解压缩 - 如何将膨胀的文件放入数组中

Question

我有一个 .xls 文件，我想漂亮地打印它，以便更好地区分而不是仅仅更改二进制文件。

我的方法是unzip 这整个事情。结果字符串不包含换行符，所以我通过xmllint --format 运行它。但是在这条看似简单的道路上，我遇到了几个我已经花费了几个小时的问题：

1. unzip xml 存档中的多个文件。这会导致无效的 xml。即使使用unzip -q 选项，我也会得到多个DTD，等等。 xmllint 在不格式化输入的情况下中断。

   unzip -c -a -q myFile.xlsx | xmllint --format -

2. 我尝试使用 read 将 XML 拆分为一个数组，以便将每个单独的 xml 文件提供给 xmllint。在read 的结果中，大多数数组项似乎是空的，第三和第四项包含 xml 字符串的 20 多个字母。

   IFS='\<\?xml' read -r -a files <<< "$decompressed"

3. 我也尝试使用 sed 插入换行符，但文件大小太大，处理时间太长，无法进行差异化。

   ${decompressed/\>\</\>\n\</g}

我的想法已经用完了，所以我决定咨询你们！提前谢谢:)

Answer 1

我会将 xslx 提取到多个文件中，将它们打印出来，然后对 xml 文件进行递归比较。 （也有无法diff的二进制文件）

像这样：

# Unzip the xlsx files into folders
unzip -aqd foo foo.xlsx
unzip -aqd bar bar.xlsx

# Pretty print all .xml and .rels files
find foo bar \( -name '*.xml' -o -name '*.rels' \) -exec xmllint --format {} --output {} \;

# Now you can recursively diff them
diff -urN foo bar

您可以创建包装流程的 bash 函数。

注意：解压后的 xlsx 文件可能包含以.bin 结尾的二进制文件。您需要将它们从差异中排除：

diff -urNx '*.bin' foo bar

Answer 2

正如您已经发现的那样，XLSX 文件包含多个 XML 文件，如 official documentation 中所指定。特别是，每个 Excel 工作表都会有一个 XML 文档，这意味着仅仅将它们组合起来并不是一个实际的解决方案。

更糟糕的是，您可能还会在 Excel 文件中包含 shared string table，这意味着工作表文件本身将不包含原始字符串（“Hello, World!”），而只是对字符串表的引用(1234)。

根据您的用例，您可能需要考虑更多基于文本的格式，例如 CSV。