如何使用awk,Perl或Python挖掘XML文档？

Question

我有一个XML文件,其中包含以下数据格式:

<net NetName="abc" attr1="123" attr2="234" attr3="345".../>
<net NetName="cde" attr1="456" attr2="567" attr3="678".../>
....

任何人都可以告诉我如何使用awk单行数据挖掘XML文件？例如,我想知道abc的attr3.它将返回345给我.

Answer 1

一般来说,你没有.XML/HTML解析很难,而不是简单地完成它,虽然你可以将一个有限的XML子集成功解决方案,但最终它会破解.

此外,有许多优秀的语言已经编写了很好的XML解析器,那么为什么不使用其中一种语言让你的生活更轻松呢？

我不知道是否有为awk构建的X​​ML解析器,但我担心如果你想用awk解析XML你会得到很多"锤子用于钉子,螺丝刀用于螺钉"答案.我确信它可以完成,但是你可能更容易在Perl中快速编写一些使用XML :: Simple(我个人最喜欢的)或其他XML解析模块的东西.

为了完整起见,我想指出,如果您的代码段是整个文件的示例,那么它就不是有效的XML.有效的XML应该有开始和结束标记,如下所示:

<netlist>
  <net NetName="abc" attr1="123" attr2="234" attr3="345".../>
  <net NetName="cde" attr1="456" attr2="567" attr3="678".../>
  ....
</netlist>

我确定无效的XML有它的用途,但是一些XML解析器可能会抱怨它,所以除非你已经决定使用awk one-liner尝试半解析"解析"你的"XML",你可能想要考虑使您的XML有效.

为了回应你的编辑,我仍然不会把它作为一个单行,但这里是你可以使用的Perl脚本:

#!/usr/bin/perl

use strict;
use warnings;
use XML::Simple;

sub usage {
  die "Usage: $0 [NetName] ([attr])\n";
}

my $file = XMLin("file.xml", KeyAttr => { net => 'NetName' });

usage() if @ARGV == 0;

exists $file->{net}{$ARGV[0]}
  or die "$ARGV[0] does not exist.\n";


if(@ARGV == 2) {
  exists $file->{net}{$ARGV[0]}{$ARGV[1]}
    or die "NetName $ARGV[0] does not have attribute $ARGV[1].\n";
  print "$file->{net}{$ARGV[0]}{$ARGV[1]}.\n";

} elsif(@ARGV == 1) {
  print "$ARGV[0]:\n";
  print "  $_ = $file->{net}{$ARGV[0]}{$_}\n"
    for keys %{ $file->{net}{$ARGV[0]} };

} else {
  usage();
}

使用1或2个参数从命令行运行此脚本.第一个参数是'NetName'您要查找的,第二个参数是您要查找的属性.如果没有给出属性,它应该只列出该属性的所有属性'NetName'.

Answer 2

我已经写了一个名为工具xml_grep2,基于XML ::的libxml,perl的接口的libxml2.

通过这样做你会找到你正在寻找的价值:

xml_grep2 -t '//net[@NetName="abc"]/@attr3' to_grep.xml

该工具可在http://xmltwig.com/tool/找到

Answer 3

xmlgawk可以非常轻松地使用XML.

$ xgawk -lxml 'XMLATTR["NetName"]=="abc"{print XMLATTR["attr3"]}' test.xml

这个衬里可以解析XML并打印"345".