如何從一個XML文件中使用SED或Perl

我想擺脫的所有無效字符刪除無效字符;示例hexadecimal value 0x1A來自使用sed的XML文件。
什麼是正則表達式和命令行？
編輯
新增Perl的標籤，希望得到更多的響應。我更喜歡單線解決方案。
編輯
這些都是有效的XML字符
如何從一個XML文件中使用SED或Perl

x9 | xA | xD | [x20-xD7FF] | [xE000-xFFFD] | [x10000-x10FFFF]

來源

2011-10-14 user841550

如？這是一個非常廣泛的聲明。澄清 – KevinDTimm

@KevinDTimm我的意思是'0x1A'是，我想從我的XML文件中刪除十六進制字符的例子 – user841550

你的意思是像1AH視爲在石器時代EOF標誌物？爲此更好地使用tr。 –

假設UTF-8 XML文檔：

perl -CSDA -pe' 
    s/[^\x9\xA\xD\x20-\x{D7FF}\x{E000}-\x{FFFD}\x{10000}-\x{10FFFF}]+//g; 
' file.xml > file_fixed.xml

如果你想編碼壞字節而不是，

perl -CSDA -pe' 
    s/([^\x9\xA\xD\x20-\x{D7FF}\x{E000}-\x{FFFD}\x{10000}-\x{10FFFF}])/ 
     "&#".ord($1).";" 
    /xeg; 
' file.xml > file_fixed.xml

你可以調用它幾不同的方式：

perl -CSDA  -pe'...' file.xml > file_fixed.xml 
perl -CSDA -i~ -pe'...' file.xml  # Inplace with backup 
perl -CSDA -i -pe'...' file.xml  # Inplace without backup

來源

2011-10-14 23:10:22 ikegami

使用第二個版本，我得到一個錯誤'替換替換未在-e行1結束.'。我做了一個複製粘貼並刪除了新行。 – user841550

@ user841550，已修復。我不確定字節是否允許使用編碼形式，但如果您想嘗試，我會將其放在那裏。換行符不需要被移除，順便說一句。 – ikegami

這是一個很好的解決方案。一個很小的邊緣情況下失敗（OOM）：一個只包含一行的大文件。 – miku

的tr命令會更簡單。所以，你可以試試：

cat <filename> | tr -d '\032' > <newfilename>

需要注意的是ASCII字符「0X1A」的八進制值「032」，所以我們使用，而不是與tr。不確定tr是否喜歡十六進制。

來源

2011-10-14 20:13:02 George

當其他解決方案（包括使用iconv）都沒有工作時，它可以工作100％。謝謝！ – Dan

嘗試：

perl -pi -e 's/[^\x9\xA\xD\x20-\x{d7ff}\x{e000}-\x{fffd}\x{10000}-\x{10ffff}]//g' file.xml

來源

2011-10-14 21:38:18 MisterEd

您將字節與絕對不適合字節的值匹配。 – ikegami

如何從一個XML文件中使用SED或Perl

回答

相關問題