从 xml 文件中删除注释并漂亮地打印它

Question

我有一个包含很多 cmets 的巨大 xml 文件。

去除所有 cmets 并从 linux 命令行很好地格式化 xml 的“最佳方法”是什么？

Answer 1

你可以用整洁

$ tidy -quiet -asxml -xml -indent -wrap 1024 --hide-comments 1 tomcat-users.xml
<?xml version='1.0' encoding='utf-8'?>
<tomcat-users>
  <user username="qwerty" password="ytrewq" roles="manager-gui" />
</tomcat-users>

Answer 2

通过identity transform XSLT 运行您的XML，并为cmets 提供一个空模板。

除了 cmets 之外的所有 XML 内容都将传递到输出。

为了侄女格式化输出，设置输出@indent="yes":

<xsl:stylesheet version="1.0"
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

<xsl:output method="xml" version="1.0" encoding="UTF-8" indent="yes"/>

<!--Match on Attributes, Elements, text nodes, and Processing Instructions-->
<xsl:template match="@*| * | text() | processing-instruction()">
   <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
   </xsl:copy>
</xsl:template>

<!--Empty template prevents comments from being copied into the output -->
<xsl:template match="comment()"/>

</xsl:stylesheet>

Answer 3

您可能想查看xmllint 工具。它有几个选项（其中一个--format 会打印得很漂亮），但我不知道如何使用这个工具删除 cmets。

另外，请查看XMLStarlet，这是一组命令行工具，可以用 xml 完成任何您想做的事情。然后做：

xml c14n --without-comments # XML file canonicalization w/o comments

EDIT：OP 最终使用了这一行：

xmlstarlet c14n --without-comments old.xml > new.xml

Answer 4

为了整理像 Tomcat 的 server.xml 这样简单的东西，我使用

sed 's/<!--/\x0<!--/g;s/-->/-->\x0/g' | grep -zv '^<!--' | tr -d '\0' | grep -v "^\s*$"

即

function tidy() {
 echo "$( cat $1 | sed 's/<!--/\x0<!--/g;s/-->/-->\x0/g' | grep -zv '^<!--' | tr -d '\0' | grep -v "^\s*$")"
}

tidy server.xml

... 将打印没有 cmets 的 xml。

注意：虽然它在简单的事情上工作得相当好，但在某些 CDATA 块和其他一些情况下它会失败。仅将它用于不需要也永远不需要在任何地方转义单个 <-- 或 --> 的受控 xml 脚本！

首先 sed 用 0x0 字符标记注释​​的开始和结束，然后 grep 和 -z 将 0x0 视为唯一的行分隔符，搜索以注释开头的行，它的 -v 反转过滤器，只留下有意义的行。最后，tr -d\0` 删除了所有这些 0x0，为了完善它，另一个 grep 删除了空行：瞧。

Answer 5

最好的方法是使用 XML 解析器来正确处理所有晦涩的极端情况。但是，如果您需要快速而肮脏的东西，有多种short solutions using Perl regexes 可能就足够了。