桑达/ awk脚本以纠正XML（符号）非法字符

为了解析无效的XML文件，具有或者未编码，非法字符（在我的情况＆符号）：桑达/ awk脚本以纠正XML（符号）非法字符

<url>http://example.com?param1=bad&param2=ampersand</url>

和编码的人

<description> The good, the bad &amp; the ugly </description>

请发布一个可以编码非法字符的sed/awk脚本示例。

来源

2010-09-02 Vlad Zloteanu

为什么XML生成器首先生成无效的XML？ – 2010-09-02 11:18:44

它不是由我生成的，我只解析了返回无效XML的外部服务。由于XML非常大（几十MB），我可以将它保存在磁盘上并进行准备。 – 2010-09-02 12:14:11

tidy -m -xml <your-xml-file>

来源

2010-09-02 11:27:33 Tomalak

什么包提供'tidy'？ – 2017-08-03 18:59:57

@AlexejMagura http://www.html-tidy.org/ – Tomalak 2017-08-03 20:39:27

完全未经测试，但您可以通过将所有有效的转换回其原始形式作弊，然后再次进行转换。

例如，如果你只需要担心＆符号，你可以做类似的东西：

sed 's/&/&/g' | sed 's/&/&/g'

当然，你可以做到这一点有很多清洁和他们的将是更好的解决方案，但有些休息正在呼唤我，我相信你可以从这里解决问题。

来源

2010-09-02 11:20:41

这可能不会完成你的想法。在sed手册页中：“替换[s ///命令] 中出现的＆符号（＆）将被替换为与RE匹配的字符串。在此上下文中，＆的特殊含义可以通过前面的通过反斜杠。“ - 所以'/ & /＆/ g'实际上什么都不会改变。你的意思是'/ &/\＆/ g'？ – 2010-09-02 16:59:42

桑达/ awk脚本以纠正XML（符号）非法字符

回答

相关问题