awk 将 xml 解析为 csv

Question

我有一个 xml，我想将其解析为 csv，就像我开始使用 awk 一样，我想继续使用它，但我知道可以使用像 perl 这样的语言来完成它，我也找到了 xmlstarlet 但我没有有权在服务器上安装，所以我对解决方案持开放态度。 所以我的 iinput xml 是

<?xml version="1.0"?>
<root>
  <record>
   <id_client>50C</id_client>  
  <data>
          <mail>1@mail.com</mail>
          <adress>10  </adress>
          <num_tel>001</num_tel>
          <key>C</key>
      <contact>
        <name>toto</name>
        <birth>01/30/009</birth>
        <city>London</city>
      </contact>
  </data> 
  <data>
          <mail>2@gmaiil.com</mail>
          <adress>20</adress>
          <num_tel>02200</num_tel>
          <key>D1</key>
      <contact>
        <name>tata</name>
        <birth>02/08/2004</birth>
        <city>Bruges</city>
      </contact>
  </data> 
</record>
   <record>
   <id_client>70D</id_client>  
  <data>
          <mail>3@gmail.com</mail>
          <adress>7Bcd</adress>
          <num_tel>5555</num_tel>
          <key>D2</key>
      <contact>
        <name>titi</name>
        <birth>05/07/2014</birth>
        <city>Paris</city>
      </contact>
  </data>
  <data>
          <mail>4@gmail.com</mail>
          <adress>888</adress>
          <num_tel>881.0</num_tel>
          <key>D3</key>
      <contact>
        <name>awk</name>
        <birth>05/08/1999</birth>
        <city>Lisbone</city>
      </contact>
  </data>

我想与听众一起输出这个 csv 文件

id_client;mail;num_tel;key 
50C;1@mail.com;001;C
50C,2@gmail.com;02200;D1
70D;3@gmail.com;5555;D2 
70D;4@gmail.com;881.0;D3

Answer 1

逐行解析 XML 时会遇到很多问题：XML 不是面向行的数据格式。

使用特定于 XML 的工具。 这是多么简单：

xmlstarlet sel -t \
  -m / -o "id_client;mail;num_tel;key" -n -b \
  -m /root/record/data -v ../id_client -o ";" -v mail -o ";" -v num_tel -o ";" -v key -n \
file.xml

id_client;mail;num_tel;key
50C;1@mail.com;001;C
50C;2@gmaiil.com;02200;D1
70D;3@gmail.com;5555;D2
70D;4@gmail.com;881.0;D3

Answer 2

给出这个答案是为了说明从问题描述中显示的特定 .xml 格式中提取信息的基于文本的过程（相同的 .xml 可以有不同的格式 - 例如没有换行 - 使得这里描述的过程不合适） .

如果可能，请使用特定于 XML 的工具作为xmllint 。

基于文本的单衬：

cat input.xml | grep -e \<mail\> -e \<adress\> -e \<num_tel\> -e \<key\> | sed 's/<[^>]*>//g' | sed 's/^\s*//g; s/\s*$//g' | paste -d ";" - - - -

解释：

0. 读取输入文件（ cat input.xml ）
1. 获取适当的标签行（使用grep ）
2. 删除 XML 标签，只留下标签内容（使用sed ）
3. 修剪空格（再次使用sed ；单个 sed 命令中的两个表达式：一个用于前导空格，另一个用于尾随空格）
4. 每 4 行粘贴为列（使用paste ）

Answer 3

使用 Python，它的标准库中有一个XML 解析器，并且很有可能预装在您必须部署到的服务器上：

#!/usr/bin/python

import xml.etree.ElementTree as ET
import sys

tree = ET.parse(sys.argv[1])
root = tree.getroot()

print "id_client;mail;num_tel;key"

# Rudimentary error handling: If a field is not there,
# print (nil) in its stead.    
def xml_read(node, key):
    p = node.find(key)
    if p is None:
        return "(nil)"
    return p.text

for r in root.iter("record"):
    for d in r.iter("data"):
        print xml_read(r, "id_client") + ";" + xml_read(d, "mail") + ";" + xml_read(d, "num_tel") + ";" + xml_read(d, "key")

或者，如果您可以访问 XSLT 处理器（尽管我不敢希望如此），您可以使用以下样式表：

<?xml version="1.0"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="text"/>
<xsl:template match="/root">id_client;mail;num_tel;key
<xsl:for-each select="record">
  <xsl:for-each select="data"><xsl:value-of select="../id_client"/>;<xsl:value-of select="mail"/>;<xsl:value-of select="num_tel"/>;<xsl:value-of select="key"/><xsl:text>&#xa;</xsl:text></xsl:for-each>
</xsl:for-each>
</xsl:template>
</xsl:stylesheet> 

用

xsltproc filename.xsl filename.xml

或者

xalan -xsl filename.xsl -in filename.xml

其中filename.xsl是包含上述 XSLT 的文件。 如果您有不同的 XSLT 处理器，它也能正常工作； 查阅其联机帮助页以了解它希望如何被调用。

Answer 4

你可以试试这个：

awk 'BEGIN{ RS="record"; FS="[<>]" } { print $10 "," $14 "," $18 }' file

这不是最便携的方法。 更好的是：

awk -F'[<>]' '$2 == "mail" || $2 == "adress" { printf "%s\, ", $3 }; $2 == "num_tel" { print $3 }' a

这样您就可以毫无问题地添加其他行，只要您不更改密钥。

Answer 5

#!/usr/bin/perl
use XML::DT;

my %handler=(
  -default  => sub{ $c},                # $c - element contents
  -type     => { data => "MAP" },       # data suns became (tag => $c)

  id_client => sub{ father(id=>$c);},
  data      => sub{ print father("id"),";$c->{mail};$c->{num_tel};$c->{key}\n"},
);
dt(shift, %handler);