单行 xpath 提取命令行工具

【问题标题】：one-liner xpath extraction command line tool单行 xpath 提取命令行工具
【发布时间】：2019-11-01 04:49:36
【问题描述】：

...
<div class="article_header">
...
<a href="abc" title="PDF">XXX</a>
...
</div>
...

鉴于上述 XML，我只想打印“abc”。我可以在 python 中使用 lxml 来做到这一点。但这涉及制作一个python程序。我想要更像一个衬里的东西（就像 awk 一个衬里比 python 更容易处理 TSV 文件）来提取这样的短信息。

有没有工具可以做到这一点？谁能告诉我最简单的方法是什么？

【问题讨论】：

如何制作一个 Python 程序来执行您所描述的操作 - 接受输入和 XPath 并输出结果？要求工具推荐或其他场外资源超出了 Stack Overflow 的范围。
What topics can I ask about here? 明确表示，要求我们推荐或查找工具、软件库或其他场外资源的问题在这里是题外话。

【解决方案1】：

您可以使用xmlstarlet。它是一个用于查询 XML 文件的 linux 命令行工具。
对于您的示例，请使用

xmlstarlet sel -t -v "//div[@class='article_header']/a/@href" input.xml

输出是：

abc

【讨论】：

我在尝试 html 文件时收到此错误Entity 'nbsp' not defined。如何让它知道 HTML 文件？还有一些像这样的错误：: XML declaration allowed only at the start of the document <?xml version="1.0" encoding="UTF-8"?> ^
&nbsp; 不是标准的 XML 实体，而是 HTML 实体。您将问题标记为 XML 并且 xmlstarlet 不是 HTML 实用程序。所以，抱歉，这行不通。
您的第二个错误“XML 声明只允许在文档的开头”是由 XML 声明前的空格引起的。去掉空格，错误就会消失。
是否有一种工具可以对输入进行预过滤，使其对 xmlstarlet 有效？看来 xmlstarlet 太敏感太错误了。 lxml不是这样的。