w łapkę i tego się trzymamy.

Jeśli to jest "zadanie na zaliczenie" to zrób jak ci będzie wygodniej ;-)

edytowany 2x, ostatnio: Azarien
0

Ależ oczywiście że może być taka sytuacja, aczkolwiek pytanie czy ty przewidujesz taką sytuację w strukturze XML'a

Patryk27
Moderator
  • Rejestracja:ponad 17 lat
  • Ostatnio:ponad rok
  • Lokalizacja:Wrocław
  • Postów:13042
1

W ogóle w zły sposób do tego podchodzisz; tutaj lepszym wyjściem byłoby napisanie tokenizera i operowanie na tokenach, znacznie łatwiej.


GA
  • Rejestracja:około 12 lat
  • Ostatnio:prawie 10 lat
0

Chwilę poszukałem na temat tokenów w Pascalu. Czy działają one w Turbo Pascalu? Bo wiele źródeł podaje jedynie Free Pascala. Nie wiem na czym ta metoda polega niestety.
Co do tej mojej propozycji - wyciągania interesujących fragmentów z tekstu, to chciałem to rozwiązać w takim stylu:

  1. Wczytaj ciąg z pliku
  2. Usuń wszystkie znaki do momentu '<'
  3. Znajdź znaki '<' oraz '>' i zapisz ich pozycję w zmiennych start i koniec
  4. Jeśli start i koniec istnieją, sprawdź czy drugi znak to nie '/' - wtedy tag pusty - dodaj do drzewa
  5. Jeśli start i koniec istnieją, zapisz do zmiennej tag znaki pomiędzy '<' oraz '>'
  6. Usuń wszystko od początku do znaku '>'
    I w tym momencie odczytuję wartość tagu. Jeśli jest tutaj zagnieżdzenie, to mam np. <marka>open</marka>. A powinienem "przejść" o poziom niżej.
vpiotr
  • Rejestracja:ponad 13 lat
  • Ostatnio:prawie 3 lata
0
Gazunio napisał(a):

Ten program mam do wykonania na zajęciach Podstaw Programowania. Wykonywać go będę właśnie wtedy, ale chcę się najpierw do zajęć przygotować.
Wracając do programu, zastanawiałem się nad rekurencją, ale nie wiem czy to najlepszy pomysł. Czy w plikach XML moze być taka sytuacja:

Kopiuj
<samochod>
  <niemiecki>
    nieladny 
    <marka>
       jakas tam
    </marka>
  </niemiecki>
</samochod>

Czy należy brać pod uwagę że mogą być "potomkowie" oraz określona, inna wartość?

Jest możliwe.
Musisz określić jaki podzbiór XML-a chcesz implementować i się tego trzymać.
Napisz sobie najbardziej rozbudowany przykład i go testuj.
Na całą specyfikację raczej bym się nie porywał.

Moja propozycja podzbioru:

Kopiuj
<?xml version="1.0" encoding="UTF-8"?>
<!-- Test 1 -->
<samochod model="A102" rok-produkcji="1992">
  <karoseria>
    nieładny 
    <szyberdach przezroczysty="tak">
       jest
    </szyberdach>
    ale szybki
  </karoseria>
  <podwozie>
     <kola>4</kola>
  </podwozie>
</samochod>
edytowany 1x, ostatnio: vpiotr
Azarien
  • Rejestracja:ponad 21 lat
  • Ostatnio:dzień
0

Chwilę poszukałem na temat tokenów w Pascalu. Czy działają one w Turbo Pascalu?
To nie jest coś co działa albo nie działa w danym języku, tylko pewien rodzaj algorytmu. "token" to "znak", albo "słowo", np. nawias, nazwa, liczba...

  1. czytasz kolejno znaki (char). Na początku spodziewasz się <.
  2. po nawiasie < musi nastąpić nazwa taga: dowolny ciąg liter, oprócz >.
  3. natrafiłeś na >, więc wszystko między nawiasami jest nazwą taga.
  4. itd, w pętli, wszystkie możliwości...
GA
  • Rejestracja:około 12 lat
  • Ostatnio:prawie 10 lat
0

Zmieniłem trochę zasadę i jest już trochę lepiej.

Kopiuj
procedure analizuj(var ciag: string);
var
  i: byte;
  openT: boolean;
  openW: boolean;
  nizej:boolean;
  tagT,wartoscT: string;

begin
  i:=1;
  repeat
    if (ciag[i] = '<') and (ciag[i+1] <> '/') then
      openT:=true;
    if (openT = true) and (ciag[i] <> '>') and (ciag[i] <> '<') then
      tag:=tag+ciag[i];
    if (ciag[i] = '>') and (openT = true) then
    begin
      writeln('tag: ',tag);
      tagT:=tag;
      tag:='';
      openT:=false;
      openW:=true;
    end;
    if (openW = true) and (ciag[i] <> '<') and (ciag[i] <> '>') then
      wartosc:=wartosc+ciag[i];
    if (ciag[i] = '<') and (openW = true) then
    begin
      writeln('wartosc: ',wartosc);
      wartoscT:=wartosc;
      wartosc:='';
      openW:=false;
    end;
    if (wartoscT <> '') and (tagT <> '') then
    begin
      DodajPotomka(korzen, tagT, wartoscT);
      wartoscT:='';
      tagT:='';
    end;
    inc(i);
  until length(ciag) = i;
  readln;

end;  

W tym momencie zagnieżdzone tagi również są prawidłowo dodawane. Program nie obsługuje w tej chwili komentarzy i atrybutów, ale od czegoś chciałem zacząć.

