Question

我有一个包含大量媒体字段的XML文件。一段示例XML是：

<root>
    <item>
        <name>Item 1</name>
        <mediaList>
            <media>
                <name>Name 1</name>
                <URL><![CDATA[http://example.com/image1.jpg]]></URL>
            </media>
            <media>
                <name>Name 2</name>
                <URL><![CDATA[http://example.com/image2.jpg]]></URL>
            </media>
        </mediaList>
    </item>
    <item>
        <name>Item 2</name>
        <mediaList>
            <media>
                <name>Name 3</name>
                <URL><![CDATA[http://example.com/image3.jpg]]></URL>
            </media>
            <media>
                <name>Name 4</name>
                <URL><![CDATA[http://example.com/image4.jpg]]></URL>
            </media>
        </mediaList>
    </item>
</root>

所有项目都以相同的方式构建。在XPath中使用XMLLint，我试图获取所有URL的列表。但是，到目前为止，我还没有找到最佳方法。我试过的一些方法是：

xmllint --xpath "string(/root/item/mediaList/URL)" file.xml >> log.txt

这个返回一个不错的网址，但在第一个项目后停止（仅给我一张图片）

xmllint --xpath "/root/item/mediaList/URL" file.xml >> log.txt

这为我提供了所有项目，但所有项目都在同一行，每个项目显示为<URL><![CDATA[http://example.com/image.jpg]]></URL>。

xmllint --xpath "/root/item/mediaList/URL/text()" file.xml >> log.txt

这是最接近的，但仍然会返回它周围的<![CDATA[]]>标记，并且还会在一行中返回。

我也试过循环浏览这些项目，但这非常慢，并且没有按预期工作。

我的目标是一个txt文件，所有图像都在彼此之下，如下所示：

http://example.com/image1.jpg
http://example.com/image2.jpg
http://example.com/image3.jpg
http://example.com/image4.jpg

Answer 1

Foo<T, int>不支持多个XPath匹配的xmllint。（因此它只显示第一个结果）。

您可以使用string(...)之类的：

xmlstarlet

并生成

xmlstarlet sel -T -t -m /root/item/mediaList/media/URL -v . -n file.xml

或perl（安装了XML::LibXML模块）：

http://example.com/image1.jpg
http://example.com/image2.jpg
http://example.com/image3.jpg
http://example.com/image4.jpg

也会产生与上面相同的结果。

Answer 2

我认为您应该在W3C Document中更改解析器：

CDATA部分中的每个字符都被视为字符数据。因此，＆lt;！[CDATA [＆lt;]]＆gt;在源文件中将处理相同＆LT ;.两者都将导致单个＆lt;中的文本节点中的字符树。因此，CDATA部分被视为＆lt;！[CDATA [和]]＆gt;。被删除并且每次出现＆lt;和＆amp;被替换为＆lt;和＆安培;分别

CDATA将自动删除，我在python中测试：

tree = etree.fromstring(xml)
tree.xpath('//URL/text()')

出：

['http://example.com/image1.jpg',
 'http://example.com/image2.jpg',
 'http://example.com/image3.jpg',
 'http://example.com/image4.jpg']

您的XPath是正确的。

使用xmllint提取多个相同命名字段的字段

2 个答案: