我有一个很大的复杂XML文件,其中包含如下所示的模式
<?xml version="1.0" encoding="UTF-8"?>
<records>
<record>
<field1>field1</field1>
<field2>field2</field2>
<field2>field2</field2>
<field3>field3</field3>
<field4>field4</field4>
<field4>field4</field4>
</record>
<record>
<field1>field1</field1>
<field1>field1</field1>
<field3>field3</field3>
<field4>field4</field4>
<field4>field4</field4>
</record>
</records>我想使用xmlstarlet将其转换为制表符分隔,并使用分号分隔重复的字段,例如
field1\tfield2;field2\tfield3\tfield4;field4
field1;field1\t\tfield3\t\field4;field4在将文件提供给xmlstarlet之前,我可以通过字符串处理例程折叠重复的字段来完成所需的操作,但这感觉很麻烦。在xmlstarlet中有没有一种优雅的方式来完成这一切?
发布于 2021-08-12 21:05:19
从你问起已经有一段时间了。然而..。
使用xmlstarlet 1.6.1版提取字段名称并对其进行排序,以确定字段顺序,然后生成制表符分隔值:
xmlstarlet sel \
-N set="http://exslt.org/sets" -N str="http://exslt.org/strings" \
-T -t \
--var fldsep="'$(printf "\t")'" \
--var subsep="';'" \
--var allfld \
-m '*/record/*' \
-v 'name()' --nl \
-b \
-b \
--var uniqfld='set:distinct(str:split(normalize-space($allfld)))' \
-m '*/record' \
--var rec='.' \
-m '$uniqfld' \
--sort 'A:T:-' '.' \
-v 'substring($fldsep,1,position()!=1)' \
-m '$rec/*[local-name() = current()]' \
-v 'substring($subsep,1,position()!=1)' \
-v '.' \
-b \
-b \
--nl < file.xml编辑:--sort从$allfld移动到-m $uniqfld。
其中:
$allfld变量中set:distinct和str:split从$uniqfld节点集确定字段输出在此处按文档顺序输出字段,但接受D22子句给定以下输入,该输入与OP的输入不同,
<?xml version="1.0" encoding="UTF-8"?>
<records>
<record>
<field2>r1-f2A</field2>
<field2>r1-f2B</field2>
<field3>r1-f3</field3>
<field4>r1-f4A</field4>
<field4>r1-f4B</field4>
<field6>r1-f6</field6>
</record>
<record>
<field1>r2-f1A</field1>
<field1>r2-f1B</field1>
<field3/>
<field4>r2-f4A</field4>
<field4>r2-f4B</field4>
<field5>r2-f5</field5>
<field5>r2-f5</field5>
</record>
<record>
<field6>r3-f6</field6>
<field4>r3-f4</field4>
<field2>r3-f2B</field2>
<field2>r3-f2A</field2>
</record>
</records>输出变为:
r1-f2A;r1-f2B r1-f3 r1-f4A;r1-f4B r1-f6
r2-f1A;r2-f1B r2-f4A;r2-f4B r2-f5;r2-f5
r3-f2B;r3-f2A r3-f4 r3-f6或者,通过sed -n l管道显示不可打印的文件,
\tr1-f2A;r1-f2B\tr1-f3\tr1-f4A;r1-f4B\t\tr1-f6$
r2-f1A;r2-f1B\t\t\tr2-f4A;r2-f4B\tr2-f5;r2-f5\t$
\tr3-f2B;r3-f2A\t\tr3-f4\t\tr3-f6$使用自定义字段输出顺序可以简化为:
xmlstarlet sel -T -t \
--var fldsep="'$(printf "\t")'" \
--var subsep="';'" \
-m '*/record' \
--var rec='.' \
-m 'str:split("field6 field4 field2 field1 field3 field5")' \
-v 'substring($fldsep,1,position()!=1)' \
-m '$rec/*[local-name() = current()]' \
-v 'substring($subsep,1,position()!=1)' \
-v '.' \
-b \
-b \
--nl < file.xml在没有--sort的情况下,再次发出文档顺序中的重复字段。
请注意,在--var子句中使用EXSLT函数要求使用-N显式声明相应的名称空间,以避免运行时错误(为什么?)
要列出生成的XSLT1.0/ EXSLT代码,请在-t选项之前添加-C。
要创建上述格式化xmlstarlet命令的一行代码-去掉行续行符和前导空格-通过以下sed命令对它们进行管道化:
sed -e ':1' -e 's/^[[:blank:]]*//;/\\$/!b;$b;N;s/\\\n[[:blank:]]*//;b1'要列出输入文件中的元素,xmlstarlet的el命令可能很有用,-u表示唯一:
xmlstarlet el -u file.xml输出:
records
records/record
records/record/field1
records/record/field2
records/record/field3
records/record/field4
records/record/field5
records/record/field6发布于 2020-05-09 02:28:28
您可以使用以下xmlstarlet命令:
xmlstarlet sel -t -m "/records/record" -m "*[starts-with(local-name(),field)]" -i "position()=1" -v "." --else -i "local-name() = local-name(preceding-sibling::*[1])" -v "concat(';',.)" --else -v "concat('\t',.)" -b -b -b -n input.xml在伪代码中,它表示如下所示
用于-每个/records/record
field
>H217><代码>H118;Item >否则输出\tItem
b确实意味着“中断”循环,或者如果clause
n输出换行符<;Item>H226<代码>F227它的输出是
field1\tfield2;field2\tfield3\tfield4;field4
field1;field1\tfield3\tfield4;field4上面的代码以元素名称为基础进行区分。如果要根据元素值进行区分,请使用以下命令:
xmlstarlet sel -t -m "/records/record" -m "*[starts-with(local-name(),field)]" -i "position()=1" -v "." --else -i ". = preceding-sibling::*[1]" -v "concat(';',.)" --else -v "concat('\t',.)" -b -b -b -n a.xml对于示例XML,输出是相同的(因为字段名称和字段值是相同的)。
https://stackoverflow.com/questions/61685065
复制相似问题