☰

如何使用 sed 添加结束 XML 标签

tag-icon • tag-icon sed search replace xml
如何使用 sed 添加结束 XML 标签

我在 XML 文档中有以下示例：

<meta name=Originator content="text/html; charset=iso-8859-6">
<meta name=ProgId content=Word.Document>
<meta name=Generator content="Microsoft Word 15"/>

运行以下 sed 命令时：

'/./{H;$!d} ; x ; s@<meta\([^/>]*\)>@<meta\1/>@g'

我得到以下结果：

<meta name=Originator content="text/html; charset=iso-8859-6">
<meta name=ProgId content=Word.Document/>
<meta name=Generator content="Microsoft Word 15"/>

由于文本和 html 之间有斜杠，第一个示例缺少结束斜杠。

但是，如果我将 sed 命令修改为：

'/./{H;$!d} ; x ; s@<meta\([^>]*\)>@<meta\1/>@g'

然后我在第三个例子上有双斜杠：

<meta name=Originator content="text/html; charset=iso-8859-6"/>
<meta name=ProgId content=Word.Document/>
<meta name=Generator content="Microsoft Word 15"//>

关于如何涵盖这两种情况有什么想法吗？

答案1

像往常一样，我需要包含一个强制性警告：使用简单的文本解析工具来解析 [XH]TML 是一个坏主意。它经常会失败，对输入中的任何更改都不鲁棒，并且很可能默默地做一些破坏文档的事情。你应该总是尝试使用专用的 XML 解析器。

也就是说，如果以下假设成立，您可以使用以下解决方案：

  1. 您的标签都不会跨越多行。
  2. 所有<meta开始标签（并且只有那些标签）需要 a/>来结束。
  3. 你永远不能有一个>inside 标签。我实际上不太了解 XML 规范，无法知道这是否会发生，也许在name=?

如果以上情况属实，请尝试：

$ sed -E 's|(<meta [^>]*[^/])>|\1/>|' file.xml 
<meta name=Originator content="text/html; charset=iso-8859-6/>
<meta name=ProgId content=Word.Documen/>
<meta name=Generator content="Microsoft Word 15"/>

相关内容