Question

我有一个简单的任务让我把头发拉出来，我确定我非常接近。

这是我的xhtml文件：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<html xmlns="http://www.w3.org/1999/xhtml">

<head>
<title>Test Page</title>
</head>

<body>

<p>
test
</p>

<table id="test_table">
<tr><td>test</td><td>test</td></tr>
<tr><th>mo test</th></tr>
</table>

</body>

</html>

...而xmlstarlet喜欢它：

$ xmlstarlet.exe el -v test.xhtml
html[@xmlns='http://www.w3.org/1999/xhtml']
html/head
html/head/title
html/body
html/body/p
html/body/table[@id='test_table']
html/body/table/tr
html/body/table/tr/td
html/body/table/tr/td
html/body/table/tr
html/body/table/tr/th

我需要做的是提取表标签中的数据，最好不要使用HTML。对此的上下文是我正在编写一个测试集，其中一个网页被调用然后写入文件。测试要求我验证表数据，但如果页面上的其他内容发生变化，则允许测试成功。此外，我不会事先知道该表将包含多少列或行，它可能会因数据而异。

但是当我尝试时：

$ xmlstarlet.exe sel -t -c "/html/body/table[@id='test_table']" test.xhtml
Attempt to load network entity http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd
None of the XPaths matched; to match a node in the default namespace
use '_' as the prefix (see section 5.1 in the manual).
For instance, use /_:node instead of /node

我需要不同的id来进行不同的测试，但它们都有唯一的id值。所以，给定xhthml中的任何'id'，我需要它的数据。

提前感谢。

Answer 1

html数据有一个默认命名空间，您必须在xmlstarlet命令中声明：

xmlstarlet sel \
    -N n="http://www.w3.org/1999/xhtml" \
    -t \
    -c "/n:html/n:body/n:table[@id='test_table']/descendant::*/text()" \
htmlfile 2>/dev/null

找到<table>元素后，我使用descendant::*/text()提取其中的所有文本元素，并使用2>/dev/null跳过警告：

Attempt to load network entity http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd

它产生：

testtestmo test

UPDATE ：我不知道，但正如错误消息所示，没有必要在默认名称空间声明名称空间，所以这也有效：

xmlstarlet sel \
    -t \
    -c "/_:html/_:body/_:table[@id='test_table']/descendant::*/text()" \
htmlfile 2>/dev/null

Answer 2

如

中所述

http://xmlstar.sourceforge.net/doc/UG/ch05.html

使用

时的常见问题

-N x="http://www.w3.org/1999/xhtml" \

选项您还必须使用

为节点选择添加前缀

x:

e.g。

 xmlstarlet sel \
  -N x="http://www.w3.org/1999/xhtml" \
  -t \
  -m "//x:pre" \
  -v . somehtml.html

将选择所有预先节点

Answer 3

你可以尝试

xmlstarlet ed --inplace -u "html/body/table[@id='your_tabl e_id']/tr[@id='row_id']/td[@id='data_id']" -v NEW_VALUE_TO_BE_CHANGED HTMLFILE_NAME 2>/dev/null

如何？ xmlstarlet通过id提取HTML数据

3 个答案: