Question

如何使用使用字符串命名的文件将大型连接xml文件拆分为单个xml文件？

input.xml中

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1001-20170101.XML" date="20170101">
</type-of-doc>
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1002-20170101.XML" date="20170101">
</type-of-doc>
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1008-20170101.XML" date="20170101">
</type-of-doc>

我想读取字符串file="xxxx-yyyyyyyy.XML"并创建名为xxxx.XML的输出文件

输出xml文件：

1001.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1001-20170101.XML" date="20170101">
</type-of-doc>

1002.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1002-20170101.XML" date="20170101">
</type-of-doc>

1008.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1008-20170101.XML" date="20170101">
</type-of-doc>

我的首选是使用bash shell工具，如cat，awk，sed和xml工具，如xmllint或类似工具，并将stdout和stderr记录到日志文件中。

欣赏方法和可测试的解决方案

Answer 1

考虑以下 gawk 方法（如果您的输入按问题逐行构建）：

awk '/<?xml version/{ getline dt; getline typedoc; 
     if (match(typedoc,/file="([0-9]+)-[^"]+.XML"/,a)) { 
         fn=a[1]".xml"; print $0 ORS dt ORS typedoc > fn; next; 
     }}{ print > fn }
' input.xml 2> err.log

结果：

cat 1001.xml 
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1001-20170101.XML" date="20170101">
</type-of-doc>

cat 1002.xml 
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1002-20170101.XML" date="20170101">
</type-of-doc>

cat 1008.xml 
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE type-of-doc SYSTEM "file.dtd" [ ]>
<type-of-doc lang="EN" dtd-version="v1" file="1008-20170101.XML" date="20170101">
</type-of-doc>

/<?xml version/ - 遇到行/<?xml version/并xml声明
getline dt; - 使用<!DOCTYPE
getline typedoc; - 使用type-of-doc标记
if (match(typedoc,/file="([0-9]+)-[^"]+.XML"/,a)) - 匹配file属性值
第一个捕获的组([0-9]+)将被分配给第一个数组元素a[1]

如何拆分连接的xml文件并使用字符串

1 个答案: