将XML字段值打印到CSV

Question

我有一个目录，其中包含XML文件的负载，这些文件的格式不是完全相同的，但是我在包含3个相同必需字段后的XML文件。我需要知道每个库的snpid，因为它们必须是唯一的。为此，我需要列出每个及其ID值。

首先，我只需要从“供电”字段中包含值=“ kontakt”的文件中获取结果。 然后，对于每个，我都需要名称，snpid和regkey才能打印成3列CSV。例如。 Mystica | 547 |最好的服务 - Mystica

XML文件是这样的：

    <?xml version="1.0" encoding="UTF-8" standalone="no" ?>
<ProductHints spec="1.0.16">

  <Product version="2">
    <UPID>70026fd5-8f6f-429e-b891-12c2f94bc566</UPID>
    <Name>Mystica</Name>
    <Type>Content</Type>
    <NKSEnabled minVersion="1.1.0.0">true</NKSEnabled>
    <Relevance maxVersion="1.0.9.0" minVersion="1.0.0.0">
      <Application minVersion="5.0.0.0" nativeContent="true">kontakt</Application>
    </Relevance>
    <Relevance minVersion="1.1.0.0">
      <Application minVersion="5.8.0.0" nativeContent="true">kontakt</Application>
      <Application minVersion="2.6.5.0">maschine</Application>
      <Application minVersion="1.8.2.0">kkontrol</Application>
    </Relevance>
    <PoweredBy>Kontakt</PoweredBy>
    <Visibility maxVersion="1.0.9.0" minVersion="1.0.0.0" target="Standalone">1</Visibility>
    <Company>Best Service</Company>
    <AuthSystem>RAS2</AuthSystem>
    <SNPID>547</SNPID>
    <RegKey>Best Service - Mystica</RegKey>
    <Icon>bestservice</Icon>
    <ProductSpecific>
      <HU>496B8CF4F8B1402C4A6650214DF2514C</HU>
      <JDX>C9A2B6D9549FD159D8A3CFF054AAE934C2AC849EC74827847288DF07577A8F22</JDX>
      <Visibility type="Number">3</Visibility>
    </ProductSpecific>
  </Product>

</ProductHints>

我已经尝试过

Computer:~ user$ cd /Library/Application\ Support/Native\ Instruments/Service\ Center 
Computer:Service Center

        while read -r Name SNPID RegKey
do
    echo "+++++++++++++++++++"
    echo "Name:  ${Name}"
    echo "SNPID: ${SNPID}"
    echo "RegKey: ${RegKey}"
awk -F '[<>]' '{if (FNR%2==1) {printf "%s: ",$3} else {print $3}}'
done

，但是结果不一致（我知道bash对于解析XML并不是很好，但要求非常基本）。

find -name "*.xml" | xargs cat | tr -d "\n" | sed 's/<\/Name>/\n/g' | sed 's/<\/SNPID>/\n/g' | sed 's/<\/RegKey>/: /g' | sed 's/<[^>]*>//g' | egrep "Name:|SNPID:|RegKey:" | sed 's/Name: /---\nName: /g'

还会导致错误：查找：非法选项 - N

任何狂欢向导可以帮助我吗？ （如果可能的话，我希望在不安装其他内容的情况下使用终端）谢谢

Answer 1

这可能对您有用（gnu sed）：

sed -sE '/^\s*<(Name|SNPID|PoweredBy|RegKey)>(.*)<\/\1>\s*$/{s//\1:\2/;H}
         $!d;g;/PoweredBy:Kontakt/!d
         s/Name:([^\n]*)(.*)/\2\n\1/
         s/SNPID:([^\n]*)(.*)/\2|\1/
         s/RegKey:([^\n]*)(.*)/\2|\1/
         s/.*\n//' file ...

使用选项-s分别处理每个输入文件，然后使用-e来简化Regexps。

使用交替，将所需字段提取到保持缓冲区中。

在文件的末尾，如果驱动字段不包含kontakt无需进一步处理。

否则，将保留缓冲区中的字段格式化为所需的格式并打印结果。

Answer 2

强烈推荐：不要尝试用适当的XML解析器来解析XML。为此，您可以使用XMLSTARLET [编辑以反映 @reino的评论：

xml sel -T -t -m "//ProductHints//Product[PoweredBy="Kontakt"]" -v //SNPID/. --nl -v //Name/. --nl -v //RegKey/. --nl your_file.xml

或者，更简单，Xidel：

xidel your_file.xml -e '//ProductHints//Product[PoweredBy="Kontakt"]//(Name,SNPID,RegKey)'

输出（基于您的问题中的示例XML）应该是：

547
Mystica
Best Service - Mystica

Answer 3

1。使用查找所需的文件查找和grep

 grep -l "PoweredBy>Kontakt" $(find . -name "*.xml")

验证您获取正确的文件列表。

2.提取数据，并使用awk从必需的文件中制定数据

awk 脚本，仅处理所需的文件。

 awk -F"[><]" '
   $2 == "Name" {ret = $3 " | "}
   $2 == "SNPID" {ret = ret $3 " | "}
   $2 == "RegKey" {print ret $3}
 ' $(grep -l "PoweredBy>Kontakt" $(find . -name "*.xml"))

使用awk的替代方案，没有grep命令。

 awk -F"[><]" '
   $2 == "PoweredBy" && $3 != "Kontakt" {nextfile} 
   $2 == "Name" {ret = $3 " | "}
   $2 == "SNPID" {ret = ret $3 " | "}
   $2 == "RegKey" {print ret $3}
 ' $(find . -name "*.xml")