Question

我在解析xml标签的文件时遇到问题，问题是该文件可以包含多个xml标签，也可能只有一个。我试过通过正则表达式和使用LibXML来做到这一点。正则表达式的问题是如果在同一行上有两个封闭式标记，我的表达式甚至会在第一个标记的开头到第二个结束标记的结尾之间打印数据

xml文件 -

She outsprinted Becky Smith and Joan Hare to the line, with Becky and Joan
finishing in a time of <time>1:02:41</time> and <time>  1:02:45</time>
respectively.

我正在使用的正则表达式（想要提取时间细节） -

   if (/<time>(.*)<\/time>/) {
    ($hh, $mm, $ss) = split(':', $1);
    say "Time Entered - ", $hh, ":", $mm, ":", $ss, " ";
    print "***$1***\n";
    }

输出

Time Entered - 1:02:41</time> and <time>  1

预期 -

1:02:41
1:02:45

**第二种方法 - 使用LibXML ** 我尝试使用下面的代码，但它给我一个错误说

"KnoxHalfResults:1: parser error : Start tag expected, '<' not found
Jim Colatis won Tuesday's Knoxville half marathon in a blistering pace"

输入文件包含此数据 -

Jim Colatis won Tuesday's Knoxville half marathon in a blistering pace 
of <time>   0:56:45   </time>. He was followed to the line by long time nemesis 
Mickey Mouse in a time of <time>0:58:49</time>.

my code for LibXML -
use warnings;
#use XML::Twig;
use XML::LibXML;

my $filein;
my $fileout;

($filein, $fileout) = @ARGV;

my $parser = XML::LibXML->new();
my $xmldoc = $parser->parse_file($filein);

for my $sample ($xmldoc->findnodes('/time')) {

print $sample->nodeName(), ": ", $sample->textContent(), "\n";

}

Answer 1

如上所述，数据不是XML，因此您无法使用XML解析器。

有没有办法让它格式良好的XML？将它包装在虚拟根标签中然后使用XML :: LibXML（或XML :: Twig; - ）代码就足够了。

#!/usr/bin/perl

use strict;
use warnings;
use XML::Twig;
use File::Slurp;

my ($filein, $fileout) = @ARGV;

my @times;

my $t= XML::Twig->new( twig_handlers => { time => sub { push @times, $_->text; } })
                ->parse( '<dummy>' . read_file( $filein) . '</dummy>');

print "$_\n" foreach @times;

您必须确保文件中的文本是正确的XML文本。它不应包含不属于标记的<或&。

Answer 2

一种方法是，啜饮文件并将模式与正则表达式匹配。

注意：我建议使用解析器而不是正则表达式！

use strict;
use warnings;

open my $fh, '<', $file or die "failed: $!";
my $data = do { local $/; <$fh> };
close $fh;

while ( $data =~ /(\d{1,2}:\d{2}:\d{2})/g ) {
     print "Time Entered - $1 ***$1***\n";
}

或与您的代码匹配

while ( $data =~ /<time>\s*(.*?)\s*<\/time>/g ) {
     print "Time Entered - $1 ***$1***\n";
}

请参阅working demo

输出

Time Entered - 1:02:41 ***1:02:41***
Time Entered - 1:02:45 ***1:02:45***

解析具有许多或1个标记的XML文件

2 个答案: