Question

我目前正在与awk进行斗争，以从基于xml的文件中提取多个字符串，并以csv格式导出这些字符串

下面是我要获取的标签的片段：

    <GroupInfo Description="" Name="Site 2" Path="My Company\Site 2"/>
    ...
    ...
    <PrivateInsightServerList EnableEntireServerList="1" >
      <PrivateInsightServer Address="douda" LegacyClientSupport="1" Port="80" Protocol="HTTP"/>
    </PrivateInsightServerList>
    <PrivateInsightServerList EnableEntireServerList="1" >
      <PrivateInsightServer Address="douda2" LegacyClientSupport="0" Port="443" Protocol="HTTPS"/>
    </PrivateInsightServerList>

我不知道该如何解析文件，因为xml中的服务器数量可能在0到N之间变化，但是总是具有相同的结构。

理想情况下，我正在csv中寻找以下内容，并将N个服务器从同一xml文件添加到同一行，如下所示：

path,address,port,protocol

例如来自摘要：

My company\site 2,douda,80,HTTP,douda2,443,HTTPS

Answer 1

由于它是必需的，而您尚未提供，因此我假设您的根XML元素只是“ <root>”。

XML嵌套不好（我希望PrivateInsightServerList是GroupInfo的子代），我们将需要一些技巧。没关系。

首先，使用xmlstarlet

xml sel -t -m '/root/GroupInfo' --var groupinfo=@Path \
  -m '/root/PrivateInsightServerList[@EnableEntireServerList=1]' \
    -v '$groupinfo' -o "," \
    -v PrivateInsightServer/@Address -o "," \
    -v PrivateInsightServer/@Port -o "," \
    -v PrivateInsightServer/@Protocol -nl \
  input.xml

-m '/root/GroupInfo' --var groupinfo=@Path 它将Path属性存储在变量中以供以后使用
-m '/root/PrivateInsightServerList[@EnableEntireServerList=1]'限制EnableEntireServerList不为1的情况下选择的节点
每个-v ... -o ","输出所需的值，然后输出换行符（-nl）

（您也可以使用“兄弟” XPath代替缓存Path的变量，例如 -v //GroupInfo/@Path，但可能无法可靠地运行，就像我说的那样，XML对我来说似乎并不“好”。

由于您还用awk标记了该标签，因此我假设您最近使用了XML模块gawk和gawkextlib（不是您不能在简直awk，但是如果学习XML解析不是手头的任务，那将不是很有效。）

@load "xml"

XMLSTARTELEM &&
  XMLPATH~/GroupInfo$/ { mypath=XMLATTR["Path"] }
XMLSTARTELEM &&
  XMLPATH~/PrivateInsightServerList$/ { ok=XMLATTR["EnableEntireServerList"] }
XMLSTARTELEM &&
   XMLPATH~/PrivateInsightServerList[/]PrivateInsightServer/ {
     if(ok==1) printf("%s,%s,%s,%s\n",
               mypath,XMLATTR["Address"],XMLATTR["Port"],XMLATTR["Protocol"])
}

这是一个有点原始的东西（我还没有使用DOM xmltree模块），上面有三个块，每个块在XMLSTARTELEM上触发并检查XMLPATH包含完整的元素的XPath。前两个块缓存Path和EnableEntireServerList，最后一个块根据需要打印出CSV。

运行gawk -f parse.awk input.xml（“最近”是指gawk-4.1或更高版本）

我希望这两种方法都会出现问题，具体取决于XML模式和数据顺序。

从基于xml的文件中提取N个字符串

1 个答案: