ComputerBase Menü
Aktuelles

Python XML Parsing bei Handgeschriebener oder Handeditierter XML-Datei

A

agredo

Cadet 2nd Year
Registriert
Juni 2015
Beiträge
24
Guten Tag liebe Community.

Ich wage mich momentan an Python. Ich hab ein kleines Programm erstellt, welches ein Nomen als Plural, das Wort und mit Artikel in einer XML speichert.

Code: 
<?xml version="1.0"?>

<lexicon-segment>

<group name="Pretty in Pink">Name1, Name2, Name3</group>

<word plural="Hunde" gender="masc">Hund</word>

<word plural="Frauen" gender="fem">Frau</word>

<word plural="Häuser" gender="neut">Haus</word>

<word plural="Stühle" gender="masc">Stuhl</word>

<word plural="Bären" gender="masc">Bär</word>

<word plural="Bäume" gender="masc">Baum</word>

</lexicon-segment>

Nun lese ich diese XML ein. Das Funktioniert auch ohne Probleme.

Nun hatte ich ein Mal den Fall, dass eine solche XML per Hand editiert oder komplett geschrieben wurde. Das kann ich leider nicht Nachvollziehen.

Und die kann leider nicht mehr eingelesen werden.

Code: 
<?xml version="1.0"?>

<lexicon-segment>

<group name="Samantha">Name1, Name2, Name3, Name4</group>

<word plural="Filme" gender="masc">Film</word>

<word plural="Autoren" gender="masc">Autor</word>

<word plural="Schnitte" gender="masc">Schnitt</word>

<word plural="Damen" gender="fem">Dame</word>

</lexicon-segment>

In der Zeile myStuff = ET.parse(myFile); ensteht immer der Fehler "not well-formed (invalid token): line 1, column 1"
nun verstehe ich leider nicht, wie ich diesen Fehler behandeln kann.

Speichern der XML
Code: 
            ET.SubElement(root, "word", gender=words[2], plural=words[1]).text = words[0];
            tree = ET.ElementTree(root);
            tree.write("lexicon-segment-Pretty-in-Pink-From-" + name + ".xml");


Lesen aller XML-Dateien im Ordner
Code: 
        #Get Files
        allFiles = glob.glob("./*.xml");

        for i in range(len(allFiles)):
            allFiles[i] = allFiles[i][2:-1];
            allFiles[i] += "l";

        allFilesList = [];

        #Store all xmls
        for i in range(len(allFiles)):
            myFile = open(allFiles[i]);
            myStuff = ET.parse(myFile);
            root = myStuff.getroot();
            allFilesList.append(root);           

        list = root.attrib;
        print(list);
        
        attList =  [];

vielleicht kann mir noch jemand kurz erklären wie ich einen String von Index n bis zum ende abspeichere.
Momentan ja so gelöst

for i in range(len(allFiles)):
allFiles = allFiles[2:-1];
allFiles += "l";

Ich bekomme es nur hin ohne das "l" :D sorry aber ich habe da echt nichts gefunden wie ich das in der Klammer ausdrücken kann.


Vielen Dank für die Antworten der vermutlich dämlichen Fragen :)

Agredo
 
Zuletzt bearbeitet:
String von Index n bis zum Ende ist einfach:
Code: 
langer_string = 'abcdef'
kurzer_string = langer_string[2:] # cdef

Ich nehme an, du möchtest das "./" von deinem glob entfernen? Das ist aber nicht notwendig.
Code: 
from lxml import etree
import glob

allFilesList = []

for file in glob.glob("./*.xml"):
  allFilesList.append(etree.parse(file).getroot())

Ist der Bindestrich im XML beabsichtigt? Dadurch wird das XML ungültig.
Code: 
-<lexicon-segment>
 
0x8100 schrieb:
String von Index n bis zum Ende ist einfach:
Code: 
langer_string = 'abcdef'
kurzer_string = langer_string[2:] # cdef

Ich nehme an, du möchtest das "./" von deinem glob entfernen? Das ist aber nicht notwendig.
Code: 
from lxml import etree
import glob

allFilesList = []

for file in glob.glob("./*.xml"):
  allFilesList.append(etree.parse(file).getroot())

Ist der Bindestrich im XML beabsichtigt? Dadurch wird das XML ungültig.
Code: 
-<lexicon-segment>
Zum Vergrößern anklicken....

