创建 bash 脚本以将 xml 文件解析为 csv答案

【问题标题】：Creating bash script to parse xml file to csv创建 bash 脚本以将 xml 文件解析为 csv
【发布时间】：2014-02-02 06:34:40
【问题描述】：

我正在尝试创建一个 bash 脚本来解析 xml 文件并将其保存到 csv 文件中。

例如：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
    <List>
    <Job id="1" name="John/>
    <Job id="2" name="Zack"/>
    <Job id="3" name="Bob"/>
</List>

我希望脚本将信息保存到 csv 文件中：

John | 1
Zack | 2
Bob  | 3

名称和 ID 将位于不同的单元格中。

有什么办法可以做到吗？

【问题讨论】：

可能只是编辑了旧问题 (stackoverflow.com/q/21495533/3076724) 而不是发布新问题，但在发布类似问题时您绝对应该至少链接到它。
复制：stackoverflow.com/questions/14368347/…

标签： xml linux bash csv

【解决方案1】：

您发布了与您的pervious one 类似的查询。我再次建议使用 XML 解析器。你可以说：

xmlstarlet sel -t -m //List/Job -v @name -o "|" -v @id -n file.xml

它会返回

John|1
Zack|2
Bob|3

用于您的示例数据。

如果您希望它像您的示例中那样显示，请将输出通过管道传送到sed：sed "s/|/\t| /"。

【讨论】：

【解决方案2】：

试试这样的

#!/bin/bash
while read -r line; do
  [[ $line =~ "name=\""(.*)"\"" ]] && name="${BASH_REMATCH[1]}" && [[ $line =~ "Job id=\""([^\"]+) ]] &&  echo "$name | ${BASH_REMATCH[1]}"
done < file

John 的行格式错误。修复后，示例输出

John | 1
Zack | 2
Bob | 3

【讨论】：

本例中name="John/>，John后面没有双重配额，所以建议将[[ $line =~ "name=\""(.*)"\"" ]]替换为[[ $line =~ "name=\""([^\"|/]*) ]]
@BMW 谢谢。我认为它不应该是格式错误的 xml，但如果它可以做到这一点或类似([A-Za-z]*)
老兄，你能详细说明一下那个简短的脚本吗？我很困惑。 :) 尽管如此，它看起来非常好。

【解决方案3】：

扩展 xmlstarlet 方法：

给定这个 xml 文件作为输入：

<DATA>
  <RECORD>
    <NAME>John</NAME>
    <SURNAME>Smith</SURNAME>
    <CONTACTS>
      "Smith" LTD,
      London, Mtg Str, 12,
      UK
    </CONTACTS>
  </RECORD>
</DATA>

还有这个脚本：

xmlstarlet sel -e utf-8 -t \
  -o "NAME, SURNAME, CONTACTS" -n \
  -m //DATA/RECORD \
  -o "\"" \
  -v $"str:replace(normalize-space(NAME), '\"', '\"\"')" -o "\",\"" \
  -v $"str:replace(normalize-space(SURNAME),      '\"', '\"\"')" -o "\",\"" \
  -v $"str:replace(normalize-space(CONTACTS), '\"', '\"\"')" -o "\",\"" \
  -o "\"" \
  -n file.xml

您将获得以下输出：

NAME, SURNAME, CONTACTS
"John", "Smith", """Smith"" LTD, London, Mtg Str, 12, UK"

【讨论】：

这是一个很好的解决方案，而且很优雅。只是我得到了：编译错误：带有参数的元素 XSLT-with-param：由于规范化空间调用中的未闭合括号而无法编译选择表达式'str：replace'；应该读为“str:replace(normalize-space(NAME), '\"', '\"\"')”
谢谢。从 XML 中提取 URL 的任何其他人可能会发现 &amp; 没有被转义。通过在sel 命令后添加-T 来解决此问题，例如xmlstarlet sel -T -e utf-8......（见stackoverflow.com/questions/46255304/…）

【解决方案4】：

使用 sed

sed -nr 's/.*id=\"([0-9]*)\"[^\"]*\"(\w*).*/\2 | \1/p' file

另外，基于 BroSlow 的脚本，我合并了选项。

#!/bin/bash

while read -r line; do
  [[ $line =~ id=\"([0-9]+).*name=\"([^\"|/]*) ]] && echo "${BASH_REMATCH[2]} | ${BASH_REMATCH[1]}"
done < file

【讨论】：