解压缩 - 如何将膨胀的文件放入数组中

Question

我有一个 .xls 文件，我想将其打印出来以便进行比较，而不是仅仅更改二进制文件。

我的方法是 unzip 这整件事。生成的字符串不包含换行符，所以我运行通过 xmllint --format。但是在这条看似简单的道路上，我遇到了几个我已经花了几个小时解决的问题：

unzip xml 存档中的多个文件。这导致无效 xml。即使使用 unzip -q 选项，我也会得到多个 DTD 等等。 xmllint 在没有格式化输入的情况下中断。

unzip -c -a -q myFile.xlsx | xmllint --format -
我尝试使用 read 将 XML 拆分为一个数组，以便将每个单独的 xml 文件提供给 xmllint。在 read 的结果中，大多数数组项似乎是空的，第三项和第四项包含 xml 字符串的 20 多个字母。

IFS='\<\?xml' read -r -a files <<< "$decompressed"
我也试过用 sed 插入换行符，但文件太大，处理时间太长，无法进行差异化处理。

${decompressed/\>\</\>\n\</g}

我刚刚运行没有想法所以我决定请教你们！提前致谢:)

Answer 1

您已经发现，XLSX 文件包含多个 XML 文件，如 official documentation 中所指定。特别是，每个 Excel sheet 将有一个 XML 文档，这意味着将它们组合起来并不是一个实际的解决方案。

更糟糕的是，Excel 文件中可能还有 shared string table，这意味着 sheet 文件本身将不包含原始字符串（"Hello, World!" ), 而只是对字符串 table (1234).

的引用

根据您的用例，您可能需要考虑更多基于文本的格式，例如 CSV。

Answer 2

我会将 xslx 提取到多个文件中，漂亮地打印它们，然后对 xml 文件进行递归比较。（也有二进制文件不能diff）

像这样：

# Unzip the xlsx files into folders
unzip -aqd foo foo.xlsx
unzip -aqd bar bar.xlsx

# Pretty print all .xml and .rels files
find foo bar \( -name '*.xml' -o -name '*.rels' \) -exec xmllint --format {} --output {} \;

# Now you can recursively diff them
diff -urN foo bar

您可以创建 bash 包装进程的函数。

注意：解压后的 xlsx 文件可能包含以 .bin 结尾的二进制文件。您需要将它们从差异中排除：

diff -urNx '*.bin' foo bar

解压缩 - 如何将膨胀的文件放入数组中

Unzip - how do I put inflated files into an array

xml

git

bash

diff

unzip