Danke ich dachte ich hätte str[2:] ausprobiert :D ja klar jetzt funktioniert es :) Danke :)

Wussste nicht, dass ich ich "." weglassen kann werde das gleich mal ausprobieren danke :)

Ja und beim Letzten das eigentliche Proble,m habe ich ein Fehler gemacht. ich habe die XML im Browser geöffnet und der Browser hat da ein "-" rangehangen. Habe das soweit Editiert.
Noch mal das Problem:
Die Datei, welche mit diesem Programm erstellt wurde, kann ich einlesen. Eine Andere Datei, welche eventuell per Hand Editiert oder komplett geschrieben wurde kann ich nicht einlesen. Dort Taucht dann der Fehler "not well-formed (invalid token): line 1, column 1" auf.
 
unter Linux benutze ich "xmllint" in der Console, um zu überprüfen ob XML Dateien valide sind. Das gibts aber auch online (nach "xml validator" suchen z.b. http://www.xmlvalidation.com), da kannst du deine Datei ja mal überprüfen lassen.
 
Dort wurde nichts gefunden.
wenn ich Validate against external XML Schema wähle ist gefühlt jede Zeile Falsch.

217 errors have been found!

Click on to jump to the error. In the document, you can point at with your mouse to see the error message.
Errors in the XML document:

1: 18 cvc-elt.1: Cannot find the declaration of element 'lexicon-segment'.

Errors in file xml-schema:

1: 18 s4s-elt-invalid: Element 'lexicon-segment' is not a valid element in a schema document.
1: 18 s4s-elt-schema-ns: The namespace of element 'lexicon-segment' must be from the schema namespace, 'http://www.w3.org/2001/XMLSchema'.
1: 18 schema_reference.4: Failed to read schema document 'file:///xml-schema', because 1) could not find the document; 2) the document could not be read; 3) the root element of the document is not <xsd:schema>.
1: 65 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Cassandra, Michael'.
1: 96 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'a, Christina, Christian, Leonie'.
1: 143 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Hund'.
1: 189 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Frau'.
1: 241 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Haus'.
1: 294 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Stuhl'.
1: 342 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'B'.
1: 348 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'ä'.
1: 349 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'r'.

XML document:

1 <lexicon-segment><group name="Pretty in Pink">Cassandra, Michaela, Christina, Christian, Leonie</group><word gender="masc" plural="Hunde">Hund</word><word gender="fem" plural="Frauen">Frau</word><word gender="neut" plural="Häuser">Haus</word><word gender="masc" plural="Stühle">Stuhl</word><word gender="masc" plural="Bären">Bär</word></lexicon-segment>

xml-schema

1 <lexicon-segment><group name="Pretty in Pink">Name1, Name2, Name3, Name4</group><word gender="masc" plural="Hunde">Hund</word><word gender="fem" plural="Frauen">Frau</word><word gender="neut" plural="Häuser">Haus</word><word gender="masc" plural="Stühle">Stuhl</word><word gender="masc" plural="Bären">Bär</word></lexicon-segment>

Und bei der funktioniert das Einlesen.

Und hier die nicht Funktioniert hat:

8416 errors have been found!

Click on to jump to the error. In the document, you can point at with your mouse to see the error message.
Errors in the XML document:

1: 18 cvc-elt.1: Cannot find the declaration of element 'lexicon-segment'.

Errors in file xml-schema:

1: 18 s4s-elt-invalid: Element 'lexicon-segment' is not a valid element in a schema document.
1: 18 s4s-elt-schema-ns: The namespace of element 'lexicon-segment' must be from the schema namespace, 'http://www.w3.org/2001/XMLSchema'.
1: 18 schema_reference.4: Failed to read schema document 'file:///xml-schema', because 1) could not find the document; 2) the document could not be read; 3) the root element of the document is not <xsd:schema>.
3: 20 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Imke Grothenn, Is'.
3: 77 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'abelle Schulz, Lea Jakubigk, Saskia Langrock Nicole Hober'.
5: 41 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Film'.
6: 44 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Autor'.
7: 47 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Schnitt'.
8: 40 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Dame'.
9: 51 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Drehbuch'.
10: 44 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Licht'.
11: 40 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Ton'.
12: 43 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Preis'.
13: 50 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Abenteuer'.
14: 62 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Schauspielerin'.
15: 46 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Sprache'.
16: 43 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Wort'.
17: 41 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Laut'.
18: 49 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Ausdruck'.
19: 59 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Kommunikation'.
20: 51 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Gespräch'.
21: 42 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Satz'.
22: 69 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Sprachwissenschaft'.
23: 52 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Wortgruppe'.
24: 56 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Sprachwandel'.
25: 45 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Bilanz'.
26: 45 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Gewinn'.
27: 47 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Verlust'.
28: 44 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Steuer'.
29: 47 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Konzern'.
30: 48 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Vertrag'.
31: 48 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Abkommen'.
32: 50 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Strategie'.
33: 41 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Bank'.
34: 50 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Vorstand'.
35: 43 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Baum'.
36: 40 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Ast'.
37: 43 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Wald'.
38: 42 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Blume'.
39: 44 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Blüte'.
40: 43 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Gras'.
41: 44 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Käfer'.
42: 41 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Tier'.
43: 44 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Busch'.
44: 41 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Pilz'.
45: 43 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Kunst'.
46: 50 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Künstler'.
47: 42 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Bild'.
48: 49 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Porträt'.
49: 48 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Gemälde'.
50: 44 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Pinsel'.
51: 51 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Zeichnung'.
52: 42 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Farbe'.
53: 43 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Stift'.
54: 51 s4s-elt-character: Non-whitespace characters are not allowed in schema elements other than 'xs:appinfo' and 'xs:documentation'. Saw 'Staffelei'.

XML document:

1 <lexicon-segment>
2 <group name="Samantha">
3 Imke Grothenn, Isabelle Schulz, Lea Jakubigk, Saskia Langrock Nicole Hober
4 </group>
5 <word gender="masc" plural="Filme">Film</word>
6 <word gender="masc" plural="Autoren">Autor</word>
7 <word gender="masc" plural="Schnitte">Schnitt</word>
8 <word gender="fem" plural="Damen">Dame</word>
9 <word gender="neut" plural="Drehbücher">Drehbuch</word>
10 <word gender="neut" plural="Lichter">Licht</word>
11 <word gender="masc" plural="Töne">Ton</word>
12 <word gender="masc" plural="Preise">Preis</word>
13 <word gender="neut" plural="Abenteuer">Abenteuer</word>
14 <word gender="fem" plural="Schauspielerinnen">Schauspielerin</word>
15 <word gender="fem" plural="Sprachen">Sprache</word>
16 <word gender="neut" plural="Wörter">Wort</word>
17 <word gender="masc" plural="Laute">Laut</word>
18 <word gender="fem" plural="Ausdrücke">Ausdruck</word>
19 <word gender="fem" plural="Kommunikationen">Kommunikation</word>
20 <word gender="neut" plural="Gespräche">Gespräch</word>
21 <word gender="masc" plural="Sätze">Satz</word>
22 <word gender="fem" plural="Sprachwissenschaften">Sprachwissenschaft</word>
23 <word gender="fem" plural="Wortgruppen">Wortgruppe</word>
24 <word gender="masc" plural="Sprachwandel">Sprachwandel</word>
25 <word gender="fem" plural="Bilanzen">Bilanz</word>
26 <word gender="masc" plural="Gewinne">Gewinn</word>
27 <word gender="masc" plural="Verluste">Verlust</word>
28 <word gender="fem" plural="Steuern">Steuer</word>
29 <word gender="masc" plural="Konzerne">Konzern</word>
30 <word gender="masc" plural="Verträge">Vertrag</word>
31 <word gender="neut" plural="Abkommen">Abkommen</word>
32 <word gender="fem" plural="Strategien">Strategie</word>
33 <word gender="fem" plural="Banken">Bank</word>
34 <word gender="masc" plural="Vorstände">Vorstand</word>
35 <word gender="masc" plural="Bäume">Baum</word>
36 <word gender="masc" plural="Ã?ste">Ast</word>
37 <word gender="masc" plural="Wälder">Wald</word>
38 <word gender="fem" plural="Blumen">Blume</word>
39 <word gender="fem" plural="Blüten">Blüte</word>
40 <word gender="neut" plural="Gräser">Gras</word>
41 <word gender="masc" plural="Käfer">Käfer</word>
42 <word gender="neut" plural="Tiere">Tier</word>
43 <word gender="masc" plural="Büsche">Busch</word>
44 <word gender="masc" plural="Pilze">Pilz</word>
45 <word gender="fem" plural="Künste">Kunst</word>
46 <word gender="masc" plural="Künstler">Künstler</word>
47 <word gender="neut" plural="Bilder">Bild</word>
48 <word gender="neut" plural="Porträts">Porträt</word>
49 <word gender="neut" plural="Gemälde">Gemälde</word>
50 <word gender="masc" plural="Pinsel">Pinsel</word>
51 <word gender="fem" plural="Zeichnungen">Zeichnung</word>
52 <word gender="fem" plural="Farben">Farbe</word>
53 <word gender="masc" plural="Stifte">Stift</word>
54 <word gender="fem" plural="Staffeleien">Staffelei</word>
55 </lexicon-segment>

xml-schema

1 <lexicon-segment>
2 <group name="Samantha">
3 Imke Grothenn, Isabelle Schulz, Lea Jakubigk, Saskia Langrock Nicole Hober
4 </group>
5 <word gender="masc" plural="Filme">Film</word>
6 <word gender="masc" plural="Autoren">Autor</word>
7 <word gender="masc" plural="Schnitte">Schnitt</word>
8 <word gender="fem" plural="Damen">Dame</word>
9 <word gender="neut" plural="Drehbücher">Drehbuch</word>
10 <word gender="neut" plural="Lichter">Licht</word>
11 <word gender="masc" plural="Töne">Ton</word>
12 <word gender="masc" plural="Preise">Preis</word>
13 <word gender="neut" plural="Abenteuer">Abenteuer</word>
14 <word gender="fem" plural="Schauspielerinnen">Schauspielerin</word>
15 <word gender="fem" plural="Sprachen">Sprache</word>
16 <word gender="neut" plural="Wörter">Wort</word>
17 <word gender="masc" plural="Laute">Laut</word>
18 <word gender="fem" plural="Ausdrücke">Ausdruck</word>
19 <word gender="fem" plural="Kommunikationen">Kommunikation</word>
20 <word gender="neut" plural="Gespräche">Gespräch</word>
21 <word gender="masc" plural="Sätze">Satz</word>
22 <word gender="fem" plural="Sprachwissenschaften">Sprachwissenschaft</word>
23 <word gender="fem" plural="Wortgruppen">Wortgruppe</word>
24 <word gender="masc" plural="Sprachwandel">Sprachwandel</word>
25 <word gender="fem" plural="Bilanzen">Bilanz</word>
26 <word gender="masc" plural="Gewinne">Gewinn</word>
27 <word gender="masc" plural="Verluste">Verlust</word>
28 <word gender="fem" plural="Steuern">Steuer</word>
29 <word gender="masc" plural="Konzerne">Konzern</word>
30 <word gender="masc" plural="Verträge">Vertrag</word>
31 <word gender="neut" plural="Abkommen">Abkommen</word>
32 <word gender="fem" plural="Strategien">Strategie</word>
33 <word gender="fem" plural="Banken">Bank</word>
34 <word gender="masc" plural="Vorstände">Vorstand</word>
35 <word gender="masc" plural="Bäume">Baum</word>
36 <word gender="masc" plural="Ã?ste">Ast</word>
37 <word gender="masc" plural="Wälder">Wald</word>
38 <word gender="fem" plural="Blumen">Blume</word>
39 <word gender="fem" plural="Blüten">Blüte</word>
40 <word gender="neut" plural="Gräser">Gras</word>
41 <word gender="masc" plural="Käfer">Käfer</word>
42 <word gender="neut" plural="Tiere">Tier</word>
43 <word gender="masc" plural="Büsche">Busch</word>
44 <word gender="masc" plural="Pilze">Pilz</word>
45 <word gender="fem" plural="Künste">Kunst</word>
46 <word gender="masc" plural="Künstler">Künstler</word>
47 <word gender="neut" plural="Bilder">Bild</word>
48 <word gender="neut" plural="Porträts">Porträt</word>
49 <word gender="neut" plural="Gemälde">Gemälde</word>
50 <word gender="masc" plural="Pinsel">Pinsel</word>
51 <word gender="fem" plural="Zeichnungen">Zeichnung</word>
52 <word gender="fem" plural="Farben">Farbe</word>
53 <word gender="masc" plural="Stifte">Stift</word>
54 <word gender="fem" plural="Staffeleien">Staffelei</word>
55 </lexicon-segment>
 
