删除两个标记之间EOLS和空格在XML文件中

问题描述：

我有很多（超过50个），在某些行（超过30/40每个文件）与格式不正确的XML文件：删除两个标记之间EOLS和空格在XML文件中

例子，这样的：

<TAG1> 
    <TAG_TO_FORMAT> 
      a_random_string 

    </TAG_TO_FORMAT> 
    <AN_OTHER_TAG_TO_FORMAT> 
         an_other_random_string 
    </AN_OTHER_TAG_TO_FORMAT> 
    <OTHER_TAG>pifpafpouf</OTHER_TAG> 

</TAG1>

应该变成这样：

<TAG1> 
    <TAG_TO_FORMAT>a_random_string</TAG_TO_FORMAT> 
    <AN_OTHER_TAG_TO_FORMAT>an_other_random_string</AN_OTHER_TAG_TO_FORMAT> 
    <OTHER_TAG>pifpafpouf</OTHER_TAG> 

</TAG1>

如果</TAG1>之前，新的生产线仍然存在，不要紧，我的关键问题是，每个模式：<TAG>random_string</TAG>必须在一条线上（random_string不包含EOL）

我在bash中找不到任何工具让我执行此操作，那么如何在bash中执行此操作？（或者在Python中，但我更喜欢bash）。

awk可能真的很有用，在这里，绝对值得使用谷歌搜索。我能得到的最接近的是'awk'/ $/{printf $ 0“”; next;} 1''。 – James 2013-04-10 16:35:57

我建议使用'为 – enzotib 2013-04-10 16:49:45

答

有命令行工具，如xmllint整齐，可以使用这样的：

tidy -xml -iq somefile.xml

理论上xmllint也能做到这一点，但xmllint does not工作作为OS X为我描述的（没有一个Linux实例现在方便在那里测试）：

xmllint --format --noblanks somefile.xml

整洁工作正常，xmllint没有在我的Linux实例（centOs6.3） – 2013-04-11 08:57:20

工作，我刚才添加的选项-wrap 0到命令整洁，因为我有一些行（'串'）超出64个字符。 – 2013-04-11 09:18:01

当您删除'--format'并执行'xmllint --noblanks somefile.xml'时，请改为。 'xmlint'在我的Ubuntu 15.10上完成了这项工作。 – 2016-02-09 11:26:06

答

我建议的Perl这样的任务。

#!/usr/bin/env perl 

use strict; 
use warnings; 

my $text = join "", <>; 
$text =~ s/>\s+([^\s].*?[^\s])\s+<\//>$2<\//; 
print "$text";

这样称呼它：

my.pl <input.xml> output.xml

tidy'我不知道TAG_TO_FORMAT的价值，它可以有一个坏的格式 – 2013-04-11 08:10:43

不同的标签只是匹配在关闭和开启角括号内的文字即可。查看更新的答案。 – 2013-04-11 08:37:28

答

好了，你可以做到这一点在sed：

x='TAG_TO_FORMAT' 
sed -e '/<'"$x"'>/{:next;/<\/'"$x"'>/!{N;bnext;};s/\n//g;s/>\s*/>/;s/\S\s*</</;}'

当符合正确的标签开始，我们进入一个循环收集线直到找到结束标记。然后，我们清除所有换行符，并清理> one one side锚定的空间，另一个是<。

我无法知道TAG_TO_FORMAT的值，它可能会因格式不正确而具有不同的TAG。 – 2013-04-11 08:08:32

下次你应该在你的问题中提到这样的限制。 – William 2013-04-11 14:00:15

删除两个标记之间EOLS和空格在XML文件中

相关推荐