理想情况下,我希望能够做的是:
cat xhtmlfile.xhtml |
getElementViaXPath --path='/html/head/title' |
sed -e 's%(^<title>|</title>$)%%g' > titleOfXHTMLPage.txt
这实际上只是对Yuzem's答案的解释,但我觉得不应该对其他人进行这么多的编辑,并且评论不允许格式化,所以......
rdom () { local IFS=\> ; read -d \< E C ;}
让我们称其为“read_dom”而不是“rdom”,将其隔开一点并使用更长的变量:
read_dom () {
local IFS=\>
read -d \< ENTITY CONTENT
}
好的,所以它定义了一个名为 read_dom 的函数。第一行使 IFS(输入字段分隔符)成为该函数的局部变量,并将其更改为 >。这意味着当您读取数据而不是自动按空格、制表符或换行符拆分时,它会按“>”拆分。下一行表示从标准输入读取输入,而不是在换行处停止,而是在看到“<”字符时停止(-d 表示分隔符标志)。然后使用 IFS 拆分读取的内容并分配给变量 ENTITY 和 CONTENT。所以采取以下措施:
<tag>value</tag>
第一次调用 read_dom
得到一个空字符串(因为 '<' 是第一个字符)。 IFS 将其拆分为 '',因为没有 '>'特点。 Read 然后为这两个变量分配一个空字符串。第二次调用获取字符串'tag>value'。然后由 IFS 将其拆分为两个字段“标签”和“值”。然后读取分配变量,例如:ENTITY=tag
和 CONTENT=value
。第三次调用得到字符串'/tag>'。 IFS 将其拆分为两个字段“/tag”和“”。然后读取分配变量,如:ENTITY=/tag
和 CONTENT=
。第四个调用将返回非零状态,因为我们已经到达文件末尾。
现在他的while循环清理了一点以匹配上面的内容:
while read_dom; do
if [[ $ENTITY = "title" ]]; then
echo $CONTENT
exit
fi
done < xhtmlfile.xhtml > titleOfXHTMLPage.txt
第一行只是说,“当 read_dom 函数返回零状态时,请执行以下操作。”第二行检查我们刚刚看到的实体是否是“title”。下一行回显了标签的内容。四线出口。如果它不是标题实体,则循环在第六行重复。我们将“xhtmlfile.xhtml”重定向到标准输入(用于 read_dom
函数)并将标准输出重定向到“titleOfXHTMLPage.txt”(循环前面的回显)。
现在为 input.xml
给出以下内容(类似于您在 S3 上列出存储桶所获得的内容):
<ListBucketResult xmlns="http://s3.amazonaws.com/doc/2006-03-01/">
<Name>sth-items</Name>
<IsTruncated>false</IsTruncated>
<Contents>
<Key>item-apple-iso@2x.png</Key>
<LastModified>2011-07-25T22:23:04.000Z</LastModified>
<ETag>"0032a28286680abee71aed5d059c6a09"</ETag>
<Size>1785</Size>
<StorageClass>STANDARD</StorageClass>
</Contents>
</ListBucketResult>
和以下循环:
while read_dom; do
echo "$ENTITY => $CONTENT"
done < input.xml
你应该得到:
=>
ListBucketResult xmlns="http://s3.amazonaws.com/doc/2006-03-01/" =>
Name => sth-items
/Name =>
IsTruncated => false
/IsTruncated =>
Contents =>
Key => item-apple-iso@2x.png
/Key =>
LastModified => 2011-07-25T22:23:04.000Z
/LastModified =>
ETag => "0032a28286680abee71aed5d059c6a09"
/ETag =>
Size => 1785
/Size =>
StorageClass => STANDARD
/StorageClass =>
/Contents =>
因此,如果我们像 Yuzem 那样编写一个 while
循环:
while read_dom; do
if [[ $ENTITY = "Key" ]] ; then
echo $CONTENT
fi
done < input.xml
我们将获得 S3 存储桶中所有文件的列表。
编辑如果由于某种原因 local IFS=\>
对您不起作用并且您将其设置为全局,您应该在函数结束时将其重置,例如:
read_dom () {
ORIGINAL_IFS=$IFS
IFS=\>
read -d \< ENTITY CONTENT
IFS=$ORIGINAL_IFS
}
否则,您稍后在脚本中进行的任何行分割都会搞砸。
EDIT 2 要拆分属性名称/值对,您可以像这样扩充 read_dom()
:
read_dom () {
local IFS=\>
read -d \< ENTITY CONTENT
local ret=$?