Zuletzt bearbeitet:
Das Prüfen gegen ein Schema bringt nichts, wenn du keins hast. Daher die Fehlermeldungen :) Mit so einem Schema kann man den Aufbau einer XML Datei definieren (z.B. wie müssen Elemente aufgebaut sein, Wertebereiche etc.). Siehe https://de.wikipedia.org/wiki/XML_Schema

Welche XML Bibliothek benutzt du denn? Die von Python oder z.B. lxml? Kannst du mal eine vermeintlich invalide Datei anhängen?
 
Sieht für mich danach aus, dass dein Texteditor ein Byte Order Mark hinzufügt.
Öffne die Datei mal in Notepad++ und geh auf Encoding -> Convert to UTF-8 without BOM. Dann das File abspeichern und nochmals versuchen :)
 
Habe es mit der Python Bibliothek gemacht import xml.etree.ElementTree as ET;
Natürlich:
Ergänzung ()

Elfire schrieb:
Sieht für mich danach aus, dass dein Texteditor ein Byte Order Mark hinzufügt.
Öffne die Datei mal in Notepad++ und geh auf Encoding -> Convert to UTF-8 without BOM. Dann das File abspeichern und nochmals versuchen :)
Zum Vergrößern anklicken....

Ja das ist ja cool. Wenn ich das so mache, dann kommt er immerhin bis Bäume (siehe Datei: lexicon-segment-Samantha.zip) dann sagt er Fehler: 'charmap' codec can't encode character '\u201e' in position 9: character maps to <undefined>.

Code: 
print("gender " + child.attrib["gender"]);

print("plural: " + child.attrib["plural"]);

print("Wort: " + allFilesList[i][k].text  + "\n\n");

in print("plural: " + child.attrib["plural"]); schmeißt er den Fehler.
Es stimmt wohl irgendetwas mit "Bäume" nicht. Bei "Verträge" welches davor kommt und auch ein Umlaut enthält hat er kein Problem...

Nach dem auskommentieren, dieser Zeilen, welch mir den Inhalt ausgeben, speichert das Programm aber die Datei korrekt.

Wie kann ich denn eine XML Datei in UTF ohne DOM konvertieren?
 

Anhänge

  • lexicon-segment-Samantha.zip
    807 Bytes · Aufrufe: 140
Zuletzt bearbeitet:
Möglicherweise ist das schon gelöst... trotzdem der Tipp, im XML Prolog das Encoding anzugeben. Zum Beispiel so:
​
Code: 
<?xml version="1.0" encoding="UTF-8"?>
 
Danke dir:)

Was geholfen hat war:

myFile = open(xmlFileNameList, "r+", encoding="utf-8");

Vielen Dank euch allen:)

Kann man diesen Thread als gelöst markieren?
 
Zuletzt bearbeitet:
Du musst dich einloggen oder registrieren, um hier zu antworten.
Zurück
Oben

Willkommen auf ComputerBase!

Mit Werbung weiterlesen

Besuche ComputerBase wie gewohnt mit Werbung und Tracking. Die Zustimmung ist jederzeit widerrufbar.

Details im Privacy Center und in der Liste unserer Partner. Ein Widerruf ist möglich in der Datenschutzerklärung.

… oder ComputerBase Pro bestellen

Nutze ComputerBase ohne Werbebanner, Video-Ads und Werbetracking schon für 4 €/Monat oder 36 €/Jahr.

Mehr zu ComputerBase Pro

Bereits Pro-Nutzer? Hier anmelden.

Tracking: Wir und unsere 165 Partner verarbeiten personenbezogene Daten, indem wir mit auf Ihrem Gerät gespeicherten Informationen (z. B. eindeutige Kennungen in Cookies) ein Nutzungsprofil erstellen, um z. B. Anzeigen zu personalisieren. Verarbeitungszwecke: Genaue Standortdaten und Abfrage von Geräteeigenschaften zur Identifikation, Informationen auf einem Gerät speichern und/oder abrufen, Personalisierte Anzeigen und Inhalte, Anzeigen- und Inhaltsmessungen, Erkenntnisse über Zielgruppen und Produktentwicklungen.

Impressum Kontakt Datenschutz