XML数据抽取

Question

<Filer>
<ID>123456789</ID>
<Name>
<BusinessNameLine1>Stackoverflow</BusinessNameLine1>
</Name>
<NameControl>stack</NameControl>
<USAddress>
<AddressLine1>123 CHERRY HILL LANE</AddressLine1>
<City>LA</City>
<State>CA</State>
<ZIPCode>90210</ZIPCode>
</USAddress>
</Filer>

下面是给我的xml代码示例。使用这个xml，我需要从这个xml中获取某个属性。

我只需要从文件中提取所有的<BusinessNameLine1>。问题是这个标记在整个文件中多次出现，但我只需要在<Filer>标记中它为假的情况下提取它。

我会这样做与PHP，但我在工作，我不能运行php代码，因为不能在我的电脑上安装软件。不过，我可以执行bash文件。这个文件也非常大，所以我不能把它放到excel中。我不知道该怎么做。我希望能得到一些帮助或指导，告诉我从哪里开始。

Answer 1

使用适当的XML解析器。例如，xsh

open file.xml ;
ls //Filer//BusinessNameLine1 ;

Answer 2

xpath是您的朋友:有一个xmllint工具可以用来计算xpath

xmllint --xpath '//Filer//BusinessNameLine1/text()' yourXML

输出：

Stackoverflow

在使用<Filer>之外的<Busn..>标记的示例上进行测试

kent$  cat t.xml
<root>
        <Trash>
                <BusinessNameLine1>trash</BusinessNameLine1>
        </Trash>
        <Filer>
                <ID>123456789</ID>
                <Name>
                        <BusinessNameLine1>Stackoverflow</BusinessNameLine1>
                </Name>
                <NameControl>stack</NameControl>
                <USAddress>
                        <AddressLine1>123 CHERRY HILL LANE</AddressLine1>
                        <City>LA</City>
                        <State>CA</State>
                        <ZIPCode>90210</ZIPCode>
                </USAddress>
        </Filer>
</root>

kent$  xmllint --xpath '//Filer//BusinessNameLine1/text()' t.xml    
Stackoverflow

Answer 3

您可以尝试组合awk和sed命令，

$ awk -v RS='</Filer>' '/^<Filer>/ {gsub (/\n/," "); print}' file | sed -r 's/.*<BusinessNameLine1>([^<]*)<\/BusinessNameLine1>.*/\1/g'
Stackoverflow