TAG_NAME=${ENTITY%% *}
ATTRIBUTES=${ENTITY#* }
return $ret
}
然后编写你的函数来解析并获取你想要的数据,如下所示:
parse_dom () {
if [[ $TAG_NAME = "foo" ]] ; then
eval local $ATTRIBUTES
echo "foo size is: $size"
elif [[ $TAG_NAME = "bar" ]] ; then
eval local $ATTRIBUTES
echo "bar type is: $type"
fi
}
然后当您 read_dom
调用 parse_dom
时:
while read_dom; do
parse_dom
done
然后给出以下示例标记:
<example>
<bar size="bar_size" type="metal">bars content</bar>
<foo size="1789" type="unknown">foos content</foo>
</example>
你应该得到这个输出:
$ cat example.xml | ./bash_xml.sh
bar type is: metal
foo size is: 1789
EDIT 3 另一位 user 说他们在 FreeBSD 中遇到了问题,并建议将退出状态从 read 中保存并在 read_dom 结束时返回,例如:
read_dom () {
local IFS=\>
read -d \< ENTITY CONTENT
local RET=$?
TAG_NAME=${ENTITY%% *}
ATTRIBUTES=${ENTITY#* }
return $RET
}
我看不出有什么理由不应该这样做
只使用 bash 就可以很容易地做到这一点。您只需添加此功能:
rdom () { local IFS=\> ; read -d \< E C ;}
现在您可以像 read 一样使用 rdom,但对于 html 文档。调用 rdom 时,会将元素分配给变量 E,将内容分配给 var C。
例如,做你想做的事:
while rdom; do
if [[ $E = title ]]; then
echo $C
exit
fi
done < xhtmlfile.xhtml > titleOfXHTMLPage.txt
可以从 shell 脚本调用的命令行工具包括:
4xpath - Python 的 4Suite 包的命令行包装器
XMLStarlet
xpath - Perl 的 XPath 库的命令行包装器 sudo apt-get install libxml-xpath-perl
Xidel - 适用于 URL 和文件。也适用于 JSON
我还使用带有少量 XSL 转换脚本的 xmllint 和 xsltproc 从命令行或 shell 脚本中进行 XML 处理。
xpath
太棒了!用法是一个简单的 xpath -e 'xpath/expression/here' $filename
,然后添加一个 -q
以仅显示输出,以便您可以将其通过管道传输到其他位置或保存到变量。
您可以使用 xpath 实用程序。它与 Perl XML-XPath 包一起安装。
用法:
/usr/bin/xpath [filename] query
或 XMLStarlet。要在 opensuse 上安装它,请使用:
sudo zypper install xmlstarlet
或在其他平台上尝试 cnf xml
。
xpath
不适合用作脚本中的组件。有关详细说明,请参见例如 stackoverflow.com/questions/15461737/…。
apt-get install xmlstarlet
上
这已经足够了……
xpath xhtmlfile.xhtml '/html/head/title/text()' > titleOfXHTMLPage.txt
apt-get install libxml-xpath-perl
中。
查看 http://www.ofb.net/~egnor/xml2/ 中的 XML2,它将 XML 转换为面向行的格式。
另一个命令行工具是我的新 Xidel。它还支持 XPath 2 和 XQuery,这与已经提到的 xpath/xmlstarlet 不同。
标题可以这样读:
xidel xhtmlfile.xhtml -e /html/head/title > titleOfXHTMLPage.txt
它还有一个很酷的功能,可以将多个变量导出到 bash。例如
eval $(xidel xhtmlfile.xhtml -e 'title := //title, imgcount := count(//img)' --output-format bash )
将 $title
设置为标题,将 $imgcount
设置为文件中的图像数量,这应该与直接在 bash 中解析一样灵活。
从乍得的回答开始,这里是解析 UML 的完整工作解决方案,对注释进行适当处理,只有 2 个小功能(超过 2 个,您可以将它们全部混合)。我并不是说 chad 的那个根本没有用,但是它对于格式错误的 XML 文件有太多的问题:所以你必须更加棘手地处理注释和错位的空格/CR/TAB/等。
这个答案的目的是为任何需要解析 UML 而无需使用 perl、python 或其他任何复杂工具的人提供即用型、开箱即用的 bash 函数。至于我,我无法为我正在开发的旧生产操作系统安装 cpan 和 perl 模块,并且 python 不可用。
首先,本文中使用的 UML 词的定义:
<!-- comment... -->
<tag attribute="value">content...</tag>
编辑:更新的功能,处理:
Websphere xml(xmi 和 xmlns 属性)
必须有 256 色的兼容终端
24 级灰色
为 IBM AIX bash 3.2.16(1) 添加了兼容性
函数,首先是由 xml_read 递归调用的 xml_read_dom:
xml_read_dom() {
# https://stackoverflow.com/questions/893585/how-to-parse-xml-in-bash
local ENTITY IFS=\>
if $ITSACOMMENT; then
read -d \< COMMENTS
COMMENTS="$(rtrim "${COMMENTS}")"
return 0
else
read -d \< ENTITY CONTENT
CR=$?
[ "x${ENTITY:0:1}x" == "x/x" ] && return 0
TAG_NAME=${ENTITY%%[[:space:]]*}
[ "x${TAG_NAME}x" == "x?xmlx" ] && TAG_NAME=xml
TAG_NAME=${TAG_NAME%%:*}
ATTRIBUTES=${ENTITY#*[[:space:]]}
ATTRIBUTES="${ATTRIBUTES//xmi:/}"
ATTRIBUTES="${ATTRIBUTES//xmlns:/}"
fi
# when comments sticks to !-- :
[ "x${TAG_NAME:0:3}x" == "x!--x" ] && COMMENTS="${TAG_NAME:3} ${ATTRIBUTES}" && ITSACOMMENT=true && return 0
# http://tldp.org/LDP/abs/html/string-manipulation.html
# INFO: oh wait it doesn't work on IBM AIX bash 3.2.16(1):
# [ "x${ATTRIBUTES:(-1):1}x" == "x/x" -o "x${ATTRIBUTES:(-1):1}x" == "x?x" ] && ATTRIBUTES="${ATTRIBUTES:0:(-1)}"
[ "x${ATTRIBUTES:${#ATTRIBUTES} -1:1}x" == "x/x" -o "x${ATTRIBUTES:${#ATTRIBUTES} -1:1}x" == "x?x" ] && ATTRIBUTES="${ATTRIBUTES:0:${#ATTRIBUTES} -1}"
return $CR
}
第二个:
xml_read() {
# https://stackoverflow.com/questions/893585/how-to-parse-xml-in-bash
ITSACOMMENT=false
local MULTIPLE_ATTR LIGHT FORCE_PRINT XAPPLY XCOMMAND XATTRIBUTE GETCONTENT fileXml tag attributes attribute tag2print TAGPRINTED attribute2print XAPPLIED_COLOR PROSTPROCESS USAGE
local TMP LOG LOGG
LIGHT=false
FORCE_PRINT=false
XAPPLY=false
MULTIPLE_ATTR=false
XAPPLIED_COLOR=g
TAGPRINTED=false
GETCONTENT=false
PROSTPROCESS=cat
Debug=${Debug:-false}
TMP=/tmp/xml_read.$RANDOM
USAGE="${C}${FUNCNAME}${c} [-cdlp] [-x command <-a attribute>] <file.xml> [tag | \"any\"] [attributes .. | \"content\"]
${nn[2]} -c = NOCOLOR${END}
${nn[2]} -d = Debug${END}
${nn[2]} -l = LIGHT (no \"attribute=\" printed)${END}
${nn[2]} -p = FORCE PRINT (when no attributes given)${END}
${nn[2]} -x = apply a command on an attribute and print the result instead of the former value, in green color${END}
${nn[1]} (no attribute given will load their values into your shell; use '-p' to print them as well)${END}"
! (($#)) && echo2 "$USAGE" && return 99
(( $# < 2 )) && ERROR nbaram 2 0 && return 99
# getopts:
while getopts :cdlpx:a: _OPT 2>/dev/null
do
{
case ${_OPT} in
c) PROSTPROCESS="${DECOLORIZE}" ;;
d) local Debug=true ;;
l) LIGHT=true; XAPPLIED_COLOR=END ;;
p) FORCE_PRINT=true ;;
x) XAPPLY=true; XCOMMAND="${OPTARG}" ;;
a) XATTRIBUTE="${OPTARG}" ;;
*) _NOARGS="${_NOARGS}${_NOARGS+, }-${OPTARG}" ;;
esac
}
done
shift $((OPTIND - 1))
unset _OPT OPTARG OPTIND
[ "X${_NOARGS}" != "X" ] && ERROR param "${_NOARGS}" 0
fileXml=$1
tag=$2
(( $# > 2 )) && shift 2 && attributes=$*
(( $# > 1 )) && MULTIPLE_ATTR=true
[ -d "${fileXml}" -o ! -s "${fileXml}" ] && ERROR empty "${fileXml}" 0 && return 1
$XAPPLY && $MULTIPLE_ATTR && [ -z "${XATTRIBUTE}" ] && ERROR param "-x command " 0 && return 2
# nb attributes == 1 because $MULTIPLE_ATTR is false
[ "${attributes}" == "content" ] && GETCONTENT=true
while xml_read_dom; do
# (( CR != 0 )) && break
(( PIPESTATUS[1] != 0 )) && break
if $ITSACOMMENT; then
# oh wait it doesn't work on IBM AIX bash 3.2.16(1):
# if [ "x${COMMENTS:(-2):2}x" == "x--x" ]; then COMMENTS="${COMMENTS:0:(-2)}" && ITSACOMMENT=false
# elif [ "x${COMMENTS:(-3):3}x" == "x-->x" ]; then COMMENTS="${COMMENTS:0:(-3)}" && ITSACOMMENT=false
if [ "x${COMMENTS:${#COMMENTS} - 2:2}x" == "x--x" ]; then COMMENTS="${COMMENTS:0:${#COMMENTS} - 2}" && ITSACOMMENT=false
elif [ "x${COMMENTS:${#COMMENTS} - 3:3}x" == "x-->x" ]; then COMMENTS="${COMMENTS:0:${#COMMENTS} - 3}" && ITSACOMMENT=false
fi
$Debug && echo2 "${N}${COMMENTS}${END}"
elif test "${TAG_NAME}"; then
if [ "x${TAG_NAME}x" == "x${tag}x" -o "x${tag}x" == "xanyx" ]; then
if $GETCONTENT; then
CONTENT="$(trim "${CONTENT}")"
test ${CONTENT} && echo "${CONTENT}"
else
# eval local $ATTRIBUTES => eval test "\"\$${attribute}\"" will be true for matching attributes
eval local $ATTRIBUTES
$Debug && (echo2 "${m}${TAG_NAME}: ${M}$ATTRIBUTES${END}"; test ${CONTENT} && echo2 "${m}CONTENT=${M}$CONTENT${END}")
if test "${attributes}"; then
if $MULTIPLE_ATTR; then
# we don't print "tag: attr=x ..." for a tag passed as argument: it's usefull only for "any" tags so then we print the matching tags found
! $LIGHT && [ "x${tag}x" == "xanyx" ] && tag2print="${g6}${TAG_NAME}: "
for attribute in ${attributes}; do
! $LIGHT && attribute2print="${g10}${attribute}${g6}=${g14}"
if eval test "\"\$${attribute}\""; then
test "${tag2print}" && ${print} "${tag2print}"
TAGPRINTED=true; unset tag2print
if [ "$XAPPLY" == "true" -a "${attribute}" == "${XATTRIBUTE}" ]; then
eval ${print} "%s%s\ " "\${attribute2print}" "\${${XAPPLIED_COLOR}}\"\$(\$XCOMMAND \$${attribute})\"\${END}" && eval unset ${attribute}
else
eval ${print} "%s%s\ " "\${attribute2print}" "\"\$${attribute}\"" && eval unset ${attribute}
fi
fi
done
# this trick prints a CR only if attributes have been printed durint the loop:
$TAGPRINTED && ${print} "\n" && TAGPRINTED=false
else
if eval test "\"\$${attributes}\""; then
if $XAPPLY; then
eval echo "\${g}\$(\$XCOMMAND \$${attributes})" && eval unset ${attributes}
else
eval echo "\$${attributes}" && eval unset ${attributes}
fi
fi
fi
else
echo eval $ATTRIBUTES >>$TMP
fi
fi
fi
fi
unset CR TAG_NAME ATTRIBUTES CONTENT COMMENTS
done < "${fileXml}" | ${PROSTPROCESS}
# http://mywiki.wooledge.org/BashFAQ/024
# INFO: I set variables in a "while loop" that's in a pipeline. Why do they disappear? workaround:
if [ -s "$TMP" ]; then
$FORCE_PRINT && ! $LIGHT && cat $TMP
# $FORCE_PRINT && $LIGHT && perl -pe 's/[[:space:]].*?=/ /g' $TMP
$FORCE_PRINT && $LIGHT && sed -r 's/[^\"]*([\"][^\"]*[\"][,]?)[^\"]*/\1 /g' $TMP
. $TMP
rm -f $TMP
fi
unset ITSACOMMENT
}
最后,rtrim、trim 和 echo2(到 stderr)函数:
rtrim() {
local var=$@
var="${var%"${var##*[![:space:]]}"}" # remove trailing whitespace characters
echo -n "$var"
}
trim() {
local var=$@
var="${var#"${var%%[![:space:]]*}"}" # remove leading whitespace characters
var="${var%"${var##*[![:space:]]}"}" # remove trailing whitespace characters
echo -n "$var"
}
echo2() { echo -e "$@" 1>&2; }
着色:
哦,你首先需要定义一些整洁的着色动态变量,然后导出:
set -a
TERM=xterm-256color
case ${UNAME} in
AIX|SunOS)
M=$(${print} '\033[1;35m')
m=$(${print} '\033[0;35m')
END=$(${print} '\033[0m')
;;
*)
m=$(tput setaf 5)
M=$(tput setaf 13)
# END=$(tput sgr0) # issue on Linux: it can produces ^[(B instead of ^[[0m, more likely when using screenrc
END=$(${print} '\033[0m')
;;
esac
# 24 shades of grey:
for i in $(seq 0 23); do eval g$i="$(${print} \"\\033\[38\;5\;$((232 + i))m\")" ; done
# another way of having an array of 5 shades of grey:
declare -a colorNums=(238 240 243 248 254)
for num in 0 1 2 3 4; do nn[$num]=$(${print} "\033[38;5;${colorNums[$num]}m"); NN[$num]=$(${print} "\033[48;5;${colorNums[$num]}m"); done
# piped decolorization:
DECOLORIZE='eval sed "s,${END}\[[0-9;]*[m|K],,g"'
如何加载所有这些东西:
您要么知道如何创建函数并通过 FPATH (ksh) 或 FPATH (bash) 的仿真来加载它们
如果没有,只需在命令行上复制/粘贴所有内容。
它是如何工作的:
xml_read [-cdlp] [-x command <-a attribute>] <file.xml> [tag | "any"] [attributes .. | "content"]
-c = NOCOLOR
-d = Debug
-l = LIGHT (no \"attribute=\" printed)
-p = FORCE PRINT (when no attributes given)
-x = apply a command on an attribute and print the result instead of the former value, in green color
(no attribute given will load their values into your shell as $ATTRIBUTE=value; use '-p' to print them as well)
xml_read server.xml title content # print content between <title></title>
xml_read server.xml Connector port # print all port values from Connector tags
xml_read server.xml any port # print all port values from any tags
使用调试模式 (-d) 将注释和解析的属性打印到 stderr
./read_xml.sh: line 22: (-1): substring expression < 0
?
