☰

长话短说

tag-icon • tag-icon sed xml
长话短说

我有一个文件多次xml包含该标签。</w:rPr>

它是这样使用的

  <w:rPr>
      TO REMOVE
  </w:rPr>

然而，标签本身之间的内容有时是不同的。有没有办法使用 sed 或其他东西来删除<w:rPr>和之间的所有内容</w:rPr>，然后也删除两个标签？

相关命名空间

xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main"

以及文件本身（格式化的、有效的 XML）

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<root xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
    <w:lvl w:ilvl="0">
      <w:rPr>
          TO REMOVE
      </w:rPr>
      <w:rPx>
        <w:rFonts w:ascii="Symbol" w:hAnsi="Symbol" w:hint="default"/>
      </w:rPx>
    </w:lvl>
</root>

答案1

长话短说

请，从不使用为了这个任务！

每次你使用sedforhtml或xml，你就会杀死一只小猫

这是一个任务

（一个合适的 XML 解析器）和他的朋友， 像这样：

xmlstarlet ed \
           -L \
           -N w="http://schemas.openxmlformats.org/wordprocessingml/2006/main" \
           -d '//w:rPr' file.xml

一些解释：

  • -L编辑文件在飞行中喜欢sed -i
  • -N设置XML命名空间， 如果需要的话
  • -d删除匹配xpath表达式的节点

查看xmlstarlet edit --help

使用basex

纯 XQuery 解决方案:

$ cat XQuery
declare namespace w = "http://schemas.openxmlformats.org/wordprocessingml/2006/main";    
copy $input := doc("/dev/stdin")
modify delete node $input//w:rPr
return $input

$ basex XQuery < file.xml

使用XQuery和xidel：

和有限的 XQuery 功能。

xidel --xml --xquery '
    declare namespace w = "http://schemas.openxmlformats.org/wordprocessingml/2006/main";
    x:replace-nodes(//w:rPr, ())
' file.xml

理论 ：

根据编译理论，XML/HTML 无法使用基于的正则表达式进行解析有限状态机。由于 XML/HTML 的层次结构，您需要使用下推自动机并操纵左旋受体使用类似工具的语法亚克力。

realLife©®™ 日常工具:

您可以使用以下其中一项：

  • xmllint通常默认安装libxml2xpath1
  • xmlstarlet可以编辑、选择、转换...默认未安装，XPath1
  • 路径通过 Perl 的模块 XML::XPath、XPath1 安装
  • 基础X默认情况下未安装，包basex，完整的 XQuery 3.1
  • 希德尔XPath3，部分 XQuery 3（无更新）
  • 撒克逊林特我自己的项目，@Michael Kay 的 Saxon-HE Java 库 XPath3 的包装

或者您可以使用高级语言和适当的库，我认为：

的lxml( from lxml import etree)

的XML::LibXML,XML::XPath,XML::Twig::XPath,HTML::TreeBuilder::XPath

,检查这个例子

DOMXpath,检查这个例子

查看：将正则表达式与 HTML 标签一起使用

在此输入图像描述

相关内容