使用UNIX腳本/命令

Question

這裏提取從XML文件中的值到字段分隔符格式示例文件，我們需要值轉換爲分隔符格式的文件： -

的test.xml

<?xml version="1.0" encoding="UTF-8" ?> 
<testjar> 

<testable> 
<trigger>Trigger1</trigger> 
<message>2012-06-14T00:03.54</message> 
<sales-info> 
<san-a>no</san-a> 
<san-b>no</san-b> 
<san-c>no</san-c> 
</sales-info> 
</testable> 


    <testable> 
    <trigger>Trigger2</trigger> 
    <message>2012-06-15T00:03.54</message> 
    <sales-info> 
    <san-a>yes</san-a> 
    <san-b>yes</san-b> 
    <san-c>no</san-c> 
    </sales-info> 
</testable> 

</testjar> 

每個記錄應該從新線開始。樣本結果集應該是這樣的 sample.txt的

Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

注： - xmlstarlet是不是我的服務器上安裝，是不是可以不xmlstarlet執行此？

Answer 1

如果您已經安裝xmlstarlet，你可以嘗試：命令

me@home$ xmlstarlet sel -t -m "//testable" -v trigger -o "|" -v message -o "|" -m sales-info -v san-a -o "|" -v san-b -o "|" -v san-c -n test.xml 
Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

擊穿：

xmlstarlet sel -t 
    -m "//testable"  # match <testable> 
     -v trigger -o "|"  # print out value of <trigger> followed by | 
     -v message -o "|"  # print out value of <message> followed by | 
     -m sales-info   # match <sales-info> 
     -v san-a -o "|"  # print out value of <san-a> followed by | 
     -v san-b -o "|"  # print out value of <san-b> followed by | 
     -v san-c    # print out value of <san-c> 
    -n     # print new line 
    test.xml    # INPUT XML FILE 

來定位內<testable>不同的標籤，你可以嘗試返回文本以下所有葉節點：

ma@home$ xmlstarlet sel -t -m "//testable" -m "descendant::*[not(*)]" -v 'text()' -i 'not(position()=last())' -o '|' -b -b -n test.xml 
Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

c ommand：

xmlstarlet sel -t 
    -m "//testable"       # match <testable> 
     -m "descendant::*[not(*)]"    # match all leaf nodes 
     -v 'text()'        # print text 
     -i 'not(position()=last())' -o '|'  # print | if not last item 
     -b -b         # break out of nested matches 
    -n          # print new line 
    test.xml        # INPUT XML FILE 

---

如果您沒有訪問xmlstarlet，那麼就查找您在您的處置有什麼其他的工具。其他選項包括xsltproc（請參閱mzjn's answer）和xpath。

如果這些工具不可用，我會建議使用更高級別的語言（Python，Perl），它允許您訪問正確的XML庫。

雖然可以使用手動regex解析它，這樣的解決方案將是不理想^†特別是不一致的輸入。例如，下面的（假設你有gawk和sed）把你的輸入，並應吐出預期輸出：

me@home$ gawk 'match($0, />(.*)</, a){printf("%s|",a[1])} /<\/testable>/{print ""}' test.xml | sed 's/.$//' 
Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

然而，這遭到慘敗，如果輸入格式的變化，因此不是一個解決方案，我一般會推薦。

Answer 2

這裏是一個XSLT樣式表，你想要做什麼（保存在test.xsl）：

<?xml version='1.0'?> 
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" 
       version="1.0"> 

<xsl:output method="text"/> 
<xsl:strip-space elements="*"/> 

<xsl:template match="testable"> 
    <xsl:value-of select='trigger'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='message'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='sales-info/san-a'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='sales-info/san-b'/><xsl:text>|</xsl:text> 
    <xsl:value-of select='sales-info/san-c'/><xsl:text>&#xA;</xsl:text> 
</xsl:template> 

</xsl:stylesheet> 

命令（在這裏我假設你已經安裝了libxml2和的libxslt; xsltproc是一個命令行工具，使用這些庫）：

xsltproc -o sample.txt test.xsl test.xml 

樣品的內容。TXT：

Trigger1|2012-06-14T00:03.54|no|no|no 
Trigger2|2012-06-15T00:03.54|yes|yes|no 

Answer 3

這裏是一個純bash的解決方案：

egrep '<trigger>|<message>|<san-.>' test.xml | sed -e 's/<[^>]*>//g' | while read line; do [ $((++i % 5)) -ne 0 ] && echo -n "$line|" || echo $line ; done 

但是，它只能在格式化爲您的樣品（在一個單獨的行中的每個元素）在文件中，它甚至沒有密切靈活/可靠的其他答案涉及正確的XML解析/轉換。

它可以增強，雖然在一定程度上...