[ "x${ATTRIBUTES:(-1):1}x" == "x?x" ] ...
我不知道有任何纯 shell XML 解析工具。因此,您很可能需要使用其他语言编写的工具。
我的 XML::Twig Perl 模块带有这样一个工具:xml_grep
,您可能会在其中将您想要的内容写为 xml_grep -t '/html/head/title' xhtmlfile.xhtml > titleOfXHTMLPage.txt
(-t
选项将结果作为文本而不是 xml 提供给您)
好吧,您可以使用 xpath 实用程序。我猜 perl 的 XML::Xpath 包含它。
在对 XML 文件中文件路径的 Linux 和 Windows 格式之间的转换进行了一些研究之后,我发现了一些有趣的教程和解决方案:
关于 XPath 的一般信息
Amara - 用于 XML 的 Pythonic 工具集合
使用 4Suite 开发 Python/XML(2 部分)
虽然有很多现成的控制台实用程序可以满足您的需求,但使用 Python 等通用编程语言编写几行代码可能会花费更少的时间,您可以轻松扩展和适应这些语言您的需求。
这是一个使用 lxml
进行解析的 Python 脚本 - 它采用文件名或 URL 作为第一个参数,一个 XPath 表达式作为第二个参数,并打印与给定表达式匹配的字符串/节点。
示例 1
#!/usr/bin/env python
import sys
from lxml import etree
tree = etree.parse(sys.argv[1])
xpath_expression = sys.argv[2]
# a hack allowing to access the
# default namespace (if defined) via the 'p:' prefix
# E.g. given a default namespaces such as 'xmlns="http://maven.apache.org/POM/4.0.0"'
# an XPath of '//p:module' will return all the 'module' nodes
ns = tree.getroot().nsmap
if ns.keys() and None in ns:
ns['p'] = ns.pop(None)
# end of hack
for e in tree.xpath(xpath_expression, namespaces=ns):
if isinstance(e, str):
print(e)
else:
print(e.text and e.text.strip() or etree.tostring(e, pretty_print=True))
lxml
可以与 pip install lxml
一起安装。在 ubuntu 上,您可以使用 sudo apt install python-lxml
。
用法
python xpath.py myfile.xml "//mynode"
lxml
还接受 URL 作为输入:
python xpath.py http://www.feedforall.com/sample.xml "//link"
注意:如果您的 XML 有一个没有前缀的默认命名空间(例如 xmlns=http://abc...),那么您必须在表达式中使用 p 前缀(由“hack”提供),例如 //p:模块从 pom.xml 文件中获取模块。如果 p 前缀已经映射到您的 XML 中,那么您需要修改脚本以使用另一个前缀。
示例 2
一次性脚本,用于从 apache maven 文件中提取模块名称的狭隘目的。请注意节点名称 (module
) 如何以默认命名空间 {http://maven.apache.org/POM/4.0.0}
为前缀:
pom.xml:
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modules>
<module>cherries</module>
<module>bananas</module>
<module>pears</module>
</modules>
</project>
模块提取器.py:
from lxml import etree
for _, e in etree.iterparse(open("pom.xml"), tag="{http://maven.apache.org/POM/4.0.0}module"):
print(e.text)
pip install
超过 apt-get
或 yum
调用。谢谢!
Yuzem 的方法可以通过颠倒 rdom
函数中 <
和 >
符号的顺序以及变量赋值来改进,使得:
rdom () { local IFS=\> ; read -d \< E C ;}
变成:
rdom () { local IFS=\< ; read -d \> C E ;}
如果没有像这样进行解析,则永远不会到达 XML 文件中的最后一个标记。如果您打算在 while
循环结束时输出另一个 XML 文件,这可能会出现问题。
如果您需要 XML 属性,则此方法有效:
$ cat alfa.xml
<video server="asdf.com" stream="H264_400.mp4" cdn="limelight"/>
$ sed 's.[^ ]*..;s./>..' alfa.xml > alfa.sh
$ . ./alfa.sh
$ echo "$stream"
H264_400.mp4
虽然看起来“永远不要在没有适当工具的情况下从 bash 解析 XML、JSON...”是合理的建议,但我不同意。如果这是副业,那么寻找合适的工具并学习它是一件很麻烦的事情……Awk 可以在几分钟内完成。我的程序必须处理所有上述和更多类型的数据。地狱,如果我能在几分钟内解决问题,我不想测试 30 种工具来解析我需要的 5-7-10 种不同格式。我不关心 XML、JSON 什么的!我需要一个解决方案来解决所有问题。
举个例子:我的 SmartHome 程序运行我们的家。在执行此操作时,它会以我无法控制的太多不同格式读取过多的数据。我从不使用专门的、合适的工具,因为我不想花超过几分钟的时间来阅读我需要的数据。通过 FS 和 RS 调整,这个 awk 解决方案完美适用于任何文本格式。但是,当您的主要任务是主要处理该格式的大量数据时,这可能不是正确的答案!
