如何使用批处理脚本获取子字段的内容？

Question

我有以下 xml：

<datafield tag="007G">
    <subfield code="c">GBV</subfield>
    <subfield code="0">688845614</subfield>
  </datafield>

我尝试提取<subfield code="0" 688845614的内容

这是我的代码：

@echo off
for /F "tokens=2 delims=>/<" %%i in ('findstr "007G" curlread.txt') do echo %%i
pause

但作为输出我只得到<datafield tag="007G">

xml 文档中可能有很多<datafield tag="007G">，我需要从每个文档中获取<subfield code="0"。

Answer 1

将结构化标记语言解析为分层数据总是更好，而不是作为平面文本进行抓取。

要仅从第一个 <subfield code="0"> 节点返回数据，请将您的 findstr 命令替换如下：

powershell "([xml](gc curlread.txt)).selectSingleNode('//subfield[@code=0]/text()').data"

如果您将有多个 <subfield code="0"> 节点并且您想要来自所有节点的数据，那么

powershell "([xml](gc curlread.txt)).selectNodes('//subfield[@code=0]/text()') | %%{ $_.data }"

XPath 的胜利。您还可以通过像这样修改 XPath 选择器来仅指定作为 <datafield tag="007G"> 子级的 <subfield code="0"> 节点：

//datafield[@tag=\"007G\"]/subfield[@code=0]/text()

重要提示： XPath 中的引号必须用反斜杠转义。

---

编辑：鉴于您在下面的评论中粘贴的 XML：

<datafield tag="007G">
    <subfield code="c">GBV</subfield>
    <subfield code="0">688845614</subfield>
</datafield>
<datafield tag="008G">
    <subfield code="c">GBV</subfield>
    <subfield code="0">68614</subfield>
</datafield>

... 请注意，这不是完全有效的 XML。有效的 XML 有一个层次结构根。在解析数据之前，您必须用根标记将其括起来。

这是一个如何做到这一点的示例：

@echo off & setlocal

set "xml=curlread.xml"
rem // Note that quotation marks in the XPath must be backslash escaped
set "xpath=//datafield[@tag=\"007G\"]/subfield[@code=0]/text()"

for /f "delims=" %%I in (
    'powershell "([xml]('<r>{0}</r>' -f (gc %xml%))).selectNodes('%xpath%') | %%{$_.data}"'
) do (
    set "subfield=%%I"

    setlocal enabledelayedexpansion
    echo something useful with !subfield!
    endlocal
)
pause
goto :EOF