我想使用awk從壓縮的XML提要中解析文本

Question

我試圖從http://rss.slashdot.org/Slashdot/slashdot的壓縮XML提要中解析<title>和<description> 。 我正在嘗試執行以下操作

curl --silent "http://rss.slashdot.org/Slashdot/slashdot" | awk '/\btitle\b(.*?)\bdescription\b/' 

和grep -E等，但是我無法獲得想要的子字符串。 它總是在壓縮后返回整個XML，並且數據在一行中。

我可以通過在文本編輯器中運行它來測試我的Regex字符串。

感謝您的幫助！！ 謝謝！

Answer 1

使用XML解析器會有所幫助，這里使用perl和XML::Twig進行測試。 使其適應您的需求。

script.pl內容：

#!/usr/bin/env perl

use warnings;
use strict;
use XML::Twig;

my $twig = XML::Twig->new(
    twig_handlers => {
        'title' => \&extract_text,
        'description' => \&extract_text,
    },  
)->parsefile( shift );

sub extract_text {
    my ($t, $e) = @_; 
    printf qq|%s\n=================\n|, $e->tag;
    printf qq|%s\n\n|, $e->text;
}

像這樣運行：

curl --silent "http://rss.slashdot.org/Slashdot/slashdot" | perl script.pl -

對於每對標題和描述，這類似於以下內容：

title
=================
Proof-of-Concept Port of XBMC to SDL 2.0 and Wayland

description
=================
hypnosec wrote in with news that XBMC has  ...

Answer 2

這是XSLT解決方案：

curl -s -o- http://rss.slashdot.org/Slashdot/slashdot | xsltproc slashdot.xsl -

slashdot.xsl在哪里

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="text" />

<xsl:variable name="newline">
<xsl:text>
</xsl:text>
</xsl:variable>

<xsl:template match="/">
    <xsl:apply-templates select='//item' />
</xsl:template>

<xsl:template match='//item'>
    <xsl:value-of select='title' /><xsl:value-of select='$newline' />
    <xsl:text>====</xsl:text><xsl:value-of select='$newline' />
    <xsl:value-of select='description' /><xsl:value-of select='$newline' />
    <xsl:value-of select='$newline' />
</xsl:template>

</xsl:stylesheet>