Unescape通過XMLStarlet的＆符（＆） - Bugging &

Question

這是一個相當煩人，但相當簡單的任務。根據這一guide，我寫了這個：

#!/bin/bash 

content=$(wget "https://example.com/" -O -) 
ampersand=$(echo '\&') 

xmllint --html --xpath '//*[@id="table"]/tbody' - <<<"$content" 2>/dev/null | 
    xmlstarlet sel -t \ 
     -m "/tbody/tr/td" \ 
      -o "https://example.com" \ 
      -v "a//@href" \ 
      -o "/?A=1" \ 
      -o "$ampersand" \ 
      -o "B=2" -n \ 

我成功地提取從表中的每個環節，一切都被正確地連接在一起，然而，而不是再現符號爲&我收到這在年底每一個環節：

https://example.com/hello-world/?A=1\&B=2 

但實際上，我一直在尋找類似：

https://example.com/hello-world/?A=1&B=2 

這個想法是使用反斜槓\&來避開字符，以便它被忽略。最初，我嘗試將其直接放入-o "\&" \而不是-o "$ampersand" \，並在此情況下刪除ampersand=$(echo '\&')。還是一樣的結果。

本質上，通過去除反斜槓它仍然輸出：

https://example.com/hello-world/?A=1&B=2 

只有所述&後面的\被去除。

爲什麼？

我確定這是缺少的基本東西。

Answer 1

對不起，我無法重現您的結果，但爲什麼不進行換人？只需通過篩選結果

sed 's/\\&/\&/g' 

將其添加到您的管道。它應該取代所有的& amp;到&。

Answer 2

正如您已經看到的，反斜槓轉義不是這裏的解決方案。我能想到的兩個可能的選擇：

提取的HREFs（也許並不需要使用都xmllint和xmlstarlet做到這一點），那麼只需使用標準文本處理工具，如sed添加啓動和結尾：

sed 's,^,https://example.com/,; s,$,/?A=1\&B=2,' 

另外，管的是什麼你現在得xmlstarlet unesc輸出，這將改變&爲&。

Answer 3

&是在XML文檔中打印&的正確方法，但既然您只是想要一個普通的URL，則您的輸出不應該是XML。因此，您需要切換到文本模式，方法是將--text或-T傳遞給sel命令。

您的示例輸入不起作用，因爲example.com沒有任何table元素，但此處是構建p元素鏈接的工作示例。

content=$(wget 'https://example.com/' -O -) 
xmlstarlet fo --html <<<"$content" | 
    xmlstarlet sel -T -t \ 
     -m '//p[a]' \ 
      --if 'not(starts-with(a//@href,"http"))' \ 
       -o 'https://example.com/' \ 
      --break \ 
      -v 'a//@href' \ 
      -o '/?A=1' \ 
      -o '&' \ 
      -o 'B=2' -n 

輸出是

http://www.iana.org/domains/example/?A=1&B=2