读取以特定字符串开头的所有xml标记的内容

Question

我有一个xml结构，我希望在其中编写一个perl脚本来读取以某个字符串开头的所有标记的内容。

示例：

<tag-0>
    <tag-1>This is<tag-2>some example</tag2>text</tag-1>
    <tag-3>This is some <ice-8> more </ice-8>text</tag-3>
    <tag-4>This 
        <tag-5>is 
            <tag-6>even more</tag-6>
        </tag-5> 
        <tag-7> text</tag-7>
    </tag-4>
</tag-0>

该脚本的目的是查找所有以包含嵌套<tag-[num]>的<tag-[num]>开头的节点。我不熟悉perl，那么我该如何读取“动态”标记的内容，并检查更动态的嵌套标记呢？

在上面的示例中，我希望获得tag-0、tag-1、tag-4和tag-5，然后我可以进一步操作它们的内容。

Answer 1

XML::LibXML是我最常用的XML模块--还有很多其他的模块，但是这个模块几乎完成了我需要的所有功能，但有时会比其他模块更冗长一些。下面输出四个所需的节点：

use warnings;
use strict;
use XML::LibXML;

my $dom = XML::LibXML->load_xml(string => <<'EOT');
<tag-0>
    <tag-1>This is<tag-2>some example</tag-2>text</tag-1>
    <tag-3>This is some <ice-8> more </ice-8>text</tag-3>
    <tag-4>This 
        <tag-5>is 
            <tag-6>even more</tag-6>
        </tag-5> 
        <tag-7> text</tag-7>
    </tag-4>
</tag-0>
EOT

my $expr = "*[substring(name(), 1, 4) = 'tag-']";
for my $node ( $dom->findnodes("//$expr") ) {
    my @children = $node->findnodes("./$expr");
    if (@children) {
        print $node->nodeName,"\n";
    }
}

请注意，您的问题描述有点不明确：“包含嵌套的<tag-[num]>__”是否意味着只考虑直接子代，或者<tag-0>A<x>B<tag-1>C</tag-1>D</x>E</tag-0>也应该返回tag-0

如果是这样，那么您可以将第二个findnodes表达式更改为".//$expr"。

Answer 2

使用Mojo::DOM

use strict;
use warnings;
use Mojo::DOM;

my $dom = Mojo::DOM->new->xml(1)->parse($xml);

my @tags_with_subtags = $dom->find('*')->grep(sub {
  $_->tag =~ m/\Atag-[0-9]+\z/ and $_->find('*')->grep(sub {
    $_->tag =~ m/\Atag-[0-9]+\z/
  })->size
})->each;

每个结果都是一个Mojo::DOM对象，您可以进一步搜索或操作。不幸的是，CSS (据我所知)不太适合查找动态标记名，所以你必须自己做这件事；如果它是动态属性，那就很容易了。