Question

我需要一些帮助，使用bash工具

我想从文件中删除空的xml标签，例如：

 <CreateOfficeCode>
      <OperatorId>ve</OperatorId>
      <OfficeCode>1234</OfficeCode>
      <CountryCodeLength>0</CountryCodeLength>
      <AreaCodeLength>3</AreaCodeLength>
      <Attributes></Attributes>
      <ChargeArea></ChargeArea>
 </CreateOfficeCode>

成为：

 <CreateOfficeCode>
      <OperatorId>ve</OperatorId>
      <OfficeCode>1234</OfficeCode>
      <CountryCodeLength>0</CountryCodeLength>
      <AreaCodeLength>3</AreaCodeLength>
 </CreateOfficeCode>

为此我已通过此命令

sed -i '/><\//d' file

这不是那么严格，它更像是一个技巧，更合适的是找到<pattern></pattern>并删除它。建议？

其次，如何前往：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
       <CreateOfficeCode>
       </CreateOfficeCode>
 </CreateOfficeGroup>

为：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
 </CreateOfficeGroup>

整体而言？从：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
       <CreateOfficeCode>
            <OperatorId>ve</OperatorId>
            <OfficeCode>1234</OfficeCode>
            <CountryCodeLength>0</CountryCodeLength>
            <AreaCodeLength>3</AreaCodeLength>
            <Attributes></Attributes>
            <ChargeArea></ChargeArea>
       </CreateOfficeCode>
       <CreateOfficeSize>
            <Chairs></Chairs>
            <Tables></Tables>
       </CreateOfficeSize>
 </CreateOfficeGroup>

为：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
       <CreateOfficeCode>
            <OperatorId>ve</OperatorId>
            <OfficeCode>1234</OfficeCode>
            <CountryCodeLength>0</CountryCodeLength>
            <AreaCodeLength>3</AreaCodeLength>
       </CreateOfficeCode>
 </CreateOfficeGroup>

您能否以个人身份回答问题？非常感谢你！

Answer 1

XMLStarlet是一个命令行XML处理器。用它来做你想要的是一行操作（直到添加了所需的递归行为），并且适用于描述相同输入的所有XML语法变体：

简单版本：

xmlstarlet ed \
  -d '//*[not(./*) and (not(./text()) or normalize-space(./text())="")]' \
  input.xml

花哨的版本：

strip_recursively() {
  local doc last_doc
  IFS= read -r -d '' doc 
  while :; do
    last_doc=$doc
    doc=$(xmlstarlet ed \
           -d '//*[not(./*) and (not(./text()) or normalize-space(./text())="")]' \
           /dev/stdin <<<"$last_doc")
    if [[ $doc = "$last_doc" ]]; then
      printf '%s\n' "$doc"
      return
    fi
  done
}
strip_recursively <input.xml

使用

/dev/stdin而不是-（以平台可移植性为代价），以便在XMLStarlet版本之间实现更好的可移植性;适应味道。

如果系统只安装了较旧的依赖项，则安装的XML解析器更可能与Python捆绑在一起。

#!/usr/bin/env python

import xml.etree.ElementTree as etree
import sys

doc = etree.parse(sys.stdin)
def prune(parent):
    ever_changed = False
    while True:
        changed = False
        for el in parent.getchildren():
            if len(el.getchildren()) == 0:
                if ((el.text is None or el.text.strip() == '') and
                    (el.tail is None or el.tail.strip() == '')):
                    parent.remove(el)
                    changed = True
            else:
                changed = changed or prune(el)
        ever_changed = changed or ever_changed
        if changed is False:
            return ever_changed

prune(doc.getroot())
print etree.tostring(doc.getroot())

Answer 2

sed '#n
1h;1!H
$ { x
:remtag
  s#\(\n* *\)*<\([^>]*>\)\( *\n*\)*</\2##g
  t remtag

  p
  }' YourFile

（在GNU sed上的posix版本--posix）

以递归方式将空标签从下部拉杆移至上部标签，直至不再出现空标签。
不是XML解析器，所以像<tag1 prop="<tag2></tag2>"> ...这样的东西也会删除道具内容以及xml允许的任何其他内容。

Answer 3

您可以使用sed执行以下操作：

sed -i ':a;N;$!ba;s/<\([^>]*\)>[ \t\n]*<\/\1>//g;s/\([\n][\t\n ]*[\n]\)/\n/g;' yourfile.xml

开头的脚本（:l;N;$!bl）通过循环将所有行连接到模式空间（：a - 声明标签a; N - 将下一行附加到模式空间; $！bl - branch到达最后一行的if）

第一次替换的模式就像开始标记（<$[^>]*$>） - 可选的空格（[ \t\n]*） - 结束标记（<\/\1>）一样。请注意标记名称模式周围的转义parens，其内容在表达式中可以称为\ 1。这就是结束标记与开始标记的匹配方式。

最后，第二次替换（s/[\n][\n]*/\n/g）只是删除了连续的换行符。

Bash，删除空XML标记

3 个答案: