Excel：导出到 XML - 单元格中包含 XML

Question

我正在尝试导出在表格的某些单元格中包含一些 XML 的电子表格。

ID（A栏）：23455

事实（B 列）（此代码是从示例单元格中复制和粘贴的——它们并非都具有这种简单性或结构）：

"<div class=""fact"">
<p><strong>FACT.</strong> The closest star to our solar system is Alpha Centauri.</p>
</div>
"

我想要 XML 如下所示：

<record>
    <ID>23455</ID>
    <FACT><div class="fact"><p><strong>FACT.</strong> The closest star to our solar system is Alpha Centauri.</p></div></FACT>
</record>

这足够复杂，我怀疑 Excel 的本机 XML 模式导出是否会起作用（这件事太挑剔了，我无法让它与最简单的数据值一起工作）。

我目前的想法是编写一个 Perl 脚本，将其读取为 CSV 文件并导出 XML。 但是，我注意到 CSV 在处理像这样“嵌入”的 XML 方面做得很差。

我希望其他人可能对如何提取这些信息有更好的建议。

---

编辑：终于弄清楚了我在导出时犯的错误。 可以导出并得到以下内容：

<record>
    <ID>23455</ID>
    <FACT>&lt;div class="fact"&gt;&lt;p&gt;&lt;strong&gt;FACT.&lt;/strong&gt; The closest star to our solar system is Alpha Centauri.&lt;/p&gt;&lt;/div&gt
    </FACT>
</record>

我想我可以使用这个……一些正则表达式，它可能已经足够好了（寻找所有的<可能会让我面临杀死一个真正的小于号的风险）。

所以我仍然愿意接受建议

Answer 1

只是将其发布为答案...

如果将列导出为文本，您可以获得以下信息：

<record>
    <ID>23455</ID>
    <FACT>&lt;div class="fact"&gt;&lt;p&gt;&lt;strong&gt;FACT.&lt;/strong&gt; The closest star to our solar system is Alpha Centauri.&lt;/p&gt;&lt;/div&gt
    </FACT>
</record>

在 XML 编辑器中，我使用以下正则表达式进行了查找和替换以获取所有标签： s/&lt;(\/?[\w\s="-_]+?)&gt;/<$1>/

如果文档中有实际的标志，那就有点危险了，但是你需要一个例子，它是< /maybe and text with common tag symbols ="-_ > - 可能但大多数方程的形式是X < Y < Z . 我们的内容并没有太多地使用 <>，所以我可以相当确信它不会遇到边缘情况。

我还“修复”了所有 HTML （ s/<b>/<b/>/和s/<img (.*?)>/<img $1/>/ ）并检查了解析（理论上边缘情况会导致解析错误）。

是的，我现在有一个混合 DTD 的文档，它可以让所有真正的 XML 惊恐万分，但我可以使用它。