☰

读取 XML 标签，然后使用 shell 脚本删除 XML 标签

tag-icon • tag-icon unix shell-script sed awk
读取 XML 标签，然后使用 shell 脚本删除 XML 标签

给出以下输入：

<start>
   <header>
      This is header section
   </header>
   <body>
      <body_start>
         This is body section
         <a>
            <b>
               <c>
                  <st>111</st>
               </c>
               <d>
                  <st>blank</st>
               </d>
            </b>
         </a>
      </body_start>
      <body_section>
         This is body section
         <a>
            <b>
               <c>
                  <st>5</st>
               </c>
               <d>
                  <st>666</st>
               </d>
            </b>
            <b>
               <c>
                  <st>154</st>
               </c>
               <d>
                  <st>1457954</st>
               </d>
            </b>
            <b>
               <c>
                  <st>845034</st>
               </c>
               <d>
                  <st>blank</st>
               </d>
            </b>
         </a>
      </body_section>
   </body>
</start>

我想执行以下解析。

如果标签st的值为，则需要删除整个标签。请注意，文件中可能存在或不存在值 154。c154<b></b>

因此，如果存在值 154，则需要删除以下部分：

<b>
   <c>
      <st>154</st>
   </c>
   <d>
      <st>1457954</st>
   </d>
</b>

我想在 shell 脚本中编写代码。但我无法使用，xslt因为我的系统不支持它。

答案1

您可以使用pup，用于处理 HTML 的命令行工具。对于 XML，您可以使用xpup。

例如，要查找要移除的部件，请运行：

$ pup ':parent-of(:parent-of(:contains("154")))' <file.html
<b>
 <c>
  <st>
   154
  </st>
 </c>
 <d>
  <st>
   1457954
  </st>
 </d>
</b>

sed要使用（file.html您的 HTML 文件在哪里）从输入中删除此部分，请运行：

 sed "s@$(pup ':parent-of(:parent-of(:contains("154")))' <file.html | xargs | tr -d " ")@@g" <(xargs <file.html | tr -d " ")

笔记：

  • 我们用来xargs <file.html | tr -d " "将文件压平为一行而没有空格。
  • 我们使用提到的pup命令来找到要删除的模式。
  • 我们使用sed以下方式删除模式：sed "s@PATTERN@@g" <(input)。
  • 要就地替换（通过修改文件），-i对于 GNU添加sed，或者-i'.bak'对于 BSD添加sed。

为了更容易理解，可以使用以下脚本：

function flat_it() { xargs | tr -d " "; }
input=$(flat_it <file.html)
remove=$(pup ':parent-of(:parent-of(:contains("154")))' <<<$input | flat_it)
sed "s@$remove@@g" <<<$input

注意：上述方法的缺点是所有空格都被删除，包括内容中的空格。为了改善这种情况，需要使用其他扁平化输入的方法。

因此xargs | tr -d " "，可以使用 或 来sed代替。expaste

以下是使用的示例ex：

ex +%j +"s/[><]\zs //g" +%p -scq! file.html

以下是带 shell 功能的版本（可以替代以前的版本）：

function flat_it() { ex +%j +"s/[><]\zs //g" +%p -scq! /dev/stdin; }

相关内容