Discussion :

[keumlebarbare]

Bonjour à tous, je viens vous demander votre avis concernant un parser Java.

J'ai un dossier où se trouve des fichiers : xxx.pdf, xxx.xml, yyy.pdf, yyy.xml etc. avec donc pour chaque fichier pdf son équivalent xml qui décrit les propriétés du fichier.

Ainsi, via les propriétés, je dois charger dans une application le fichier pdf et à l'aide du fichier de description xml je dois renseigner les propriétés.

Il y a plusieurs types de documents pdf qui ont des champs différents, mais la structure reste la même pour tous les pdf:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
<DOC>
	<DESC>
		<TYPEDOC>CV</CODTYPDOC>
		<DATA>
			<CLE>NOM</CLE>
			<VALEUR>LE BARBARE</VALEUR>
		</DATA>
		<DATA>
			<CLE>PRENOM</CLE>
			<VALEUR>KEUM</VALEUR>
		</DATA>
		...
	</DESC>
</DOC>

Sachant que les DATA sont propres a chaque type de document.

J'ai des contraintes de performances donc je cherche le moyen le plus rapide pour traiter chaque document de façon à renseigner ses propriétés par rapport à son TYPDOC. C'est-à-dire que je souhaite ajouter à mon application un document du type TYPDOC et créer une collection de propriétés qui sera chargée dans mon application.

J'espère avoir été assez clair, merci de votre attention, toute aide est la bienvenue.

Cordialement

Keum

[keumlebarbare]

J'ai décidé de partir sur du DOM vu la faible taille du fichier XML.
Par contre je me retrouve avec un problème tout con, il tente à tout prix de valider mon document XML avec la DTD. J'ai regardé sur le forum les différentes options pour schuinter le doctype, et j'ai pas compris l'histoire de faire son propre entityresolver.
J'ai également testé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
DocumentBuilderFactory fabrique = DocumentBuilderFactory.newInstance();
			fabrique.setValidating(false);

Mais cela merde toujours

Qui peut m'éclaircir sur le sens de :

Que tu valides ou pas ton document avec la DTD le parser va essayer d'acceder aux entites externes.

Si tu veux eviter ca il faut que tu fournisse ton propre EntityResolver en plus ca te permet de recuperer le nom de la DTD.

Où dois-je mettre mon EntityResolver? Autre classe, dans mon constructeur?

merci d'avance

[bulbo]

Cela veut dire que si tu fais référence a une entité externe dans ton XML, que tu valides l'XML ou pas, le parser essaiera de localiser cette entité externe.

Si tu fournis ton propre entity resolver (attention de ne pas faire n'importe quoi non plus) il t'est possible dans ce cas de retourner l'InputSource que l'on veut.. pour par exemple ne pas utiliser une DTD et ne pas la chercher qq part .. ça aide surtout si elle n'est pas fournie

Sur le DocumentBuilder il est possible de faire un setEntityResolver, le nom de la méthode semble pourtant assez explicite..
Pour éviter les problèmes dans le cas de la DTD qui nous intéresse et uniquement dans ce cas je retournerais un InputSource vide (i.e. ne contenant pas de donnée).
Ce qu'il faut savoir c'est que si l'EntityResolver retourne null, dans ce cas le comportement par défaut du parser est utilisé pour localiser la DTD, ce qui n'est pas ce que l'on veut ici.

Bulbo

[keumlebarbare]

Merci de ta réponse.

J'ai déjà tenté le setResolveEntity, mais je ne dois pas passer ce qu'il faut ou alors ce que je donne en paramètre vaut null car cela ne fonctionne pas pour le moment.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
	public XMLParser(String path) {
		//Chargement du document
		try{
			factory = DocumentBuilderFactory.newInstance();
			builder = factory.newDocumentBuilder();
			builder.setEntityResolver(new EntityResolver() {
 
				public InputSource resolveEntity(String publicId, String systemId)
						throws SAXException, IOException {
					InputSource dtd = new InputSource();
					InputStream is = new InputStream() {
 
						public int read() throws IOException {
							// TODO Auto-generated method stub
							return 1;
						}
					};
					dtd.setByteStream(is);
 
					return dtd;
				}
			});
			doc = builder.parse(new File(path));
			this.nroot = doc.getDocumentElement();
		}
		catch(Exception e){
			e.printStackTrace();
		}
	}

Je n'ai plus la même erreur, mais celle ci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
[Fatal Error] 209C.BLAN.VLFACRBO.0822.16.54.48_L0006400005.xml:1:1: The markup declarations contained or pointed to by the document type declaration must be well-formed.
org.xml.sax.SAXParseException: The markup declarations contained or pointed to by the document type declaration must be well-formed.
	at org.apache.xerces.parsers.DOMParser.parse(Unknown Source)
	at org.apache.xerces.jaxp.DocumentBuilderImpl.parse(Unknown Source)
	at javax.xml.parsers.DocumentBuilder.parse(Unknown Source)
	at com.groupama.parser.XMLParser.<init>(XMLParser.java:54)
	at com.groupama.parser.XMLParser.main(XMLParser.java:101)
Exception in thread "main" java.lang.NullPointerException
	at com.groupama.parser.XMLParser.getProperties(XMLParser.java:77)
	at com.groupama.parser.XMLParser.main(XMLParser.java:103)

Je dois surement mal m'y prendre, je tente des trucs mais sans savoir où je vais...

Merci en tout cas

[bulbo]

Essaye voir ça en guise d'InputSource:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

InputSource dtd = new InputSource(new StringReader(""));

Bulbo

[keumlebarbare]

Le moins que l'on puisse dire c'est que c'est tout con, et que ca marche



Merci

Keum

[GrandFather]

Le moins que l'on puisse dire c'est que c'est tout con, et que ca marche

Tant mieux pour toi, mais il serait quand même plus judicieux soit de récupérer les DTD et les placer dans un espace accessible au parser (grace à l'entityResolver) ; il ne faut pas oublier que les DTD ne servent pas qu'à la validation mais aussi à la déclaration d'entités internes et externes.

[keumlebarbare]

Tout à fait, mais je me charge d'un injecteur de données et les fichiers xml sont des descripteurs. Je n'ai pas accès pour le moment en tout cas au fichier, ne serait-ce que pour le récupérer. Mais dès que je l'aurais alors je mettrais en place la phase de validation, bien entendu.

Merci de vos réponses en tout cas.

Keum