Question

我有一个包含标签之间数据的文本文件。标签是：

<title>
<url>
<pubDate>

因此，条目如下所示：

<title>title 1</title>
<url>url 1</url> 
<pubDate>pubDate 1</pubDate>

<title>title 2</title>
<url>url 2</url> 
<pubDate>pubDate 2</pubDate>

<title>title 3</title>
<url>url 3</url> 
<pubDate>pubDate 3</pubDate>

我需要一个脚本来读取此文本文件并准备要插入数据库的每个项目。查询将如下所示：

insert into table (title,url,pubdate) values ($title,$url,$pubdate)....

Answer 1

为什么使用“<”而不只是“<”？

只需将所有“<”和“>”转换为“<”和“>”，然后将其转换为XML::Simple之类的内容在Perl。

Answer 2

PHP5中的SimpleXML http://php.net/simplexml

@rascher将XML实体转换为“XML文字”应该没有任何问题。

&lt; title &gt; C &gt; Java &lt; /title &gt;

将编码为：

&lt; title &amp;gt; C &gt; Java &lt; /title &gt;

解码XML实体会产生有效的XML。

Answer 3

#!/usr/bin/perl

use strict;
use warnings;

my %seen = (); 

sub seen_all {     
      defined $seen{title}
   && defined $seen{url} 
   && defined $seen{pubDate};
}  

while (<>) {                   
     /<(.+?)>(.+)<\/\1>/ && do {
         $seen{$1} = $2;
     }; 

    if(seen_all){ 
        print "insert into table (title,url,pubdate) " .        
              "values ('$seen{title}','$seen{url}','$seen{pubDate}')\n";
        %seen = (); 
    } 
}

Answer 4

您可能希望看一下Text::Balanced。它有一个“extract_tagged”函数，可以完全解决您所概述的问题。

Answer 5

你可以用它。您可以使用Simple XML类

阅读RSS

$data = file_get_contents('http://www.example.com/path-to-feed.xml');
$xml = new SimpleXMLElement($data);

foreach($xml->feed as $feed){
    echo $feed->title;
    echo '<br />';
    echo $feed->url;
    echo '<br />';
    echo $feed->pubDate;
    echo '<br />';
}

在标签之间抓取信息

5 个答案: