使用UNIX脚本/命令

Question

这里提取从XML文件中的值到字段分隔符格式示例文件，我们需要值转换为分隔符格式的文件： -

的test.xml

<?xml version="1.0" encoding="UTF-8" ?> 
<testjar> 

<testable> 
<trigger>Trigger1</trigger> 
<message>2012-06-14T00:03.54</message> 
<sales-info> 
<san-a>no</san-a> 
<san-b>no</san-b> 
<san-c>no</san-c> 
</sales-info> 
</testable> 


    <testable> 
    <trigger>Trigger2</trigger> 
    <message>2012-06-15T00:03.54</message> 
    <sales-info> 
    <san-a>yes</san-a> 
    <san-b>yes</san-b> 
    <san-c>no</san-c> 
    </sales-info> 
</testable> 

</testjar> 

每个记录应该从新线开始。样本结果集应该是这样的 sample.txt的

Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

注： - xmlstarlet是不是我的服务器上安装，是不是可以不xmlstarlet执行此？

Answer 1

如果您已经安装xmlstarlet，你可以尝试：命令

me@home$ xmlstarlet sel -t -m "//testable" -v trigger -o "|" -v message -o "|" -m sales-info -v san-a -o "|" -v san-b -o "|" -v san-c -n test.xml 
Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

击穿：

xmlstarlet sel -t 
    -m "//testable"  # match <testable> 
     -v trigger -o "|"  # print out value of <trigger> followed by | 
     -v message -o "|"  # print out value of <message> followed by | 
     -m sales-info   # match <sales-info> 
     -v san-a -o "|"  # print out value of <san-a> followed by | 
     -v san-b -o "|"  # print out value of <san-b> followed by | 
     -v san-c    # print out value of <san-c> 
    -n     # print new line 
    test.xml    # INPUT XML FILE 

来定位内<testable>不同的标签，你可以尝试返回文本以下所有叶节点：

ma@home$ xmlstarlet sel -t -m "//testable" -m "descendant::*[not(*)]" -v 'text()' -i 'not(position()=last())' -o '|' -b -b -n test.xml 
Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

c ommand：

xmlstarlet sel -t 
    -m "//testable"       # match <testable> 
     -m "descendant::*[not(*)]"    # match all leaf nodes 
     -v 'text()'        # print text 
     -i 'not(position()=last())' -o '|'  # print | if not last item 
     -b -b         # break out of nested matches 
    -n          # print new line 
    test.xml        # INPUT XML FILE 

---

如果您没有访问xmlstarlet，那么就查找您在您的处置有什么其他的工具。其他选项包括xsltproc（请参阅mzjn's answer）和xpath。

如果这些工具不可用，我会建议使用更高级别的语言（Python，Perl），它允许您访问正确的XML库。

虽然可以使用手动regex解析它，这样的解决方案将是不理想^†特别是不一致的输入。例如，下面的（假设你有gawk和sed）把你的输入，并应吐出预期输出：

me@home$ gawk 'match($0, />(.*)</, a){printf("%s|",a[1])} /<\/testable>/{print ""}' test.xml | sed 's/.$//' 
Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

然而，这遭到惨败，如果输入格式的变化，因此不是一个解决方案，我一般会推荐。

Answer 2

这里是一个XSLT样式表，你想要做什么（保存在test.xsl）：

<?xml version='1.0'?> 
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" 
       version="1.0"> 

<xsl:output method="text"/> 
<xsl:strip-space elements="*"/> 

<xsl:template match="testable"> 
    <xsl:value-of select='trigger'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='message'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='sales-info/san-a'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='sales-info/san-b'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='sales-info/san-c'/><xsl:text>&#xA;</xsl:text> 
</xsl:template> 

</xsl:stylesheet> 

命令（在这里我假设你已经安装了libxml2和的libxslt; xsltproc是一个命令行工具，使用这些库）：

xsltproc -o sample.txt test.xsl test.xml 

样品的内容。TXT：

Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

Answer 3

这里是一个纯bash的解决方案：

egrep '<trigger>|<message>|<san-.>' test.xml | sed -e 's/<[^>]*>//g' | while read line; do [ $((++i % 5)) -ne 0 ] && echo -n "$line|" || echo $line ; done 

但是，它只能在格式化为您的样品（在一个单独的行中的每个元素）在文件中，它甚至没有密切灵活/可靠的其他答案涉及正确的XML解析/转换。

它可以增强，虽然在一定程度上...