А чем нынче модно на перле с XML работать?

[dil]

Задача: зачитать XML (лучше, если при этом будут допускаться небольшие ошибки в виде тегов, закрытых в неправильном порядке. или так не бывает?)
кое-что поудалять, для некоторых поддеревьев выколупать значения и выдать их наружу. В базу.
Всё, ничего более сложного не требуется.

Upd: xml - не самоцель, это промежуточный способ хранения данных, выколупанных из pdf. Если есть возможность работать непосредственно с pdf, то она тоже подойдёт.

Comments

[dkfl.livejournal.com]

XML::LibXML

[zarr.livejournal.com]

> (лучше, если при этом будут допускаться небольшие ошибки в виде тегов, закрытых в неправильном порядке. или так не бывает?)

Так не бывает. А не проще написать xslt который будет генерить sql-скрипт, например?...

[dkfl.livejournal.com]

Как это в духе XML - плодить ненужные сущности! xml, xslt потом sql скрипт вместо того чтоб просто освоить Perl.

[zarr.livejournal.com]

Лично для меня перл - такая же ненужная сущность, как и xslt... :)

[dil.livejournal.com]

я этот xml получил из pdf посредством pdftohtml. и оказалось, что там в некоторых местах b и i закрываются в неправильном порядке, отсюда и вопрос. Я не знаю, проблема ли это pdftohtml или внутри pdf ошибка, да это и не существенно, вообще говоря :)

Не, xslt совсем не проще, нужна довольно эвристическая обработка.

[ctpeko3a.livejournal.com]

Если тэги закрываются в неправильном порядке, то это что угодно, но не XML.

[dil.livejournal.com]

Да я понимаю, но так уж склалось :)

[bormotov.livejournal.com]

...значит работать с этой разметкой как с xml сходу не получится.

Если то, что насоветовали будет валиться с ошибками (или потерей содержимого в теех местах где перепутаны теги), то прийдется искать что-то, чем можно ненапряжно пропарстть markup

[zarr.livejournal.com]

хех :)
есть тулза которая из html xml делает... tiny называлась раньше...

[knutov.livejournal.com]

на search.cpan.org куча готовых модулей для парсинга. Если не ошибаюсь - есть несколько, которые делают из XML хеш хешей.

Для pdf там тоже что-то было, но что - не помню. в ru.perl (кажется)обсуждалось несколько месяцев назад, там говорили каким модулем работать удобнее всего.

[dil.livejournal.com]

вот в том-то и проблема, что куча. а мне выбирать, что лучше, некогда. потому и спрашиваю, чем люди пользуются :)

[dkfl.livejournal.com]

есть книжка O'Reilly Perl & XML чес-слово таи описано все чем можно пользоваться.

[dil.livejournal.com]

Она, конечно, есть, но за 35 баксов и в Штатах..

[dkfl.livejournal.com]

ты эта, не чуди... http://safari.oreilly.com 14 дней бесплатного чтения любой книги oreilly онлайн, да да и посик тоде рулит oreilly perl xml pdf

[dil.livejournal.com]

Нашёл за бесплатно. Спасибо, буду читать.

[ohw.livejournal.com]

expat - стандартная c-библиотека с простым api.

[dil.livejournal.com]

спасибо, c не пойдёт. меня эффективность не волнует, мне надо быстро написать.

[asd.livejournal.com]

XML::Simple

[dil.livejournal.com]

Как оказалось - не катит. Там порядок узлов не сохраняется, потому что они складываются не в массив, а в хэш.

[http://users.livejournal.com/_kleptos_/]

XML::Simple - прост как палка, есть пару фишек, может хватит, фроненд к другим
XML::Parser - первый и самый неюзабельный, идёт с пёрлом
XML::SAX - фронтенд к саксу, говят гуть