Perl LibXML 和多个命名空间

Question

我有一个问题，我肯定需要一些帮助。首先，要温柔。我是 perl 和 LibXML 的新手。我一直在解析文档并将元素放入一个数组中，然后将其写入电子表格列。在测试过程中发现一些节点有多个同名子节点。我需要将每个子节点中的文本组合到数组的一个元素中。 xml的格式为：

<Group id="V-3021"
  xmlns="http://checklists.nist.gov/xccdf/1.1"
  xmlns:dc="http://purl.org/dc/elements/1.1">
    <title>blah blah blah</title>
    <description>blah blah blah</description>
    <Rule id="SV-41507r1_rule" severity="medium" weight="10.0">
        <version>blah blah blah</version>
        <title>blah blah blah</title>
        <description>blah blah blah</description>
        <reference>
            <dc:title>blah blah blah</dc:title>
            <dc:publisher>blah blah blahO</dc:publisher>
            <dc:type>blah blah blah</dc:type>
            <dc:subject>blah blah blah</dc:subject>
            <dc:identifier>blah blah blah</dc:identifier>
        </reference>
        <fixtext fixref="F-3046r3_fix">blah blah blah</fixtext>
        <check system="C-39986r2_chk">
            <check-content-ref name="M" href="VMS_XCCDF_Benchmark_Network - Firewall -   Cisco.xml"/>
            <check-content>This is the text I want</check-content>
        </check>
    </Rule>
</Group>

但偶尔是这样的：

<Group id="V-3021"
  xmlns="http://checklists.nist.gov/xccdf/1.1"
  xmlns:dc="http://purl.org/dc/elements/1.1">
    <title>blah blah blah</title>
    <description>blah blah blah</description>
    <Rule id="SV-41507r1_rule" severity="medium" weight="10.0">
        <version>blah blah blah</version>
        <title>blah blah blah</title>
        <description>blah blah blah</description>
        <reference>
            <dc:title>blah blah blah</dc:title>
            <dc:publisher>blah blah blahO</dc:publisher>
            <dc:type>blah blah blah</dc:type>
            <dc:subject>blah blah blah</dc:subject>
            <dc:identifier>blah blah blah</dc:identifier>
        </reference>
        <fixtext fixref="F-3046r3_fix">blah blah blah</fixtext>
        <check system="C-39986r2_chk">
            <check-content-ref name="M" href="VMS_XCCDF_Benchmark_Network - Firewall - Cisco.xml"/>
            <check-content>This is the text I want</check-content>
            <check-content>This is more text that I wantto grab and add to the end of                           the above text
            </check-content>
        </check>
    </Rule>
</Group>

我可以从“检查内容”中提取所有文本，但如果有多个文本，它会丢弃电子表格中的数据行。我需要能够说出类似的话：如果有 2 个或更多加入数据，则将数据推送到数组中。如果没有，只需将数据推送到数组中。现在这是问题所在。我试图将所有内容拉到“规则”下方，然后解析每个部分（ to ）并从 XML 的每个部分中提取“检查内容”。通过这样做，我应该能够在将数据推送到数组之前将两个“检查内容”部分连接在一起。问题是在“引用”节点（dc:) 下声明了一个命名空间。我试过注册这个命名空间没有运气。我实际上根本不关心那部分数据，但是当我尝试拉这部分（到）时，我收到一条错误消息，指出“：1：命名空间错误：未定义标题上的命名空间前缀 dc s>ECAT -1、ECAT-2、ECSC-1

my $parser = XML::LibXML->new() or die $!;
my $doc1 = $parser->parse_file($filename1);
my $xc1 = XML::LibXML::XPathContext->new($doc1->documentElement() );
$xc1->registerNs(x => 'http://checklists.nist.gov/xccdf/1.1');
$xc1->registerNs(dc => 'http://purl.org/dc/elements/1.1');


for $Check ( $xc1->findnodes('//x:Rule') ) { 

    my $doc2 = $parser->parse_string($Check); # Associate the NS with $Check
    my $xc2 = XML::LibXML::XPathContext->new($doc2->documentElement());
    $xc2->registerNs(x => 'http://checklists.nist.gov/xccdf/1.1');


    foreach $Check_Content ( $xc2->findvalue('check-content') ) { 

         push (@Check_Content1, $Check_Content);

         }


    $result_string = $Check_Content1[0] . $Check_Content1[1];
    push (@Check_Content, $result_string);
    }
}

Answer 1

在代码的第 10 行，您要求 XML::LibXML 解析 $Check，这意味着您要求 XML::LibXML 解析以下内容：

<Rule id="SV-41507r1_rule" severity="medium" weight="10.0">
    <version>blah blah blah</version>
    <title>blah blah blah</title>
    <description>blah blah blah</description>
    <reference>
        <dc:title>blah blah blah</dc:title>
        <dc:publisher>blah blah blahO</dc:publisher>
        <dc:type>blah blah blah</dc:type>
        <dc:subject>blah blah blah</dc:subject>
        <dc:identifier>blah blah blah</dc:identifier>
    </reference>
    <fixtext fixref="F-3046r3_fix">blah blah blah</fixtext>
    <check system="C-39986r2_chk">
        <check-content-ref name="M" href="VMS_XCCDF_Benchmark_Network - Firewall - Cisco.xml"/>
        <check-content>This is the text I want</check-content>
        <check-content>This is more text that I wantto grab and add to the end of                           the above text
        </check-content>
    </check>
</Rule>

这不是一个格式良好的 XML 文档，因为它没有定义 dc。

所有这些都是为了构建第二个不必要的 XPC。这可以通过删除大量代码来解决。

my $parser = XML::LibXML->new();
my $doc = $parser->parse_file($filename);
my $xpc = XML::LibXML::XPathContext->new( $doc->documentElement() );
$xpc->registerNs(x  => 'http://checklists.nist.gov/xccdf/1.1');
$xpc->registerNs(dc => 'http://purl.org/dc/elements/1.1');

my $check_content;
for my $rule_node ( $xpc->findnodes('//x:Rule') ) { 
   for my $check_content_node (
         $xpc->findnodes('x:check/x:check-content', $rule_node) ) { 
      $check_content .= $check_content_node->textContent();
   }
}

注意$xpc->findnodes 的第二个参数。

使用数组没有多大意义，所以我没有。如果有意义的话，您总是可以将$check_content 放入一个数组中。

当然，您也可以选择以下方法：

my $check_content;
for my $rule_node ( $xpc->findnodes('//x:Rule/x:check/x:check-content') ) { 
   $check_content .= $check_content_node->textContent();
}