Question

在网页上使用xmlstarlet时，我大部分时间都面临实体引用错误。这使得它无法从网页中提取。

由于html页面格式不正确XML（还有一些处理html的选项吗？）我用

转换它们

tidy -asxhtml

到XHTML，其中整理了声明

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

然后用xmlstarlet处理它

curl http://www.xfree86.org/current/index.html |  tidy -asxhtml | \
  xmlstarlet sel --net -T   -t -m hr -v . -

它总是抛出相同的错误

-:13: parser error : Entity 'reg' not defined
<h1>Documentation for XFree86&reg; version 4.8.0</h1>

有人知道如何让xmlsttarlet知道实体引用文件。

Answer 1

尝试告诉整洁将字符实体转换为数字实体，如下所示：

curl --silent -q http://www.xfree86.org/current/index.html | \
tidy -q -numeric -asxhtml --show-warnings no  | \
xmlstarlet sel -N xhtml="http://www.w3.org/1999/xhtml" -t -m "//xhtml:hr" -c . -n 2>/dev/null

在这里，我添加了以下选项：

通过--silent和-q
通过-q和--show-warnings no
通过-numeric
给xmlstarlet xhtml命名空间用于带-N的XPath，并将其命名为xhtml
更改XPath以匹配命名空间hr

xhtml

这可以解除实体未定义的错误，使之前的命令全部无声，并选择所需的元素。

然而，当我尝试使用xmlstarlet v1.0.6时，我仍然得到这个：

Entity: line 1: parser warning : xmlParsePITarget: invalid name prefix 'xml'
<?xmlstarlet version="1.0"?>

不确定这是否真的重要，但它似乎是一个可以安全忽略的警告......所以我只需用2>/dev/null

将stderr输出到/ dev / null

xmlstarlet解析器错误：未定义实体'*'

1 个答案: