XPath-3 CSV 生成

Question

我正在尝试使用 XPath 3.0 (xidel --xpath) 将以下 XML 转换为 CSV：

<?xml version="1.0" encoding="utf-8" ?>
<csv>
    <record>
        <field1>A</field1>
        <field2>B</field2>
        <field3>C</field3>
    </record>
    <record>
        <field2> </field2>
        <field3></field3>
    </record>
    <record>
        <field1>,,</field1>
        <field2>""</field2>
        <field3>..</field3>
        <field3>.
                 .</field3>
    </record>
</csv>

我的预期输出是：

field1,field2,field3
A,B,C
, ,""
",,","""""",".
                 ."

我遇到了一些问题（第一个不是xidel 特有的）：

1. 我用 distinct-values(/csv/record/*/name()) 得到字段名称；如何使用该序列提取记录中的数据？

2. 我想区分一个丢失的和空的字段，但是 xidel 的 text() 选择器似乎并不关心这个；它是 XPath 功能还是 xidel 错误？

3. 我不能让return工作； xidel 使用不同的语法吗？

   更新

   我自己解决了#1，@ConalTuohy 在他的评论中解决了#2。

   这是我现在得到的：

   #!/bin/bash
   IFS='' read -r -d '' xpath <<'EOF'
   
   let $csv-escape-string := function($str as xs:string) as xs:string {
       if ( matches( $str, ',|"|\n' ) )
       then
           concat('"',replace($str,'"','""'),'"')
       else
           $str
   },
   $fields-names := distinct-values(/csv/record/*/name()),
   $csv := (
       string-join( $fields-names, ',' ),
       /csv/record/string-join(
           (
               for $fn in $fields-names
               return $csv-escape-string(string( *[name()=$fn][last()]/text() ))
           ), ','
       )
   )
   return $csv
   
   EOF
   xidel --xpath "$xpath" file.xml
   

   但是输出不是我想要的：

   field1,field2,field3
   A,B,C
   ,,
   ",,","""""",".
                    ."
   

   有人可以尝试使用其他 XPath-3 处理器来确保它是 xidel 正在规范化 text() 吗？

Answer 1

但是输出不是我想要的

您的 xidel 二进制文件很可能太旧了。

xidel --xpath "$xpath" file.xml

您将查询放在 $xpath 中的原因是因为单引号和双引号，我猜？这确实是规避此问题的好方法，但如果您对字符串使用双引号则不需要。 --xpath "function('string')" 用于cmd，而--xpath 'function("string")' 用于bash。要转义字符串中的双引号，只需输入第二个：

$ xidel -s input.xml -e '
  let $field-names:=distinct-values(csv/record/*/name()) return (
    join($field-names,","),
    csv/record/join(
      for $fn in $field-names return
      string(*[name()=$fn][last()]) ! (
        if (matches(.,",|""|
"))
        then concat("""",replace(.,"""",""""""),"""")
        else .
      ),","
    )
  )
'

或者，您可以使用 XQuery 表示法：

if (matches(.,",|"|
"))
then concat(""",replace(.,""",""""),""")
else .

您还可以使用 xidel 自己的“扩展字符串”语法（并使用另一个 let 变量代替 !）：

$ xidel -s input.xml -e '
  let $field-names:=distinct-values(csv/record/*/name()) return (
    join($field-names,","),
    csv/record/join(
      for $fn in $field-names
      let $val:=string(*[name()=$fn][last()])
      return
      if (matches($val,",|""|
"))
      then x"""{replace($val,"""","""""")}"""
      else $val,
      ","
    )
  )
'

Answer 2

当我在 XML Workbench 上运行你的代码时，我得到了以下结果：

A,B,C
, ,
",,","""""",".
                 ."

注意，我将查询的最后一行更改为 return string-join($csv, codepoints-to-string(10)) 以将整个 CSV 作为单个字符串返回，因此 XML Workbench 不会单独引用结果序列中的每个字符串，否则会这样。

Answer 3

后来我做了更好的选择

---

1. 仅输出带引号的字段：

   let $records := //record,
   $fields := distinct-values( $records/*/local-name() )
   return (
       string-join( $fields, "," ),
       for $r in $records return
       string-join(
           for $f in $fields return
           """" || replace($r/*[local-name()=$f][last()],"""","""""") || """",
           ","
       )
   )
   

   field1,field2,field3
   "A","B","C"
   ""," ",""
   ",,","""""",".
                    ."
   

   ---

   2. 在需要时引用字段并区分 null 和 empty 值：

   let $csv-escape-string := function($str as xs:string?) as xs:string {
       if ( not(exists($str)) ) then
           ""
       else if ( $str = "" ) then
           """"""
       else if ( matches( $str, ",|""""|
   " ) ) then
           """" || replace($str,"""","""""") || """"
       else
           $str
   },
   $records := //record,
   $fields := distinct-values( $records/*/local-name() )
   return (
       string-join( $fields, "," ),
       for $r in $records return
       string-join(
           for $f in $fields return
           $csv-escape-string($r/*[local-name()=$f][last()]),
           ","
       )
   )
   

   field1,field2,field3
   A,B,C
   , ,""
   ",,","""""",".
                    ."