使用 Perl / XML::Twig 对 XML 文档进行排序和合并

Question

我在一个目录中有许多 XML 文件需要排序并合并到一个文件中。文件格式如下：

文件1.xml：

<?xml version="1.0" encoding="utf-8"?>
<doctypea>
  <header someattr="1">
    <docnumber>111</docnumber>
  </header>
</doctypea>

文件2.xml：

<?xml version="1.0" encoding="utf-8"?>
<doctypea>
  <header someattr="1">
    <docnumber>112</docnumber>
  </header>
</doctypea>

文件3.xml：

<?xml version="1.0" encoding="utf-8"?>
<doctypeb>
  <header someattr="1">
    <docnumber>111</docnumber>
  </header>
</doctypeb>

File4.xml：

<?xml version="1.0" encoding="utf-8"?>
<doctypeb>
  <header someattr="1">
    <docnumber>112</docnumber>
  </header>
</doctypeb>

此目录中的所有文件都需要按以下标准排序：

1. 文件编号
2. 文档类型（a 或 b）

然后他们需要合并，所以输出文件应该是这样的：

<?xml version="1.0" encoding="utf-8"?>
<doctypea>
  <header someattr="1">
    <docnumber>111</docnumber>
  </header>
</doctypea>
<doctypeb>
  <header someattr="1">
    <docnumber>111</docnumber>
  </header>
</doctypeb>
<doctypea>
  <header someattr="1">
    <docnumber>112</docnumber>
  </header>
</doctypea>
<doctypeb>
  <header someattr="1">
    <docnumber>112</docnumber>
  </header>
</doctypeb>

为了实现这一点，我尝试在 Perl 中使用 XML:Twig。到目前为止，我有以下代码：

use XML::Twig;

my $xmldir = "/xmlfiles";
my $parser = XML::Twig->new(pretty_print => 'indented');

opendir(DIR, "$xmldir");
my @FILES= readdir(DIR);
closedir(DIR);

foreach (@FILES) {
        if ($_ ne "." && $_ ne "..") {
                print "reading file: $xmldir/$_\n";
                $parser->parsefile("$xmldir/$_");
        }
}

此时我似乎无法找出正确的语法来从解析器中获取我想要的元素。

1.如何获取根元素的值（“doctypea”或“doctypeb”）？

2。我假设我需要 (1) 才能将节点解析到 docnumber 字段？

然后我的计划是构建某种带有 doctype%number 的 has 以进行排序，我不确定将它们与它合并的最简单方法。

感谢任何建议！

Answer 1

请在下面找到可以帮助您入门的小示例。它展示了如何从类似于您的 XML 文件中获取数据（我修复了标签以匹配并引用 someattr 值以获取有效的 XML）。您可以使用类似的方法来收集您需要的数据并生成输出。

use XML::Twig;

XML::Twig->new(twig_handlers => {
    '/*'        => sub { print $_->gi;           },     # doctypea
    'docnumber' => sub { print $_->trimmed_text; },     # 111
})->parse(\*DATA);    # use parsefile('xxx.xml') to parse a file

__DATA__
<?xml version="1.0" encoding="utf-8"?>
<doctypea>
  <header someattr="1">
    <docnumber>111</docnumber>
  </header>
</doctypea>

Answer 2

正如 daxim 所注意到的，您的文件不是有效的 XML，但您可以使用正则表达式处理它们。如果文件不是太大，您可以将文件转换成单独的字符串，然后根据它们的内容进行排序。

use File::Slurp qw( read_dir ) ;
my $xmldir=".";
my %files = map {
        s/^.*$//m; 
        /<doctype([ab])>/; my $x=ord($1) - ord('a');
        /<docnumber>(\d+)</docnumber>/; $x += 10*$2;
        $x => $_
    } read_dir($xmldir);
print join("", map { $files{$_} } sort keys %files);

我还没有调试过这段代码。 print join("", values %files); 也可能有效。