如何用awk、Perl或Python解析XML文档？

Question

我有一个XML文件，里面的数据格式是这样的：

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

有没有人能告诉我，怎么用一行命令在awk中提取这个XML文件里的数据？比如，我想知道abc的attr3是什么，它应该会返回给我345。

Answer 1

xmlgawk 可以很简单地处理 XML 文件。

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

这个一行代码可以解析 XML，并输出 "345"。

Answer 2

我写了一个叫做 xml_grep2 的工具，它是基于 XML::LibXML 的，这个是 Perl 语言用来操作 libxml2 的接口。

你可以通过以下方式找到你想要的值：

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

这个工具可以在 http://xmltwig.com/tool/ 找到。

Answer 3

一般来说，你不应该这样做。解析XML或HTML本身就很复杂，如果再想要把它做得简洁，那就更难了。虽然你可能能拼凑出一个能处理部分XML的解决方案，但最终它还是会出问题。

而且，已经有很多优秀的编程语言和很棒的XML解析工具，为什么不直接用这些工具，让自己的工作变得简单呢？

我不知道awk是否有专门的XML解析器，但如果你想用awk来解析XML，可能会得到很多“锤子是用来钉钉子的，螺丝刀是用来拧螺丝的”这样的回答。我相信是可以做到的，但用Perl写个简单的脚本，利用XML::Simple（这是我个人的最爱）或者其他的XML解析模块，可能会更容易。

为了完整起见，我想说，如果你的代码片段是整个文件的例子，那它并不是有效的XML。有效的XML应该有开始和结束标签，像这样：

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

我相信无效的XML也有它的用处，但一些XML解析器可能会对此发出警告，所以除非你真的想用awk的一行代码来“解析”你的“XML”，否则你可能要考虑让你的XML变得有效。

关于你的修改，我仍然不打算用一行代码来实现，但这里有一个你可以使用的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();
}

你可以在命令行运行这个脚本，传入1或2个参数。第一个参数是你想查找的'NetName'，第二个是你想查找的属性。如果没有给出属性，它应该会列出该'NetName'的所有属性。