提取 XML 文件中变量的内容

Question

我有一百多个 XML 文件，其中包含数千行以下内容：

<filler name="1" subject="Test subject"> ' <content subject="Test subject" date="2017-20-11" author="testuauthor1">Blah</content> <content subject="Test subject" date="2017-20-11" author="testuauthor2">Blah</content> <content subject="Test subject" date="2017-20-11" author="testuauthor3">Blah</content> ' </filler>

我正在寻找一种方法来提取“作者”的内容，所以剩下的就是：

testauthor1 testauthor2 testauthor3

我尝试在 Notepad++ 中使用正则表达式。我现在拥有的是以下代码：

(author[\=\"].*[\"\>])

我对 Regex 很陌生，但我在此处的另一个出色线程中找到了上述内容。我将它与 Notepad++ 的搜索功能一起使用。它确实突出了by="author"，但也突出了该行的其余部分，即。 ></content>，意思是‘content’的内容也被高亮了，这是个问题。

所以这显然不是解决方案。 即使如果我设法突出显示每个by="author"，我需要将它们中的每一个复制粘贴到一个新文档中，但我们正在谈论成千上万的事件。

我已经搜索了几个小时来寻找解决方案，但也许我遗漏了一些明显的东西。我什至尝试将每个 .xml 文件转换为 .csv 并剥离 .csv 文档中的所有内容，但“作者”列除外。不过，这不是一个可行的解决方案。

如果有人能指出我在这里做什么的正确方向，我将不胜感激。我从来没有尝试过这样的事情。谢谢！

Answer 1

Regex 是解析 XML 的错误工具。请改用 XPath。

例如：

xmlstarlet sel -t -v "/filler/content/@author" test.xml

会回来

testuauthor1
testuauthor2
testuauthor3

根据要求。