在 Perl 中解析 XML 文件 - 保留序列

Question

XML结构如下：

<Entities>
    <Entity>
        <EntityName>.... </EntityName>
        <EntityType>.... </EntityType>
        <Tables>
            <DataTables>
                <DataTable>1</DataTable>
                <DataTable>2</DataTable>
                <DataTable>3</DataTable>
                <DataTable>4</DataTable>
            </DataTables>
            <OtherTables>
                <OtherTable>5</OtherTable>
                <OtherTable>6</OtherTable>
            </OtherTables>
        </Tables>
    </Entity>
.
.
.
</Entities>

我需要根据选择的实体名称解析文件，并按提到的顺序专门检索所有表。如何在 Perl 中执行此操作以及应该使用哪个模块？

Answer 1

我最喜欢在 Perl 中解析 XML 的模块是 XML::Twig (tutorial)。

代码示例：

use XML::Twig;

my $twig = XML::Twig->new(
    twig_handlers => {
        #calls the get_tables method for each Entity element
        Entity    => sub {get_tables($_);},
    },
    pretty_print  => 'indented',                # output will be nicely formatted
    empty_tags    => 'html',                    # outputs <empty_tag />
    keep_encoding => 1,
);

$twig->parsefile(xml-file);
$twig->flush;

sub get_tables {
    my $entity = shift;

    #Retrieves the sub-elements of DataTables
    my @data_tables = $entity->first_child("Tables")->children("DataTables");
    #Do stuff with the DataTables

    #Retrieves the sub-elements of OtherTables
    my @other_tables = $entity->first_child("Tables")->children("OtherTables");
    #Do stuff with the OtherTables

    #Flushes the XML element from memory
    $entity->purge;
}

Answer 2

文档顺序是defined

有一个排序，文档顺序，定义在文档的所有节点上，对应于每个节点的XML表示的第一个字符在文档的XML表示中出现的顺序一般实体扩充后。因此，根节点将是第一个节点。元素节点出现在它们的子节点之前。因此，文档顺序按元素节点在 XML 中出现的顺序对元素节点进行排序（在实体展开之后）。

换句话说，就是事物在 XML 文档中发生的顺序。 XML::XPath 模块按文档顺序生成结果。例如：

#! /usr/bin/perl

use warnings;
use strict;

use XML::XPath;

my $entity_template = "/Entities"
                    . "/Entity"
                    .   "[EntityName='!!NAME!!']"
                    ;

my $tables_path = join "|" =>
                  qw( ./Tables/DataTables/DataTable
                      ./Tables/OtherTables/OtherTable );

my $xp = XML::XPath->new(ioref => *DATA);

foreach my $ename (qw/ foo bar /) {
  print "$ename:\n";
  (my $path = $entity_template) =~ s/!!NAME!!/$ename/g;
  foreach my $n ($xp->findnodes($path)) {
    foreach my $t ($xp->findnodes($tables_path, $n)) {
      print $t->toString, "\n";
    }
  }
}

__DATA__

第一个表达式搜索<Entity> 元素，其中每个元素都有一个<ElementName> 子元素，其string-value 是选定的实体名称。从那里，我们寻找<DataTable> 或<OtherTable>。

给定输入

<Entities>
    <Entity>
        <EntityName>foo</EntityName>
        <EntityType>type1</EntityType>
        <Tables>
            <DataTables>
                <DataTable>1</DataTable>
                <DataTable>2</DataTable>
            </DataTables>
            <OtherTables>
                <OtherTable>3</OtherTable>
                <OtherTable>4</OtherTable>
            </OtherTables>
        </Tables>
    </Entity>
    <Entity>
        <EntityName>bar</EntityName>
        <EntityType>type2</EntityType>
        <Tables>
            <DataTables>
                <DataTable>5</DataTable>
                <DataTable>6</DataTable>
            </DataTables>
            <OtherTables>
                <OtherTable>7</OtherTable>
                <OtherTable>8</OtherTable>
            </OtherTables>
        </Tables>
    </Entity>
</Entities>

输出是

foo:
<DataTable>1</DataTable>
<DataTable>2</DataTable>
<OtherTable>3</OtherTable>
<OtherTable>4</OtherTable>
bar:
<DataTable>5</DataTable>
<DataTable>6</DataTable>
<OtherTable>7</OtherTable>
<OtherTable>8</OtherTable>

要提取字符串值（“内部文本”），请将$tables_path 更改为

my $tables_path = ". / Tables / DataTables  / DataTable  / text() |
                   . / Tables / OtherTables / OtherTable / text()";

是的，这是重复的——因为 XML::XPath 实现了XPath 1.0。

输出：

富：
1
2
3
4
酒吧：
5
6
7
8

Answer 3

我更喜欢XML::LibXML，它允许您（和我）使用 XPath 来选择元素。

您不妨查看script I wrote with it。

Answer 4

见：xml-simple

在使用它之前，请记住一些要点，例如

XML::Simple 能够呈现一个简单的 API，因为它代表您做出了一些假设。其中包括：

• 您对文本内容不感兴趣 仅由空格组成
• 你不介意当事情发生时 啜饮到散列中，订单丢失
• 您不想要细粒度的控制 生成的 XML 的格式
• 你永远不会使用散列键 不是合法的 XML 元素名称
• 您不需要帮助转换 不同编码之间

对于基于事件的解析，使用 SAX（不要着手为 XML::Parser 的处理程序 API 编写任何新代码 - 它已过时）。

对于基于树的解析，您可以在 XML::Twig 的“Perlish”方法和更多基于标准的 DOM 实现之间进行选择 - 最好是支持 XPath 的一种。

来源：XML-Simple

有关 Perl-XML 的更多详细信息，请参阅Perl-XML