Jakoś chcę rozwiązać problem "hierarchii" - gdzie elementy są zagnieżdzone, alementy trafiały "poniżej" elementu w którym się znajdują.

Patryk27
W jakim celu przekazujesz parametr ciag w konwencji var?
GA
W sumie to pozostałość poprzedniej wersji, gdy usuwałem początkowe znaki ciągu. W tej chwili nie jest to potrzebne.
Patryk27
Moderator
  • Rejestracja:ponad 17 lat
  • Ostatnio:ponad rok
  • Lokalizacja:Wrocław
  • Postów:13042
0

Korzystając z wolnej chwili napisałem to tak, jak wg.mnie powinno wyglądać:
http://pastebin.com/B1TsAjvq
Obsługuje same podstawy (+nie patrzałem zbytnio do specyfikacji), czyli właściwie tyle co nic, lecz dodanie obsługi np.komentarzy czy atrybutów nie powinno być trudne (dodałbym sam, ale aktualnie jestem pochłonięty innym projektem ;P).

#Edit: aha, pisane pod FPC, nie TP, lecz jeżelibyś napisał własny odpowiednik TFPGList (listy generycznej) w TP i pozamieniał for..in na tradycyjne for, pewnie by poszło. Kod dodaję głównie tak poglądowo.


edytowany 2x, ostatnio: Patryk27
TO
  • Rejestracja:prawie 20 lat
  • Ostatnio:ponad 4 lata
1

Nie ma jak zlecić napisanie parsera na Podstawach Programowania. Pytanie co prowadzący przewiduje na poziomie zaawansowanym ? "Napisz aplikację, obsługującą Czerwony Guzik Zagłady Totalnej" ?

flowCRANE
Nie będzie Ci do śmiechu, jak faktycznie to zleci i ktoś to napisze... ;)
vpiotr
  • Rejestracja:ponad 13 lat
  • Ostatnio:prawie 3 lata
0
Patryk27 napisał(a):

Korzystając z wolnej chwili napisałem to tak, jak wg.mnie powinno wyglądać:
http://pastebin.com/B1TsAjvq

Ten fragment będzie mało wydajny:

Kopiuj
 For I := 0 To Lines.Count-1 Do // przerabiamy TStringList na String, dodając co każdą linię znak `TokenNewline` (jest to ZNACZNIE wydajniejsze od operaowania na `TStringList.Lines` czy `TStringList.Text`)
  Text += Lines[I]+TokenNewline;

Lepiej użyć:
TStringBuilder

http://www.monien.net/delphi-2009-tstringbuilder/

Patryk27
O ile się nie mylę, TStringBuilder nie ma jeszcze w Lazarusie.
Kliknij, aby dodać treść...

Pomoc 1.18.8

Typografia

Edytor obsługuje składnie Markdown, w której pojedynczy akcent *kursywa* oraz _kursywa_ to pochylenie. Z kolei podwójny akcent **pogrubienie** oraz __pogrubienie__ to pogrubienie. Dodanie znaczników ~~strike~~ to przekreślenie.

Możesz dodać formatowanie komendami , , oraz .

Ponieważ dekoracja podkreślenia jest przeznaczona na linki, markdown nie zawiera specjalnej składni dla podkreślenia. Dlatego by dodać podkreślenie, użyj <u>underline</u>.

Komendy formatujące reagują na skróty klawiszowe: Ctrl+B, Ctrl+I, Ctrl+U oraz Ctrl+S.

Linki

By dodać link w edytorze użyj komendy lub użyj składni [title](link). URL umieszczony w linku lub nawet URL umieszczony bezpośrednio w tekście będzie aktywny i klikalny.

Jeżeli chcesz, możesz samodzielnie dodać link: <a href="link">title</a>.

Wewnętrzne odnośniki

Możesz umieścić odnośnik do wewnętrznej podstrony, używając następującej składni: [[Delphi/Kompendium]] lub [[Delphi/Kompendium|kliknij, aby przejść do kompendium]]. Odnośniki mogą prowadzić do Forum 4programmers.net lub np. do Kompendium.

Wspomnienia użytkowników

By wspomnieć użytkownika forum, wpisz w formularzu znak @. Zobaczysz okienko samouzupełniające nazwy użytkowników. Samouzupełnienie dobierze odpowiedni format wspomnienia, zależnie od tego czy w nazwie użytkownika znajduje się spacja.

Znaczniki HTML

Dozwolone jest używanie niektórych znaczników HTML: <a>, <b>, <i>, <kbd>, <del>, <strong>, <dfn>, <pre>, <blockquote>, <hr/>, <sub>, <sup> oraz <img/>.

