使用ksh腳本從XML中提取數據

Question

由於缺乏信息，我就此主題提出的第一個問題已經結束。 所以再添一些細節再問這個問題。

我必須從xml文件中提取一個標簽中給出的值，我必須使用ksh（我可以在perl中解決這個問題，但我必須使用ksh，不能使用像xmlsh這樣的第三方工具）

sample.xml中

<?xml version="1.0" standalone="yes" ?>
<parent_one>
  <parent_two>
    <Pool>
      <pool_name>ABC</pool_name>
      <percent_full>79</percent_full>
      <pool_state>Enabled</pool_state>
    </Pool>
    <Pool>
      <pool_name>DEF</pool_name>
      <percent_full>40</percent_full>
      <pool_state>Enabled</pool_state>
    </Pool>
    <Pool>
      <pool_name>XYZ</pool_name>
      <percent_full>40</percent_full>
      <pool_state>Disabled</pool_state>
    </Pool> 
    <Totals>
      <total_tracks>4546456</total_tracks>
      <percent_full>48</percent_full>
    </Totals>
  </parent_two>
</parent_one>

ksh腳本應該讀取sample.xml並從pool_name標記打印ABC，DEF，因為相應的pool_state標記已啟用。 它不應該打印XYZ，因為它的pool_state標記被禁用。

ksh腳本將讀取sample.xml並輸出以下內容

ABC

DEF

這在ksh中是可行的還是我必須使用perl？

Answer 1

我用（n）awk完成了很多奇數格式文件的解析。 從技術上講，這可以用ksh完成，但是awk（和perl）更容易......

以下示例使用awk中的start ， end構造，該構造僅處理開始和結束模式之間的行。 （在本例中為<Pool>和</Pool> 。）

除此之外，它是直截了當的，使用變量來模仿xml元素以便清晰。

awk '/<Pool>/,/<\/Pool>/ {
    if (/<pool_state>/) {
        pool_state=(/<pool_state>Enabled<\/pool_state>/)
    }
    if (/<pool_name>/) {
        if ( gsub(/.*<pool_name>|<\/pool_name>.*/,"") ) {
          pool_name=$0
        }
    }
    if (/<\/Pool>/) {
      if (pool_name && pool_state)
        print pool_name
      unset pool_name
      unset pool_state
    }
}' sample.xml

當xml格式錯誤，多個Pool元素列在一行上時，此代碼將失敗。

Answer 2

這個問題的理智解決方案是調用xmllint --xpath ， xqilla -p或您xqilla -p Python / Ruby / Perl等XML庫。

否則，您可以查看Roland Mainz的XML示例並將其擴展用於您的目的。

• http://svn.nrubsig.org/svn/people/gisburn/scripts/xmldocumenttree1.sh
• http://svn.nrubsig.org/svn/people/gisburn/scripts/xmlfragmentparse.sh

如果您對此非常認真，那么您可能希望研究為libhml2編寫綁定以獲取ksh。 我認為還沒有人這樣做過。

Answer 3

話雖如此（我的評論是關於嘗試在沒有適當的XML解析器的情況下解析XML），讓我們使用sed / awk，而不是純粹的ksh。 以此答案為基礎，刪除將pool_state設置為Disabled所有<Pool></Pool>塊，然后獲取包含pool_name的行並捕獲標記之間的值。 如果您的xml文件看起來像您的樣本，這應該可以工作，但如果沒有，肯定會破壞。

awk '
    /<Pool>/ { rec=""; f=1 }
    f {rec = rec $0 ORS}
    /<\/Pool>/ {
        if (f && (rec !~ "<pool_state>Disabled</pool_state>"))
            printf "%s", rec
            f=0
    }' sample.xml |
grep pool_name |
sed 's#.*>\([^<]*\)<.*#\1#g'

你可以把整個東西放到一個awk腳本中，但我認為這可能更容易理解（好吧，我很懶）。