xml - 在 Perl 中将类似 XML 的格式转换为 CSV

Question

所以，我有一个如下所示的文件:

random stuff in the beginning...

 <component>
   <name>bob</name>
   <age>7</age>
   <country>Great_Britain</country>
 </component>

 <component>
   <name>bob_secondbob</name>
   <age>7</age>
   <country>Great_Britain</country>
 </component>

 <component>
   <name>bam</name>
   <age>7</age>
   <country>Great_Britain</country>
 </component>

等等...

而且，我想将其作为 CSV 格式，如下所示:

name,age,country
bob,7,Great_Britain
bob_secondbob,7,Great_Britain
bam,7,Great_Britain

所以我想知道我该怎么做？

所以我当前的代码有像 bob 和 bam 这样的词，所以我一直像这样查找它并使用 sed 来获取值:

grep -A4 "<component>" $file | grep -A4 "<name>$bob.*</name>" | grep "<name>" 
grep -A4 "<component>" $file | grep -A4 "<name>$bob.*</name>" | grep "<age>"
grep -A4 "<component>" $file | grep -A4 "<name>$bob.*</name>" | grep "<country>"

etc...

其中变量$bob是“bob”；

但问题是有 2 个 bob.* 实例，我不知道如何将它们分开，以便将它们打印出来......

我查看了 XML 模块，但该文件不是完全 XML，所以我无法使用它...

就像 bam 一样，通过 grep 可以很容易地打印出来，但是如果有多个 bob.* 实例，而我需要它们，我不知道如何正确打印出来，因为 grep 会返回多个结果。

关于我如何解决这个问题有什么建议吗？

Answer 1

明确指出“文件不是完全 XML”并且不能使用 XML 库。真糟糕:(

然后使用正则表达式对其进行解析。请记住，人们必须始终关注输入文件以查看其格式是否发生变化；即使是最小的更改也很容易使正则表达式失效，充其量会导致程序崩溃，或者更糟糕的是，会导致安静的错误。^†

显示的格式很容易解析。这是一个基本的做法，解析类似 XML 的 component任何标签及其值的部分，然后按所需顺序打印给定的一组实际标签。

use warnings;
use strict;
use feature 'say';

my $section_name = 'component';   # XML-like section to parse
my @tags = qw(name age country);  # given tags and their order

my (%record, $in_XML);

while (<>) {
    if    (/^\s*<$section_name>\s*$/)   { $in_XML = 1 }
    elsif (/^\s*<\/$section_name>\s*$/) { $in_XML = 0 } 
    
    if ( $in_XML and m{<([^<]+)> ([^<]+) </\g{1}>}x ) { 
        push @{$record{$1}}, $2; 
    }   
}

# Print out CSV-style output, with given tags
say join ',', @tags;
for my $i (0..$#{$record{$tags[0]}}) { 
    say join ',', map { $record{$_}->[$i] } @tags;
}

对标签做了一些假设。一些重要的:每个标签对都在一行上；所有标签名称都是唯一的。如果这些不包含需要调整的代码，可以做什么，但需要一些工作。

除了匹配类似 XML 的开始和结束标记对之外，<tagname>...</tagname> ，我还添加了一个标志，用于指示何时在 component 内进行处理部分。测试 if 内的标志条件允许在 XML 之外进行其他处理，否则我们可能会 next if not $in_XML;之前if健康)状况。如果文本中的其他地方不会出现意外的类似 XML 的标记对，那么这整个过程可能就没有必要了。

请注意，不必指定和使用 @tags但可以打印文件中找到的标签，即 my @tags = keys %record ，如果这是可以接受的并且顺序无关紧要。

请添加测试来测试这些标签及其值是否确实符合预期。现实的输入文件往往偶尔会丢失或意外的部分。

---

^† 如果可能的话，最好纠正“不是完全 XML”(使其成为 XML)并使用库。