命令列xml處理命令列XML處理

命令列xml處理

就像我不願說的那樣，xml工具還沒有達到類似unix的命令列中可用的文字實用程式的便利程度。對於面向行的，空格或逗號分隔的文字檔案，使用sed，grep，xargs，wc，cut，pipe和短殼指令碼的巧妙組合可以完成的工作非常令人驚訝。

我認為，xml並不是天生就可以抵抗平面文字檔案所享受的模組化處理。 xml開發人員只需要從經驗中學習將xml工具組成元件的最佳方法。例如，在編寫本技巧時，我想到了一些現實的示例任務。但是我發現，即使是那些具有命令列功能的工具也尚未學會相互配合。使用多種工具並非難事，只需要一點包裝即可。

值得注意的乙個事實是，相當多的人已經編寫了類似的簡單工具的各種程式語言版本。每個版本的行為略有不同，但是它們都傾向於完成相同的總體任務。在本文中，我將介紹xml_indexer，xmlcat和xpath工具；前兩個來自我的gnosis實用程式，最後乙個是由matt sergeant編寫的perl模組（從cpan獲取）。

我對xml_indexer（見先前寫入相關資訊），它通過自己的xpath建立的xml文件中的詞的索引。例如，您可以使用以下內容建立索引，然後搜尋xml文件：

清單1.在xpath上建立索引和搜尋

% xml_indexer chap.xml
% indexer events were
/users/dqm/chap.xml::/chapter/sect1[2]/sect2[1]/para[1]
/users/dqm/chap.xml::/chapter/sect1[2]/sect2[4]/para[3]
1 files matched wordlist: ['events', 'mostly']
processed in 0.062 seconds (slicedzpickleindexer)

這些命令顯示xml文件chap.xml中的元素，其中包含單詞「事件」和「是」（不一定按順序或接近）。如果將其他xml文件新增到索引，則匹配的匹配項也會出現。順便說一下，即使索引了多個文件，新的搜尋也幾乎是即時的。

雖然它告訴您一點點資訊，即單詞出現在特定文件中的特定xpath上，但是搜尋的重點通常是檢視（或進一步處理）實際內容是否匹配。為此，您需要使用命令列xpath工具。我已經安裝了perl的xml :: xpath，我喜歡它的行為。

您可以將發現的xpath剪下並貼上到xpath工具中。例如：

清單2.手動檢視xpath

% xpath chap.xml '/chapter/sect1[2]/sect2[4]/para[3]'
found 1 nodes:
-- node --
it is not particularly remarkable that...
...

這表明這些工具具有很好的模組化。而且，如果傳遞給xpath的xpath包含萬用字元，則它可能匹配的不僅是乙個節點。不幸的是，indexer的輸出沒有正確的形式傳遞給xpath；為了自動檢視具有匹配單詞的節點，索引器使用「 ::」將檔名與xpath分開，並且xpath一次僅檢視乙個xpath。你可以做得更好。

清單3. find-xml-elements

#!/bin/sh
for hit in `indexer $@ 2> /dev/null`
do  echo $hit | sed 's/::/ /' > loc.tmp
cat loc.tmp | xargs xpath 2> /dev/null
echo
done
rm loc.tmp

與其他設計良好的命令列工具一樣，索引器和xpath將資訊訊息傳送到stderr，並將實際結果傳送到stdout。對於我的指令碼，我對stderr訊息不感興趣。現在，我可以很容易地找到其**現單詞列表的所有節點：

清單4.在xml元素中搜尋單詞

% find-xml-elements events were lest we forget some events in a recent decade... ...salem and by huac. it is not particularly remarkable that...

...being uncovered.

到目前為止，一切都很好。搜尋輸出一系列xml**片段，其中每個頂級元素都包含搜尋到的單詞。但是，結果通常不是很完善的xml文件，因為它是多重根的。

分析xml資料的挑戰之一是xml文件可能包含與其語義內容無關的格式變化：可以忽略某些空格，在解析過程中丟棄屬性的順序，空元素可能是自封閉的或具有空白結束標籤，然後可以幾種不同的方式對實體進行編碼。實際上，即使從解析器的角度來看，也不能忽略很多空白，但從應用程式的角度來看，它們卻是微不足道的。漂亮的換行符和縮排對人們很有用，許多應用程式（可選）執行這種樣式設定。

已經編寫了大量工具以語義上有用的方式比較xml文件。他們中的大多數人都有明顯的名字，例如xmldiff（使用google查詢各種程式語言的版本）。 xml文件的這種比較的基礎是每個文件的布局的規範化。一旦對xml文件的精確呈現做出了靈活的演算法決策，就可以輕鬆地將語義相似的文件與diff之類的通用工具進行比較。

我使用我編寫的python指令碼xmlcat。該工具並不複雜-它的行為很像標準的cat實用程式-但可以在此過程中規範化xml文件。我喜歡xmlcat的原因不止像xmlpp類似的工具（見相關資訊）的是，它補充說，年代由web瀏覽器山貓靈感的選項。如果將--dump引數傳遞給xmlcat，則它僅輸出xml文件的文字內容，從而消除標籤（使用垂直空格是一種相當不錯的方式）。對於面向資料的xml，此功能幾乎沒有用，但是對於標記的散文來說，它很方便。

如果您在散文的xml文件中搜尋內容詞，則很可能您對內容感興趣的多於標記。使用xmlcat --dump過濾正是刪除不需要的xml標籤的訣竅。但是，將find-xml-elements的輸出直接傳遞到xmlcat並不完全正確，因為find-xml-elements的輸出不是乙個完整的格式良好的xml文件（如前所述，它是片段）。乙個簡短的shell指令碼解決了這個問題：

清單5. find-xml-text

#!/bin/sh
for hit in `indexer $@ 2> /dev/null`
do  echo $hit | sed 's/::/ /' > loc.tmp
cat loc.tmp | xargs xpath 2> /dev/null | xmlcat --dump
echo
done
rm loc.tmp

find-xml-text的輸出可與標準文字實用程式很好地配合。例如，我想顯示所有包含某些搜尋詞的段落，但從其行中刪除任何左縮排並限制行長：

清單6.在xml元素文字中搜尋單詞

% find-xml-text events were | sed 's/^ *//' | fmt -w 70 lest we forget some events in a recent decade... ......those in salem and by huac. it is not particularly remarkable...

......being uncovered.

翻譯自:

命令列xml處理

命令列xml處理命令列XML處理

Go語言 flag Go的命令列引數命令列處理

命令列 Git Bash命令列小結

核心命令列處理

命令列xml處理 命令列XML處理

Go語言 flag Go的命令列引數 命令列處理

命令列 Git Bash命令列小結

核心命令列處理

相關推薦

命令列xml處理命令列XML處理

Go語言 flag Go的命令列引數命令列處理