Salut à tous !
J'ai créé un parseur XML grâce à <acronym title="Simple API for XML">SAX</acronym> pour un langage semblable au zCode.

Cependant, j'ai un problème :
Si l'utilisateur entre des caractères réservés à XML (<, >, &), ça bug.
Il faudrait que je les transforme en entités XML (&lt; , &gt; , &amp; ) avant de parser le XML.

Petit problème, par contre.
Si j'utilise une regexp comme :

chaine = sub('<', '&lt;', chaine)

ça va également modifié les balises, car chaine (le texte de l'utilisateur) en contient (ou peut en contenir plutôt).

Alors, connaissez-vous un moyen de régler ce problème ?

Merci d'avance pour votre aide.

Si vous avez besoin de code, allez voir sur le sujet de mon autre problème relié à SAX, où vous trouverez mon parseur XML.

Je crois que ton problème doit être résolue dans les dicos des balises... "&lt;gras&gt;" : "<strong>"

Après, je n'ai pas vraiment lus ton code entièrement...

Le problème, c'est que SAX ne prend pas &lt;gras&gt; comme une balise...
Donc, la fonction de parsage ne sera pas appelée.

Je viens de trouver une fonction qui échappe les caractères :
xml.sax.saxutils()

Mais, <gras>gras</gras> se transformera en &lt;gras&gt;gras&lt;/gras&gt; et SAX ne le prend donc pas comme balise.

Il faudrait trouvé un moyen d'échapper seulement les caractères qui ne font pas partie des balises.

Avez-vous une autre idée ?

Merci d'avance pour votre aide.

Salut à tous !
J’ai trouvé une solution, mais elle est moche…

Il s’agit d’une grande regexp du genre :

chaine = sub('<(?!/?(gras|italique|…)>)', '&lt;', chaine)

pour enlever seulement les entités < et > lorsque qu’ils ne font pas partie d’une balise.

Est-ce que vous auriez une meilleure idée ?

Merci pour votre aide.

Le module saxutils contient bien les fonctions dont tu as besoin :

>>> from xml.sax.saxutils import unescape, escape
>>> s = escape('<gras>')
>>> s
'&lt;gras&gt;'
>>> unescape(s)
'<gras>'

Plus d'infos sur cette page du wiki python.

Ça te permettra de parser ton code avec sax puisqu'il pourra reconnaître les balises.

Salut.
Merci pour ta réponse.

Cependant, je ne comprends pas comment m’y prendre, même avec ces fonctions.

La chaîne postée peut contenir à la fois des balises et des caractères spéciaux.

Or, avec ces fonctions, tous les <, > et & seront échappés même s’ils font partie d’une balise.

Le problème reste alors le même puisque je ne peux toujours pas faire la différence entre le < d’une balise ou le < en dehors d’une balise.

Est-ce qu’il y aurait un moyen de faire en sorte que unescape n’agisse que sur les &lt; et &gt; d’une balise ?

Ou bien, y aurait-il une autre solution ?

Merci d’avance.

Tu parses ton langage à la main ou tu utilises un truc du genre SAX, DOM, ElementTree ?
Dans le second cas, ça m'étonne que le parser ne gère pas ce genre de choses nativement...

Ça résout pas directement ton problème, mais perso pour parser du xml ou html crado, j'utilise lxml, et ça marche plutôt bien.

http://codespeak.net/lxml/lxmlhtml.html#parsing-html

Bon, par contre c'est plus "DOM-like" que "SAX-like", car il me semble que le parseur en question produit une représentation du code en mémoire, donc c'est un peu lourd si tu as besoin de parser de gros documents.

J’utilise SAX, mais je dois envoyer une chaîne au parseur qui, lui, doit avoir des balises entourées de < et > sinon il ne « verra » pas les balises.

SAX appelle des méthodes lorsqu’il « voit » des balises.
C’est pourquoi escape ne fonctionne pas…

Croyez-vous qu’il existe un autre moyen que ma regexp ?

Merci d’avance pour votre aide.