从一堆 xml 文件中特定正则表达式模式的搜索结果中获取 xpath答案

【问题标题】：Get xpath from search result of a specific regex pattern in a bunch of xml files从一堆 xml 文件中特定正则表达式模式的搜索结果中获取 xpath
【发布时间】：2013-02-21 23:25:12
【问题描述】：

我有很多 XML 文件，我必须在这些文件中搜索一个字符串（详细地说，这将是一个不太复杂的正则表达式）。

通过结果我想得到字符串所在节点的xpath，即：

pattern = /home|house/

files: file1.xml, file2.xml etc

结果：

"home" in file1.xml, xpath: //root/cars/car[2]
"house" in file2.xml, xpath: //root[1]/elemA[2][@attribute1='first']

我怎样才能做到这一点？我可以使用 PHP、python、Javascript、VIM 插件（因为我已经使用过这些插件）

【问题讨论】：

标签： php python xml regex xpath

【解决方案1】：

搜索：

 //*[contains('home') or contains('house')]

在 PHP 中：

使用 DOMDocument 和 DOMXPath，然后在结果匹配上调用 DOMNode::getNodePath()。

如果你真的需要一个正则表达式而不是之前的那些匹配，php 的 DOMDocument 只有 XPATH 1.0 函数，但你可以通过添加用户定义的函数来向 DOMXPath 添加功能 DOMXPath::registerPhpFunctions

无需太多错误处理即可快速创建一些东西：

function xpathregexmatch($nodelist,$regex){
        foreach($nodelist as $node){
                if( $node instanceof DOMText && preg_match($regex,$node->nodeValue)) return true;
        }
        return false;
}

foreach(glob('*.xml') as $file){
        $d = new DOMDocument();
        $d->load($file);
        $x = new DOMXPath($d);
        $x->registerNamespace("php", "http://php.net/xpath");
        $x->registerPHPFunctions('xpathregexmatch');
        $matches = $x->query('//*[php:function("xpathregexmatch",text(),"/house|home/")]');
        if($matches->length){
                foreach($matches as $node){
                        echo $file. ':'.$node->getNodePath().PHP_EOL;
                }
        }
}

【讨论】：

谢谢，我知道了！非常有帮助。我会尽力做到并让你知道！
你也可以直接使用functionString和preg_match()来代替xpathregexmatch()函数。
@salathe: 好点，总是忘记functionString... 但是：$x->query('//*[php:functionString("preg_match","/wh[ab]t/",text())]'); 或$x->query('//*[php:functionString("preg_match","/wh[ab]t/",.)]'); 也选择所有父节点，因为它可能会查看->textContent...
@Wrikken 不，这是因为preg_match() 返回 0 或 1（或 false）；如果沿着这条路线走，您需要检查谓词内的返回值：//*[php:functionString("preg_match", "/house|home/", text()) = "1"]（或疯狂使用[boolean(number(php:functionString(…)))]）。
啊。很高兴我今天遇到了你……是的，少了类型的杂耍……//*[php:functionString("preg_match","/wh[ab]t/",text()) = "1"] 工作了 ;)

【解决方案2】：

在 PHP 中：glob XML 文件，xpath 所有节点，preg_match_all 其文本，如果匹配，则使用 getNodePath() 获取节点的 xpath 并输出：

$pattern = '/home|house|guide/iu';

foreach (glob('data/*.xml') as $file)
{
    foreach (simplexml_load_file($file)->xpath('//*') as $node)
    {
        if (!preg_match_all($pattern, $node, $matches)) continue;

        printf(
            "\"%s\" in %s, xpath: %s\n", implode('", "', $matches[0]),
            basename($file), dom_import_simplexml($node)->getNodePath()
        );
    }
}

结果（示例）：

"Guide" in iana-charsets-2013-03-05.xml, xpath: /*/*[7]/*[158]/*[4]
"Guide" in iana-charsets-2013-03-05.xml, xpath: /*/*[7]/*[224]/*[2]
"Guide" in iana-charsets-2013-03-05.xml, xpath: /*/*[7]/*[224]/*[4]
"guide" in rdf-dmoz.xml, xpath: /*/*[4]/d:Description
"guide" in rdf-dmoz.xml, xpath: /*/*[5]/d:Description

顺便说一句，好问题。

【讨论】：

接受了，因为它是最简单的，但@Wrikken 的回答也很好！
是的，他的回答也很好。两者一起应该会给未来的用户留下一些好的启发。

【解决方案3】：

php simplexml：

$xml=simplexml_load_string("file1.xml");
foreach ($xml->cars->car[2] as $car) {
    // do sth with $car
}

如需更多信息，请更具体地回答您的问题。

【讨论】：

请仔细阅读，我没有xpath，我想从搜索结果中得到它