正在解析带有重复标签的 XML 文件

Question

我目前使用 XML 解析器从 GPX (XML) 文件中提取路线名称。

每个 GPX 文件都包含一个“名称”标签，这是我一直在提取的标签。

这是脚本：

#! /bin/bash

gpxpath=/mnt/gpxfiles; export gpxpath

for file in $gpxpath/*
do

filename=`ls $file`; export filenanme
gpxname=`$scripts/xmlparse.pl "$file"`

echo $filename "    "$gpxname >> gpxparse.tmp

done

sort -k 2,2 gpxparse.tmp > gpxparse.out

cat gpxparse.out

这里是 xmlparse.pl：

#!/usr/bin/perl

use strict;
use warnings;

use XML::Twig;

XML::Twig->new(
    twig_handlers => {
        'name' => sub { print $_ ->text }
    }
    )->parse( <> );

这是一个 GPX 文件示例：

<?xml version="1.0" encoding="UTF-8"?>
<gpx version="1.1" creator="creator" xsi:schemaLocation="http://www.topografix.com/GPX/1/1 http://www.topografix.com/GPX/1/1/gpx.xsd" xmlns="http://www.topografix.com/GPX/1/1" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
    <metadata>     
        <referrer>Referrer</referrer>
        <time>2019-06-17T06:02:23.000Z</time>
    </metadata>
    <trk>
        <name>Another GPX file</name>
        <trkseg>
            <trkpt lon="-1.91990" lat="53.00131">
                <ele>112.1</ele>
                <time>2019-06-17T06:02:23.000Z</time>
            </trkpt>
            <trkpt lon="-1.91966" lat="53.00126">
                <ele>113.6</ele>
                <time>2019-06-17T06:02:25.000Z</time>
            </trkpt>
            <trkpt lon="-1.91962" lat="53.00125">
                <ele>114.1</ele>
                <time>2019-06-17T06:02:25.000Z</time>
            </trkpt>
            <trkpt lon="-1.91945" lat="53.00120">
                <ele>115.5</ele>
                <time>2019-06-17T06:02:26.000Z</time>
            </trkpt>
        </trkseg>
    </trk>
</gpx>

我可以使用上面的脚本成功提取路线名称但是，我还想提取每个文件中的第一个坐标对。

轨道可以由“trk”元素定义，轨道内可以是多个段或“trkseg”。最后，在一个 trkseg 中有多个“trkpt”（跟踪点）。

轨迹点通常由纬度和经度坐标对以及海拔和时间戳信息组成。

我只想在 GPX 文件的第一个 trkpt 中提取第一个纬度和经度。理想情况下，一旦脚本找到第一个坐标对，它就应该退出并移至下一个文件。

我尝试制作一个额外的 perl 脚本

我已经使用 XML::Twig 添加了一个额外的 perl 解析脚本，但是当存在多个具有重复名称的元素时它似乎会出错。

Answer 1

使用xmlstarlet提取第一个trkpt的“name”值和经纬度：

xmlstarlet sel -t -v '//_:name'          -o , \
                  -v '//_:trkpt[1]/@lat' -o , \
                  -v '//_:trkpt[1]/@lon' -n \
                  file.xml

Another GPX file,53.00131,-1.91990

在 shell 脚本中，您可以使用以下方法解析此输出：

IFS=, read -r gpxname lat long < <( xmlstarlet ... )

Answer 2

由于您最初打算使用 Perl 解决方案，

perl -MXML::LibXML -e'
   my $doc = XML::LibXML->load_xml( location => $ARGV[0] );
   my $xpc = XML::LibXML::XPathContext->new();
   $xpc->registerNs( gpx => "http://www.topografix.com/GPX/1/1" );
   CORE::say
      join ",",
         $xpc->findnodes(q{/gpx:gpx/gpx:trk/gpx:name}, $doc),
         $xpc->findnodes(q{/gpx:gpx/gpx:trk/gpx:trkseg/gpx:trkpt[1]/@lat}, $doc),
         $xpc->findnodes(q{/gpx:gpx/gpx:trk/gpx:trkseg/gpx:trkpt[1]/@long}, $doc);
' "$file"

（我用 XML::LibXML 而不是 XML::Twig 因为我更熟悉它。）

与前面答案中的解决方案不同，

此解决方案不会对默认名称空间可能是什么做出脆弱的假设。
此解决方案不会对 name 元素可能出现或不出现的位置做出脆弱的假设。

Answer 3

这对于 xidel 来说非常简单：

xidel -s input.xml -e 'join((//name,//trkpt[1]/@*),",")'
Another GPX file,-1.91990,53.00131

Ideally, once the script has found the first co-ordinate pair it should exit and move onto the next file.

xidel，加上集成的EXPath File Module，可以非常有效地做到这一点：

xidel -se 'file:list("/mnt/gpxfiles")'   # lists all files in '/mnt/gpxfiles' (and subdirs!)
xidel -se 'file:list("/mnt/gpxfiles",false(),"*.xml")'   # lists all xml-files in '/mnt/gpxfiles'

xidel -se '
  for $x in file:list("/mnt/gpxfiles") return
  doc("/mnt/gpxfiles/"||$x)/join((//name,//trkpt[1]/@*),",")
'   # iterate over and parse all xml-files in '/mnt/gpxfiles' AND extract the info you need.

Answer 4

我在其他答案中看到了一些更优雅的方法，但我可能会使用暴力方法：

grep name {file} | head -1
grep "trkpt lon" {file} | head -1

然后使用 perl 或 sed 将结果编辑为想要的部分。

正在解析带有重复标签的 XML 文件

Parsing XML file with duplicate tags

xml

bash

perl

gpx

xml-parsing