En Haskell, ¿cómo se extraen las cadenas de un documento XML?

Question

Si tengo un documento XML como esto:

<root> 
    <elem name="Greeting"> 
    Hello 
    </elem> 
    <elem name="Name"> 
    Name 
    </elem> 
</root> 

y algunas definiciones de tipo de datos/Haskell como este:

type Name = String 
type Value = String 
data LocalizedString = LS Name Value 

y quería escribir una función Haskell con la siguiente firma:

getLocalizedStrings :: String -> [LocalizedString] 

donde el primer parámetro era el texto XML, y el valor devuelto era:

[LS "Greeting" "Hello", LS "Name" "Name"] 

¿cómo haré esto?

Si HaXml es la mejor herramienta, ¿cómo usaría HaXml para lograr el objetivo anterior?

¡Gracias!

Answer 1

Nunca me he molestado en descubrir cómo extraer bits de documentos XML usando HaXML; HXT ha satisfecho todas mis necesidades.

{-# LANGUAGE Arrows #-} 
import Data.Maybe 
import Text.XML.HXT.Arrow 

type Name = String 
type Value = String 
data LocalizedString = LS Name Value 

getLocalizedStrings :: String -> Maybe [LocalizedString] 
getLocalizedStrings = (.) listToMaybe . runLA $ xread >>> getRoot 

atTag :: ArrowXml a => String -> a XmlTree XmlTree 
atTag tag = deep $ isElem >>> hasName tag 

getRoot :: ArrowXml a => a XmlTree [LocalizedString] 
getRoot = atTag "root" >>> listA getElem 

getElem :: ArrowXml a => a XmlTree LocalizedString 
getElem = atTag "elem" >>> proc x -> do 
    name <- getAttrValue "name" -< x 
    value <- getChildren >>> getText -< x 
    returnA -< LS name value 

lo que probablemente como un poco más de comprobación de errores (es decir, no sólo con pereza usar atTag como yo, en realidad es verificar que <root> raíz, <elem> es descendiente directo, etc.), pero esto funciona bien en tu ejemplo.

---

Ahora, si necesita una introducción a Arrow s, por desgracia, no conozco ninguna buena. Yo mismo aprendí el camino "arrojado al océano para aprender a nadar".

Algo que puede ser útil a tener en cuenta es que la sintaxis proc/-< es simplemente azúcar para las operaciones básicas de flecha (arr, >>>, etc.), al igual que do/<- es simplemente azúcar para las operaciones básicas monad (return, >>=, etc.). Los siguientes son equivalentes:

getAttrValue "name" &&& (getChildren >>> getText) >>^ uncurry LS 

proc x -> do 
    name <- getAttrValue "name" -< x 
    value <- getChildren >>> getText -< x 
    returnA -< LS name value 

Answer 2

Fwiw, HXT parece un exceso donde un TagSoup sencilla hará :)

Answer 3

Aquí está mi segundo intento (después de recibir un buen aporte de otros) con TagSoup:

El primer intento mostró un método ingenuo (y defectuoso) para recortar el espacio en blanco de una cuerda.

Answer 4

Usa uno de los paquetes XML.

Los más populares son, en orden,

1. haxml
2. hxt
3. xml-luz
4. hexpat