подскажите как мне вытащить из xml такого вида 

всё начиная с <soap:aa> и заканчивая </soap:aa> 
спасибо.

yodgik1, вообще-то много очень обсуждалось про XML. Вы бы сначала поиском воспользовались!
Вам для этого модуль не нужен, но во многих это желательно.

Уважаемый yodgik1, попробуйте

yodgik1, я привел пример между

Добавлено через 8 секунд
<soap:aa> ... </soap:aa>

Добавлено через 38 секунд
Возможно ginnie более прав, если 


Добавлено через 1 минуту и 40 секунд
Т.к. я не понимаю
если это весь XML, то зачем из него его же и получать ;)

Добавлено через 4 минуты и 40 секунд
yodgik1, ответьте, не мучайте ;)

Немного офтопа. 
<soap:aa>.+?</soap:aa>
Меня такие конструкции страшно забавляют. Они всегда исправно работают или нет? В данном шаблоне получается PERL должен угадать, что вам надо. А это значит он может ошибиться и не угадать. 

не, не всегда.
они срабатыват пока не поменяется префикс пространства имен в XML.
Например ваш XML может выглядеть так:



soap -> zoap  и быть при этом валидным XML.

Используйте
[code=use XML::LibXML;
my $parser = XML::LibXML->new();
my $doc = $parser->parse_string($xml);
my $xpc = XML::LibXML::XPathContext->new($doc->documentElement());
$xpc->registerNs('prefix', 'http://schemas.xmlsoap.org/soap/envelope/');
my $value  = eval {$xpc->find('//prefix:aa')->textContent()};
[/code]

вообще парсить xml и html regexами- зло..

Отнюдь. 


Такие изменения могут быть вообще в любом файле. Сегодня парсишь один файл логов, с парой, где


А завтра станет



И что теперь?? Вообще использование регулярных выражений зло?? 

1) Это не надежное решение.  Плохой стиль.
2) XPath намного удобней regex при работе с XML.
3) Вот как вы проверяете работу regex ? Да просто берет и проверяете на 1 XML. 
В результате вы можете быть уверены, что ваш regex работает на 1 xml.
Завтра может прийти другой, на котором не работает. Например банально пробелов добавили 
(которые убираются нормализацией XML), поменяли префиксы, или в какой-то тэг добавили атрибут, а вы его
раньше искали как /<bla>/
4) как вы проверите , что XML не валидный ?


Изменение 

на 


это изменение формата файла. За это несет ответственность тот, кто это сделал. Он должен был вам (и другим)
как то об этом сообщить.

Изменение префикса пространства имен - это НЕ изменение формата, о таких вещах никто не должен вас оповещать
и придраться к ним будет нельзя.

Нужно обосновывать, а не просто говорить. 


А мне кажется нужно задуматься прежде - какая стоит задача. 


Все зависит от того, насколько хорошо ты владеешь регулярными выражениями, и вообще понимаешь парсинг. Умение сипользовать регулярные выражения, не одно и то же что уметь писать на перле 


А оно мне нужно?? Если меня попросили распарсить файл, а не проверять его валидность, формат и т.п. Это две разные задачи 



А тут не стоит мешать все в кучу, и обособлять лишь то, что удобно в твоем варианте. 



sir_nuf_nuf, ты еще очень мало работал с регулярными выражениями, это во-первых. Во-вторых с такими взглядами, ты можешь написать приложение, которое будет делать все, но при этом будет требовать столько ресурсов и времени на свое выполнение, что оно будет бесполезным 

Шерлок Холмс завидует вашей дедукции =)



если хотите продемострировать всю мощь регулярных выражений, предложите решение например такой задачи:

Есть такой формат Atom - лента объявлений/новостей.
В таком xml есть элемент link - ссылка на что либо.
link  может быть у <feed> , у <entry> и , кроме того в <entry> может быть <content> в котором
автор может вообще размещать что угодно.
Пожалуйста найдите все ссылки в объявления некого автора (Васи Пупкина, например).


Или предложите осмысленную задачу на разбор XML для решени которой regex удобнее.

Лучше приведи XML текст. А то предложение почитать спецификацию на англ. что бы самому сочинить себе XML, а потом с успехом его парсануть, выглядит нелепым. 

собственно нужно выбрать все ссылки которые в объявлениях от Pupkin
rabler.ru
yahoo.ru
google.ru
ya.ru

Это сообщение отредактировал(а) sir_nuf_nuf - 25.6.2008, 08:05

Набросал сразу, поэтому это еще не факт, что мой код самый простой, возможно, вполне возможно, что можно написать его еще проще с помощью тех же регулярных выражений 

Уважаемый sir_nuf_nuf, из любого правила бывают исключения



предлагаю: задача осмысленная, хотя сам я именно ее не решал. На сайте ozon.ru есть прайс в формате XML http://www.ozon.ru/multimedia/zip/yandexbooks.zip (более 200 Мб). Выберите из него данные по книге с определенным идентификатором (любой, по Вашему желанию).

