\n",
"je reponse a ton aimableux lettres
\n",
"que nous a fait plaisir en naprenas
\n",
"que tu et enbonne santes car il
\n",
"anais de maime pour nous
\n",
"
` en utilisant la méthode [findall](http://effbot.org/zone/element.htm#searching-for-subelements). la méthode `findall` renvoie une liste avec tous les éléments correspondant au chemin argument."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"body = root.findall(\"./[...]\", namespaces={'tei':\"http://www.tei-c.org/ns/1.0\"})\n",
"for elem in body: # tout le texte ne s'affichera pas, c'est normal !\n",
" print(elem.text)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Ici on ne récupère que les noeuds text précédant les éléments `
`.\n",
"\n",
"Utilisez la fonction `xpath` pour récupérer tous les noeuds text du corps de la lettre. Vous intégrerez dans votre requête la fonction `text` (vue un peu plus haut) dans votre chemin xpath (vous pouvez _aussi_ fouiller [par ici](https://lxml.de/xpathxslt.html) pour avoir de la documentation supplémentaire)."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"body = root.xpath(\"[...]\", namespaces={'tei':\"http://www.tei-c.org/ns/1.0\"})\n",
"for text in body:\n",
" print(text, end=\"\")"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Exercice 2**\n",
"\n",
"Écrivez une requête xpath pour récupérer tous les éléments raturés de la lettre de Joséphine."
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## avec DOM"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"L'API `ElementTree` est propre à Python, `DOM` ([le site officiel](https://www.w3.org/DOM/) et [des informations en français](https://developer.mozilla.org/fr/docs/Web/API/Document_Object_Model)) est une API indépendante d'un langage de programmation. Il existe des implémentations `DOM` dans la plupart des langages de programmation modernes. "
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"from xml.dom import minidom\n",
"dom = minidom.parse(\"josephine-1-150119.xml\")\n",
"# l'objet Document\n",
"dom"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"title = dom.getElementsByTagNameNS(\"http://www.tei-c.org/ns/1.0\", 'title')[0] # un seul élément 'title' dans le document\n",
"print(title) # title est un objet Element, pour accèder au contenu textuel il faut récupérer le noeud texte\n",
"print(title.lastChild.nodeName)\n",
"print(title.lastChild.nodeValue)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"idem pour la source, sauf qu'on ne peut pas se permettre de rechercher tous les éléments `p`. \n",
"Il faut trouver l'élément `p` fils de `sourceDesc`"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"sourceDesc = dom.getElementsByTagNameNS(\"http://www.tei-c.org/ns/1.0\", 'sourceDesc')[0]\n",
"for node in sourceDesc.childNodes:\n",
" if node.localName == \"p\":\n",
" print(node.lastChild.nodeValue)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Et maintenant le contenu et ses éléments milestones. \n",
"Pour garder la forme vous réécrirez les boucles `for` suivies de `if` en listes en intension."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
"outputs": [],
"source": [
"body = dom.getElementsByTagNameNS(\"http://www.tei-c.org/ns/1.0\", 'body')[0]\n",
"for node in body.childNodes:\n",
" if node.localName == \"p\" or \"opener\":\n",
" for in_node in node.childNodes:\n",
" if in_node.nodeName == \"#text\":\n",
" print(in_node.nodeValue, end=\"\")"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.7.3"
}
},
"nbformat": 4,
"nbformat_minor": 1
}