使用 perl 解析 XML 文件 - 正则表达式

Question

我只是 perl 的初学者，非常迫切需要准备一个小脚本，从 xml 文件中获取前 3 项内容并将它们放入一个新文件中。 下面是一个 xml 文件的示例：

    <article>
  {lot of other stuff here}
</article>
<article>
  {lot of other stuff here}
</article>
<article>
  {lot of other stuff here}
</article>
<article>
  {lot of other stuff here}
</article>

我想做的是获取前 3 个项目以及它们之间的所有标签并将其放入另一个文件中。 感谢您提前提供的所有帮助 问候 彼得

Answer 1

Never ever use Regex to handle markup languages.

这个答案的原始版本（见下文）使用XML::XPath。格兰特麦克莱恩在 cmets 中说：

XML::XPath 是一个古老且无人维护的模块。 XML::LibXML 是一个现代化的维护模块，具有几乎相同的 API，而且速度也更快。

所以我制作了一个使用XML::LibXML 的新版本（感谢格兰特）：

use warnings;
use strict;
use XML::LibXML;

my $doc   = XML::LibXML->load_xml(location => 'articles.xml');
my $xp    = XML::LibXML::XPathContext->new($doc->documentElement);
my $xpath = '/articles/article[position() < 4]';

foreach my $article ( $xp->findnodes($xpath) ) {
  # now do something with $article
  print $article.": ".$article->getName."\n";
}

对我来说，这是打印出来的：

XML::LibXML::Element=SCALAR(0x346ef90)：文章 XML::LibXML::Element=SCALAR(0x346ef30)：文章 XML::LibXML::Element=SCALAR(0x346efa8)：文章

相关文档的链接：

• $doc 的类型将是 XML::LibXML::Document。
• $xp 的类型是XML::LibXML::XPathContext。
• $xp->findnodes()的返回类型是XML::LibXML::NodeList。
• $article 的类型是 XML::LibXML::Element。

---

答案的原始版本，基于XML::XPath 包：

use warnings;
use strict;
use XML::XPath;

my $xp    = XML::XPath->new(filename => 'articles.xml');
my $xpath = '/articles/article[position() < 4]';

foreach my $article ( $xp->findnodes($xpath)->get_nodelist ) {
  # now do something with $article
  print $article.": ".$article->getName ."\n";
}

为我打印这个：

XML::XPath::Node::Element=REF(0x38067b8)：文章 XML::XPath::Node::Element=REF(0x38097e8)：文章 XML::XPath::Node::Element=REF(0x3809ae8)：文章

• $xp 的类型显然是XML::XPath。
• $xp->findnodes() 的返回类型为XML::XPath::NodeSet。
• 在这种情况下，$article 的类型将是 XML::XPath::Node::Element。

查看文档以了解您可以使用它们做什么。

Answer 2

这里：

 open my $input, "<", "file.xml" or die $!;
 open my $output, ">", "truncated-file.xml" or die $!;
 my $n_articles = 0;
 while (<$input>) {
      print $output $_;
      if (m:</article>:) {
           $n_articles++;
           if ($n_articles >= 3) {
                last;
           }
      }
 }         
 close $input or die $!;
 close $output or die $!;

你真的不需要 XML 解析器来完成这么简单的工作。