Если, вдруг, решите написать скрипт, огласите время его работы и занятую скриптом память.

+1 - если объем данных большой , то DOM не  подойдет, только SAX..  а вот что удобнее SAX или regex - Это уже обсуждается.
+2 - если нужно "выбрать данные" т.е. куском XML - то пойдет regex, а если конкретный элемент(ы) - то легче Xpath






Тут же ошибка.. вы предполагаете, что в теле <entry> автор не может употребить свой элемент <entry>. А он может, например так:



проблема даже не в этом конкретном месте, просто чем дальше вы будите пытаться тем больще таких новостей будите открывать...

Это сообщение отредактировал(а) sir_nuf_nuf - 25.6.2008, 11:40

Очень интересная, кстати, задачка, сводящаяся в большей части к построению грамотных индексов.
Хотя если выборка предстоит однарозовая(в чем сильно сомневаюсь), то к условному построчному чтению.

Это не ошибка.

Я предлагаю тебе понять одну простую вещь - передо мной стоит конкретная задача - я решаю конкретную задачу.

Зачем тогда в софте пишут "version 1.0", "version 1.4" и т.п.?? Перед тобой стоят конкретные задачи и ты их решаешь. Если со временем появляются новые задачи, появляются новые версии решения задачи, патчи и т.п.

Иначе бы мы всегда имели лишь одну версию любого софтверного инструмента 

Вы о чем ?  это одна и та же версия - называется Atom 1.0



Я соглашаюсь понять эту вещь =) Не стоит наезжать, я грамотный человек и опыта тоже хватает.

Пару месяцев назад мы тоже решили решить конкретную задачу по обработке XML с помощью regex и других текстовых манипуляций - и вот начали появляться первые проблемы, т.к.  XML стал меняться (не формат, а содержимое).
Нам приходится заниматься поддержкой такого решения, поэтому планируем в ближайшее время перейти на DOM.


Я предлагаю остаться при своих мнениях. 

Я сейчас говорю не конкретных вещях. А в целом.


Ну, не я начал разбрасыватся такими фразами как "Ошибка". 


Я почти два года занимался тем, что писал на перле программы, которые занимались парсингом тех или иных файлов. И тоже сталкивался с проблемами, а порой приходилось какие-то пункты(не подпункты), вообще переделывать по-другому нежели в ТЗ. Это вполне естественное явление в программировании. И стоит ли по этому поводу говорить, что это ошибка ?? 

Да, вы правы, я как всегда некорректен =) больше не буду.

вообщем вся моя идея заключалась в том, что regex не для всего подходит. для многоно , но для XML - плохо.

Если вы утверждаете, что разбор XML с помощью regex правильнее и лучше, чем с помощью DOM, SAX и Xpath, 
то я могу попросить только не убеждать в этом других.



Это сообщение отредактировал(а) sir_nuf_nuf - 25.6.2008, 18:32

sir_nuf_nuf
regex универсальный, а вместе с встроенным функциями index, sunbstr можно получить очень приличную скорость, гибкость, экономию ресурсов и легкость. 

А вложенность тега entry легво можно обойти. Для этого перед началом работы основной процедуры. Нужно пройтись по xml документу и всем вложенным entry присвоить уровень вложенности. entry->entry1 и т.д. Благодаря тому что xml строже htm,l то тут можно вовсю использовать index и substr, а это самые быстрые функции для работы с текстом. 

К вам такая же просьба не убеждать других что парсить htm и xml и т.д рег. выражениями есть зло

не убедят  Знающий человек не убедится.

sir_nuf_nuf, началось после, того как вы утверждали кое-что  При прочнении заного топика - всё станет на свои места  (было утверждение, что regexp чаще плохо, чем хорошо)

;)

sir_nuf_nuf
С вашей задачей справились. А вот вы можете справиться вот с такой задачей используя парсер html.
Нужно получить все курсы валют от сюда savechange.ru. И вывести их в такой таблице
Валюта_IN,число,Валюта_OUT,число,RESERVE_Валюта_OUT,число

tolkien, он всё же про xml и подобия говорил... html сами знаете какой 

Ну вот опять... Речь не о том, какой формат файлов парсить, а какая у нас задача.

Если тебе нужно будет написать один(!) парсер, работающий как и с XML, так и с HTML, а может и еще с каким-нить интересным форматом файла?? Подчеркиваю один общий парсер??