将 XML 输入从多行转换为一行

Question

我有一个这样的xml

<address>
   <street>abc</street>
   <number>123</number>
</address>

<address>
   <street>abc1</street>
   <number>345</number>
</address>

...
...
<address>
   <street>xyz</street>
   <number>999</number>
</address>

我希望能够将其转换为

<address><street>abc</street><number>123</number></address>
<address><street>abc1</street><number>345</number></address>
...
...
<address><street>xyz</street><number>999</number></address>

您能否推荐我如何解决这个问题，我认为 sed 可能会有所帮助，但无法使其正常工作。

编辑：XML 文件有 100K 行类似类型，经过编辑以反映正确的输入和输出。

Answer 1

[XML::Twig][1] 带有一个漂亮的 xml 打印机 xml_pp。如果地址行就在文档的根目录下，那么您可以使用它来真正接近您想要的输出：

xml_pp -s record_c to_compact.xml

<root>
  <address><street>abc</street><number>123</number></address>
  <address><street>abc1</street><number>345</number></address>
  <address><street>xyz</street><number>999</number></address>
  <address><street>abc</street><number>123</number></address>
  <address><street>abc1</street><number>345</number></address>
  <address><street>xyz</street><number>999</number></address>
</root>

删除地址行开头的空格很容易：

xml_pp -s record_c to_compact.xml | perl -p -e's{^\s+}{}'

如果地址元素不在根目录下，请告诉我们，我会看看能做些什么。

Answer 2

我不确定它的命令行语法，但是这个正则表达式应该可以做到：

// Find:
/>[\n\s]+</
// Replace with:
><

这只会去除元素之间的空格（不在元素内部，除非它可能是 CDATA 部分），但您可能会不小心删除一些您真正想要的空格，例如：

<p>here's <i>something</i> <b>interesting</b></p>
// becomes:
<p>here's <i>something</i><b>interesting</b></p>

这是我提到的 CDATA 问题的一个示例：

<element><![CDATA[
    this shouldn't <blah>
    <blah> be touched.
]]></element>

// becomes:
<element><![CDATA[
    this shouldn't <blah><blah> be touched.
]]></element>

当然，“正确”的答案是使用解析器读取文件，然后再次输出，去掉空格和缩进。

Answer 3

另一种选择是使用 XSLT 样式表，它复制所有内容，但只复制地址元素中的元素和属性：

<?xml version="1.0"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:template match="@*|node()">
        <xsl:copy>
            <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
    </xsl:template>

    <xsl:template match="address">
        <xsl:copy>
            <xsl:apply-templates select="@*|*"/>
        </xsl:copy>
    </xsl:template>
</xsl:stylesheet>

与正则表达式方法不同，这应该适用于任何 XML 文档（即使换行符被编码为字符实体或在 CDATA 中），并且只会格式化地址元素。

您可以使用 Java 运行样式表，也可以使用 xsltproc 从命令行运行。

Answer 4

您可以编写一个 SAX 解析器，并且在每个事件上只需将元素写入另一个文件而无需换行。这将删除新行和垃圾空格。

Answer 5

你可以试试这个代码（Java）：

import java.util.Scanner;
import java.io.File;
import java.io.FileWriter;
public class TrimLines {
  public static void main(String[] args){
    try {
        String source = "employee.xml";
        String result = "no-lines-employee.xml";

        System.out.println("removing lines...");
        Scanner s = new Scanner(new File(source));          
        FileWriter w = new FileWriter(result);          
        while(s.hasNext())              
            w.write(s.nextLine());          
        w.close();          
        System.out.println("remove successfull.");
    }
    catch(Exception ex){
        ex.printStackTrace();
    }
  } 
}

只需指定源 xml 文件名（源变量）和目标 xml 文件名（结果变量）。

Answer 6

试试这个选项： 在记事本++ > 打开 xml 文件 > 选择所有内容并在编辑中选择 > 空白操作 > 删除不必要的空白和 EOL。

这对我有用。

Answer 7

此链接应该对您有所帮助。他们的例子有点复杂，但应该不难改变以满足您的需求： http://www.unix.com/unix-dummies-questions-answers/40871-remove-carriage-return-between-line.html

-不要

Answer 8

tr 是一种非常简单的替换换行符的方法：

cat addresses.xml | tr -d '\n'

谷歌搜索“shell replace newline”也会产生很多其他选项。

Answer 9

正则表达式

(?<=>)\r?\n[ \t]*(?!<address)

将匹配标签之间的 CRLF + 空格/标签，除非后面跟着 <address>。虽然我通常建议不要使用正则表达式和解析器，但在这种情况下，看起来这样可以更轻松地完成工作。