使用正则表达式修复 xml 内容

Question

我正在尝试使用正则表达式修复一些双语 xml 文件，以匹配已知的错误内容模式并替换正确的值。 xml文件中的大部分问题都可以认为是拼写错误或冗余数据。

我确实有一个文本处理工具，它可以在没有任何正则表达式支持的软件中工作，但是如果我可以使用 sed 或类似的东西来编写批处理作业并让它过夜，那么整个情况会容易得多。 应该解决问题的示例 sed 脚本可能如下所示：

#!/bin/sed -f
s/<prop type="Att::Status">New/<prop type="Att::Status">Not Validated/g
s/<prop type="Att::Status">Approved/<prop type="Att::Status">Validated/g
....

我发现 sed 不太喜欢 UTF16 文件，而且由于我们正在处理 34 种不同语言组合的双语 xml，因此使用像 iconv 这样的工具来包装 sed 脚本可能非常危险。大多数字符集转换工具都会导致某种形式的损坏，我宁愿不花一周的时间来决定脚本在哪些语言上可以正常工作。

还值得一提的是，xml 中充满了过去几年客户积累的翻译，因此其中会有大量格式错误的语法，可能会导致一些工具出错。

所以总而言之，sed + iconv 风险太大，我有一个基本的全局文本替换工具，我有 Notepad++，我什至有一个 sed 语法中用于替换的表达式列表。但是有没有更简单/更好的方法？

Answer 1

见XMLStarlet。它是一个用于读取/操作 XML 的命令行工具集。

特别是，xml ed 命令可能是您想要的。您可以指定要更改的 XPath 以及如何更改它。它将遵守您的标准命令行工具所不遵守的指定 XML 字符编码等。

Answer 2

我不知道 XML Starlet 的复杂性是否低于 XSLT 的复杂性 - 大多数复杂性实际上都在 XPath 中，您将使用它来查找要更改的节点.

如果您要使用 XSLT，您只需创建一个身份转换，然后添加一个模板来更改您感兴趣的文本节点：

<xsl:template match="prop[@type='Att::Status']/text()">
   <xsl:choose>
      <xsl:when test=". = 'New'">Validated</xsl:when>
      <xsl:when test=". = 'Approved'">Not Validated</xsl:when>
      <xsl:otherwise>
         <xsl:copy/>
      </xsl:otherwise>
   </xsl:choose>
</xsl:template>

或者您可以发疯并在外部 XML 文件中指定映射，例如：

<map>
   <text value="New">Validated</text>
   <text value="Approved">Not Validated</text>
</map>

然后，在您的 XSLT 中：

<xsl:variable name="map" select="document('map.xml')/map/text"/>

<xsl:template match="prop[@type='Att::Status']/text()">
   <xsl:choose>
      <xsl:when test="$map[@value=current()]">
         <xsl:copy-of select="$map[@value=current()]/text()"/>
      </xsl:when>
      <xsl:otherwise>
         <xsl:copy/>
      </xsl:otherwise>
   </xsl:choose>
</xsl:template>

Answer 3

我原以为xslt 是您处理这类事情的最佳选择。