使用 xmllint

如何解决使用 xmllint

我有这样的 HTML 代码

<dl>
 <dt><a href="element1" id="element1">element1</a> Version 1 </dt>
 <dd>Description 1</dd>
 <dt><a href="element2" id="element2">element2</a> Version 2 </dt>
 <dd>Description 2</dd>
...
</dl>

我想打印一个像

这样的输出

Item: element1,Version: Version1,Description: Description 1
Item: element2,Version: Version2,Description: Description 2
...

我尝试了多种方法，但我最好的方法是：

xmllint --xpath "concat('Item: ',//dl/dt/a/text(),',Version: ',Description: ',//dl/dd/text())" file

#output
Item: element1,Version:,Description: Description 1

问题：

• 无法获取版本
• 无法获取所有元素

解决方法

您可以使用 htql。例如：

text="""<dl>
 <dt><a href="element1" id="element1">element1</a> Version 1 </dt>
 <dd>Description 1</dd>
 <dt><a href="element2" id="element2">element2</a> Version 2 </dt>
 <dd>Description 2</dd>
...
</dl>"""

import htql
results = htql.query(text,"<dl>.<dt sep>2-0 {Item=<a>:tx; Version=<a>:xx; Description=<dd>:tx }")

然后显示结果：

>>> results
[('element1',' Version 1 ','Description 1'),('element2',' Version 2 ','Description 2')]

,

如果您不必坚持使用 xmllint，这里有一个纯粹的 bash 方式来完成工作：

cat file | tr '>' '\n' | grep '.\+</' | cut -d '<' -f 1 | awk '{ if (NR%3==1) print "Item: "$0","; if (NR%3==2) print "Version: "$0","; if (NR%3==0) print "Description: "$0;}' | paste -sd '  \n' -

说明：

管道的第一部分：提取感兴趣的数据

cat file | tr '>' '\n' | grep '.\+</' | cut -d '<' -f 1

输出：

element1
Version 1
Description 1
element2
Version 2
Description 2

管道的第二部分：基于行号的前缀名称

awk '{ if (NR%3==1) print "Item: "$0","; if (NR%3==0) print "Description: "$0;}'

输出：

Item: element1,Version:  Version 1,Description: Description 1
Item: element2,Version:  Version 2,Description: Description 2

管道的最后一部分：每 3 行缝合一次

paste -sd '  \n' -

这将输出您想要的最终结果。

,

遵循@seagulf 的建议，使用 python 更容易，

results = htql.query(mystr,"<dl>.<dt sep>2-0 {Item=<a>:tx; Version=<a>:xx; Description=<dd>:tx } \n")
for x in results:
    f.write ('{"item": "'+ x[0] + '","version" : "' + x[1] + '","description" : "' + x[2] + '"},\n')

#output
{"item": "element 1","version" : "version 1","description" : "description 1"},{"item": "element 2","version" : "version 2","description" : "description 2"},...

非常感谢！