时间戳

首页 > 解决方案 > 从基于 xml 的文件中提取 N 个字符串

xml - 从基于 xml 的文件中提取 N 个字符串

问题描述

我目前正在使用 awk 从基于 xml 的文件中提取多个字符串，并以 csv 格式导出这些字符串

下面是我要获取的标签片段：

    <GroupInfo Description="" Name="Site 2" Path="My Company\Site 2"/>
    ...
    ...
    <PrivateInsightServerList EnableEntireServerList="1" >
      <PrivateInsightServer Address="douda" LegacyClientSupport="1" Port="80" Protocol="HTTP"/>
    </PrivateInsightServerList>
    <PrivateInsightServerList EnableEntireServerList="1" >
      <PrivateInsightServer Address="douda2" LegacyClientSupport="0" Port="443" Protocol="HTTPS"/>
    </PrivateInsightServerList>

我不知道如何解析文件，知道来自 xml 的服务器数量可以从 0 到 N 不等，但总是具有相同的结构。

理想情况下，我在 csv 中查找以下内容，并将 N 个服务器从同一个 xml 文件添加到同一行，如下所示：

path,address,port,protocol

例如。从片段：

My company\site 2,douda,80,HTTP,douda2,443,HTTPS

标签： xmlawkdata-extractionxmlstarlet

解决方案

由于它是必需的，而您没有提供它，我假设您的根 XML 元素只是“ <root>”。

XML 没有很好地嵌套（我本来希望PrivateInsightServerList是 的子级GroupInfo），我们需要一些技巧。不管。

首先，与xmlstarlet

xml sel -t -m '/root/GroupInfo' --var groupinfo=@Path \
  -m '/root/PrivateInsightServerList[@EnableEntireServerList=1]' \
    -v '$groupinfo' -o "," \
    -v PrivateInsightServer/@Address -o "," \
    -v PrivateInsightServer/@Port -o "," \
    -v PrivateInsightServer/@Protocol -nl \
  input.xml
  • -m '/root/GroupInfo' --var groupinfo=@Path 这会将 Path 属性存储在变量中以供以后使用
  • -m '/root/PrivateInsightServerList[@EnableEntireServerList=1]'EnableEntireServerList限制在不为 1的情况下选择的节点
  • 每个-v ... -o ","输出我们想要的值，后跟换行符（-nl）

（除了要缓存的变量，Path您还可以使用“兄弟”XPath， -v //GroupInfo/@Path但它可能无法可靠地工作，就像我说的那样，XML 对我来说并不“好”。）

既然你也用 标记了这个awk，我假设你有一个最近的gawk和gawkextlibXML 模块（并不是说你不能简单地做到这一点awk，但是如果学习 XML 解析不是任务，那么它不是很有效率手）。

@load "xml"

XMLSTARTELEM &&
  XMLPATH~/GroupInfo$/ { mypath=XMLATTR["Path"] }
XMLSTARTELEM &&
  XMLPATH~/PrivateInsightServerList$/ { ok=XMLATTR["EnableEntireServerList"] }
XMLSTARTELEM &&
   XMLPATH~/PrivateInsightServerList[/]PrivateInsightServer/ {
     if(ok==1) printf("%s,%s,%s,%s\n",
               mypath,XMLATTR["Address"],XMLATTR["Port"],XMLATTR["Protocol"])
}

这有点原始（我还没有使用过 DOMxmltree模块），上面有三个块，每个块都触发XMLSTARTELEM并检查XMLPATH包含元素的完整 XPath。前两个块缓存Pathand EnableEntireServerList，最后一个块根据需要打印出 CSV。

运行gawk -f parse.awk input.xml（“最近”是指 gawk-4.1 或更高版本）

我希望根据 XML 模式和数据顺序，这两种方法都可能存在问题。

推荐阅读