Discussion :

[ep31]

Bonjour,
je m'appuie sur la SDK MSXML de Microsoft, en disons que j'ai l'arbre XML suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
 
<A>texte de A
   <B>texte de B
      <C>texte de C
      </C>
   </B>
</A>

Si j'applique la méthode get_text () sur le noeud A, elle me renvoie la chaine suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
texte de A*texte de B*texte de C

Où *, en passant en debug correspond à la chaine suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
0x0A 0x09 0x09 0x20

Ma question est la suivante :
Est-ce que ce séparateur est une norme de séparation du contenu de différents Elements ?
Merci

[ep31]

Je reformule ma question, ce séparateur est-il propre à un codepage ou bien est-il un séparateur unique reconnu par UTF-8 ?

[GrandFather]

Bonjour,

cela provient du fait qu'il y a un noeud texte qui contient le retour-chariot et une tabulation après l'élément <A>, et un autre noeud qui contient un retour-chariot suivi d'un espace après l'élément <B>. Ces noeuds textuels te sont remontés par get_text(), à l'instar des noeuds textuels contenus dans les éléments <A>, <B> et <C>.

Pour t'en débarasser, deux possibilités :
- les filtrer par programmation
- si tu as la main sur la création du fichier XML, le produire sans introduire de caractères de présentation tels que les tabulations et les retour-chariots ; moins lisible pour un humain, mais sans noeuds "parasites".

[EDIT] En principe, le comportement par défaut est que ces noeuds sont supprimés à la lecture du flux XML. Il est donc étonnant de les retrouver là... Tu n'aurais pas modifié ce omportement par défaut, avec une ligne du genre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

monDocXML.preserveWhiteSpace = true;