解析XML文件 - 保留序列

Question

的XML结构如下：

<Entities> 
    <Entity> 
     <EntityName>.... </EntityName> 
     <EntityType>.... </EntityType> 
     <Tables> 
      <DataTables> 
       <DataTable>1</DataTable> 
       <DataTable>2</DataTable> 
       <DataTable>3</DataTable> 
       <DataTable>4</DataTable> 
      </DataTables> 
      <OtherTables> 
       <OtherTable>5</OtherTable> 
       <OtherTable>6</OtherTable> 
      </OtherTables> 
     </Tables> 
    </Entity> 
. 
. 
. 
</Entities> 

我需要解析基于选择的实体名称的文件，并专门检索中提到的顺序中的所有表。我如何在Perl中执行此操作以及应该使用哪个模块？

Answer 1

我最喜欢的模块在Perl解析XML是XML::Twig（tutorial）。

代码示例：

use XML::Twig; 

my $twig = XML::Twig->new(
    twig_handlers => { 
     #calls the get_tables method for each Entity element 
     Entity => sub {get_tables($_);}, 
    }, 
    pretty_print => 'indented',    # output will be nicely formatted 
    empty_tags => 'html',     # outputs <empty_tag /> 
    keep_encoding => 1, 
); 

$twig->parsefile(xml-file); 
$twig->flush; 

sub get_tables { 
    my $entity = shift; 

    #Retrieves the sub-elements of DataTables 
    my @data_tables = $entity->first_child("Tables")->children("DataTables"); 
    #Do stuff with the DataTables 

    #Retrieves the sub-elements of OtherTables 
    my @other_tables = $entity->first_child("Tables")->children("OtherTables"); 
    #Do stuff with the OtherTables 

    #Flushes the XML element from memory 
    $entity->purge; 
} 

Answer 2

见：xml-simple

使用它之前，请记住，一些像点

XML ::简单的是能够提出一个简单的API，因为它使代表你的一些假设。这些措施包括：

• 你不感兴趣的文本内容 只包含空格的
• 你不介意当事情变得 咕噜咕噜到一个哈希的订单丢失
• 你不要生成的XML的格式的细粒度控制
• 你绝不会使用散列密钥 不是一个合法的XML元素名称
• 你并不需要帮助转换不同的编码

对于基于事件的解析，使用SAX之间（不着手编写XML任何新代码::解析器的处理程序API - 这是已废弃）。

对于基于树的解析，您可以在XML :: Twig的“Perlish”方法和更多基于标准的DOM实现之间进行选择 - 最好使用XPath支持。

源：XML的简单

有关Perl的XML更详细，请参阅Perl-XML

Answer 3

文献顺序是defined作为

有一个排序，文档顺序，所有文档中的对应于所述顺序的节点上限定的其中每个节点的XML表示的第一个字符在扩展一般实体之后出现在文档的XML表示中。因此，根节点将成为第一个节点。元素节点出现在他们的子女面前因此，文档顺序命令元素节点按XML中的起始标签的出现顺序（在扩展实体之后）。

换句话说，事情发生在XML文档中的顺序。XML::XPath模块按文件顺序生成结果。例如：

#! /usr/bin/perl 

use warnings; 
use strict; 

use XML::XPath; 

my $entity_template = "/Entities" 
        . "/Entity" 
        . "[EntityName='!!NAME!!']" 
        ; 

my $tables_path = join "|" => 
        qw(./Tables/DataTables/DataTable 
         ./Tables/OtherTables/OtherTable); 

my $xp = XML::XPath->new(ioref => *DATA); 

foreach my $ename (qw/ foo bar /) { 
    print "$ename:\n"; 
    (my $path = $entity_template) =~ s/!!NAME!!/$ename/g; 
    foreach my $n ($xp->findnodes($path)) { 
    foreach my $t ($xp->findnodes($tables_path, $n)) { 
     print $t->toString, "\n"; 
    } 
    } 
} 

__DATA__ 

为<Entity>元件，其中每个具有<ElementName>孩子其string-value是选择的实体名称的第一个表达式搜索。从那里，我们寻找<DataTable>或<OtherTable>。

鉴于

<Entities> 
    <Entity> 
     <EntityName>foo</EntityName> 
     <EntityType>type1</EntityType> 
     <Tables> 
      <DataTables> 
       <DataTable>1</DataTable> 
       <DataTable>2</DataTable> 
      </DataTables> 
      <OtherTables> 
       <OtherTable>3</OtherTable> 
       <OtherTable>4</OtherTable> 
      </OtherTables> 
     </Tables> 
    </Entity> 
    <Entity> 
     <EntityName>bar</EntityName> 
     <EntityType>type2</EntityType> 
     <Tables> 
      <DataTables> 
       <DataTable>5</DataTable> 
       <DataTable>6</DataTable> 
      </DataTables> 
      <OtherTables> 
       <OtherTable>7</OtherTable> 
       <OtherTable>8</OtherTable> 
      </OtherTables> 
     </Tables> 
    </Entity> 
</Entities> 

输出输入是

foo: 
<DataTable>1</DataTable> 
<DataTable>2</DataTable> 
<OtherTable>3</OtherTable> 
<OtherTable>4</OtherTable> 
bar: 
<DataTable>5</DataTable> 
<DataTable>6</DataTable> 
<OtherTable>7</OtherTable> 
<OtherTable>8</OtherTable> 

提取字符串值（下称“内文”），改变$tables_path到

my $tables_path = "./Tables/DataTables/DataTable/text() | 
        ./Tables/OtherTables/OtherTable/text()"; 

是，这是重复的 - 因为XML :: XPath实现了XPath 1.0。

输出：

foo: 
1 
2 
3 
4 
bar: 
5 
6 
7 
8

Answer 4

我喜欢XML::LibXML，它允许你（和我）使用XPath选择元素。

你不妨看看script I wrote with it。