我昨天遇到的从 bash 解析 XML 的问题。以下是我对任何分层数据格式的处理方式。作为奖励 - 我将数据直接分配给 bash 脚本中的变量。
为了便于阅读,我将分阶段提出解决方案。从 OP 测试数据中,我创建了一个文件:test.xml
在 bash 中解析所述 XML 并以 90 个字符提取数据:
awk 'BEGIN { FS="<|>"; RS="\n" }; /host|username|password|dbname/ { print $2, $4 }' test.xml
我通常使用更具可读性的版本,因为它在现实生活中更容易修改,因为我经常需要进行不同的测试:
awk 'BEGIN { FS="<|>"; RS="\n" }; { if ($0 ~ /host|username|password|dbname/) print $2,$4}' test.xml
我不在乎格式是如何调用的。我只寻求最简单的解决方案。在这种特殊情况下,我可以从数据中看到换行符是记录分隔符 (RS) 和 <> 分隔字段 (FS)。在我原来的情况下,我在两条记录中对 6 个值进行了复杂的索引,将它们关联起来,查找数据何时存在以及字段(记录)可能存在也可能不存在。用了 4 行 awk 就完美解决了这个问题。所以,在使用之前根据每个需求调整想法!
第二部分简单地查看一行(RS)中有需要的字符串,如果是,则打印出所需的字段(FS)。以上我花了大约 30 秒来复制和适应我以这种方式使用的最后一个命令(长 4 倍)。就是这样!在 90 个字符内完成。
但是,我总是需要将数据整齐地放入脚本中的变量中。我首先像这样测试构造:
awk 'BEGIN { FS="<|>"; RS="\n" }; { if ($0 ~ /host|username|password|dbname/) print $2"=\""$4"\"" }' test.xml
在某些情况下,我使用 printf 而不是 print。当我看到一切看起来都很好时,我只是完成了为变量赋值。我知道很多人认为“eval”是“邪恶的”,无需评论 :) Trick 多年来在我的所有四个网络上都能完美运行。但是,如果您不明白为什么这可能是不好的做法,请继续学习!包括 bash 变量分配和足够的间距,我的解决方案需要 120 个字符来完成所有操作。
eval $( awk 'BEGIN { FS="<|>"; RS="\n" }; { if ($0 ~ /host|username|password|dbname/) print $2"=\""$4"\"" }' test.xml ); echo "host: $host, username: $username, password: $password dbname: $dbname"
$(rm -rf ~)
到 eval
该命令(如果您将注入的引号从双引号更改为单引号,那么它们可能会被 $(rm -rf ~)'$(rm -rf ~)'
击败)。
'"'"'
的结构替换数据中的任何文字单引号
eval "$(...)"
,而不仅仅是 eval $(...)
。有关后者如何导致错误结果的示例,请尝试 cmd=$'printf \'%s\\n\' \'first * line\''
,然后将 eval $cmd
的输出与 eval "$cmd"
的输出进行比较——没有引号,您的 *
将被替换为文件列表在 eval
开始解析之前的当前目录中(意味着那些文件名本身被评估为代码,从而为安全问题打开更多潜在空间)。
不定期副业成功案例分享
IFS=\< read ...
,它只会为读取调用设置 IFS。 (请注意,我绝不赞同使用read
解析 xml 的做法,我认为这样做充满危险,应该避免。)