Skróty klawiszowe

Dodaj kombinację klawiszy komendą notacji klawiszy lub skrótem klawiszowym Alt+K.

Reprezentuj kombinacje klawiszowe używając taga <kbd>. Oddziel od siebie klawisze znakiem plus, np <kbd>Alt+Tab</kbd>.

Indeks górny oraz dolny

Przykład: wpisując H<sub>2</sub>O i m<sup>2</sup> otrzymasz: H2O i m2.

Składnia Tex

By precyzyjnie wyrazić działanie matematyczne, użyj składni Tex.

<tex>arcctg(x) = argtan(\frac{1}{x}) = arcsin(\frac{1}{\sqrt{1+x^2}})</tex>

Kod źródłowy

Krótkie fragmenty kodu

Wszelkie jednolinijkowe instrukcje języka programowania powinny być zawarte pomiędzy obróconymi apostrofami: `kod instrukcji` lub ``console.log(`string`);``.

Kod wielolinijkowy

Dodaj fragment kodu komendą . Fragmenty kodu zajmujące całą lub więcej linijek powinny być umieszczone w wielolinijkowym fragmencie kodu. Znaczniki ``` lub ~~~ umożliwiają kolorowanie różnych języków programowania. Możemy nadać nazwę języka programowania używając auto-uzupełnienia, kod został pokolorowany używając konkretnych ustawień kolorowania składni:

```javascript
document.write('Hello World');
```

Możesz zaznaczyć również już wklejony kod w edytorze, i użyć komendy  by zamienić go w kod. Użyj kombinacji Ctrl+`, by dodać fragment kodu bez oznaczników języka.

Tabelki

Dodaj przykładową tabelkę używając komendy . Przykładowa tabelka składa się z dwóch kolumn, nagłówka i jednego wiersza.

Wygeneruj tabelkę na podstawie szablonu. Oddziel komórki separatorem ; lub |, a następnie zaznacz szablonu.

nazwisko;dziedzina;odkrycie
Pitagoras;mathematics;Pythagorean Theorem
Albert Einstein;physics;General Relativity
Marie Curie, Pierre Curie;chemistry;Radium, Polonium

Użyj komendy by zamienić zaznaczony szablon na tabelkę Markdown.

Lista uporządkowana i nieuporządkowana

Możliwe jest tworzenie listy numerowanych oraz wypunktowanych. Wystarczy, że pierwszym znakiem linii będzie * lub - dla listy nieuporządkowanej oraz 1. dla listy uporządkowanej.

Użyj komendy by dodać listę uporządkowaną.

1. Lista numerowana
2. Lista numerowana

Użyj komendy by dodać listę nieuporządkowaną.

* Lista wypunktowana
* Lista wypunktowana
** Lista wypunktowana (drugi poziom)

Składnia Markdown

Edytor obsługuje składnię Markdown, która składa się ze znaków specjalnych. Dostępne komendy, jak formatowanie , dodanie tabelki lub fragmentu kodu są w pewnym sensie świadome otaczającej jej składni, i postarają się unikać uszkodzenia jej.

Dla przykładu, używając tylko dostępnych komend, nie możemy dodać formatowania pogrubienia do kodu wielolinijkowego, albo dodać listy do tabelki - mogłoby to doprowadzić do uszkodzenia składni.

W pewnych odosobnionych przypadkach brak nowej linii przed elementami markdown również mógłby uszkodzić składnie, dlatego edytor dodaje brakujące nowe linie. Dla przykładu, dodanie formatowania pochylenia zaraz po tabelce, mogłoby zostać błędne zinterpretowane, więc edytor doda oddzielającą nową linię pomiędzy tabelką, a pochyleniem.

Skróty klawiszowe

Skróty formatujące, kiedy w edytorze znajduje się pojedynczy kursor, wstawiają sformatowany tekst przykładowy. Jeśli w edytorze znajduje się zaznaczenie (słowo, linijka, paragraf), wtedy zaznaczenie zostaje sformatowane.

  • Ctrl+B - dodaj pogrubienie lub pogrub zaznaczenie
  • Ctrl+I - dodaj pochylenie lub pochyl zaznaczenie
  • Ctrl+U - dodaj podkreślenie lub podkreśl zaznaczenie
  • Ctrl+S - dodaj przekreślenie lub przekreśl zaznaczenie

Notacja Klawiszy

  • Alt+K - dodaj notację klawiszy

Fragment kodu bez oznacznika

  • Alt+C - dodaj pusty fragment kodu

Skróty operujące na kodzie i linijkach:

  • Alt+L - zaznaczenie całej linii
  • Alt+, Alt+ - przeniesienie linijki w której znajduje się kursor w górę/dół.
  • Tab/⌘+] - dodaj wcięcie (wcięcie w prawo)
  • Shit+Tab/⌘+[ - usunięcie wcięcia (wycięcie w lewo)

Dodawanie postów:

  • Ctrl+Enter - dodaj post
  • ⌘+Enter - dodaj post (MacOS)