需要一些xml节点concat的awk脚本

我是awk新手，需要一个简单的awk脚本来帮助我去除所有的字符度量和属性，从而将XML压缩很多

输入

期望输出

<?xml version="1.0"?>
<document>
    <page>
        <block bbox="270 163.717 363.262 224.155">
            <line bbox="270 163.717 274.453 182.669">
                <span bbox="270 163.717 274.453 182.669" font="Helvetica-Bold" size="16.02">foo</span>
            </line>
            <line bbox="270 200.519 363.262 224.155">
                <span bbox="270 200.519 363.262 224.155" font="Helvetica-Bold" size="19.98">bar</span>
            </line>
        </block>
    </page>
</document>

福
酒吧

谢谢

试试类似的方法

awk '{if (index($0, "<char") == 0) print $0}' xmlfile

---

awk'{if（index（$0，”XML解析不建议使用标准的unixshell实用程序。这需要一个合适的XML解析器来完成

使用awk以下命令可获得您的输出（假设
c=
属性始终位于
XML标记的第二位）：

awk 'BEGIN {FS="\""} /<char /{tag = tag $4;}
/<\/span>/{print tag; tag="";} !/<char /' file.xml

awk'BEGIN{FS=“\”}/显然，您使用的是awk，尽管您知道XML
应该通过适当的工具进行加工。无论如何，必须提到的是，这确实是一种情况

使用6（或更高），类似这样的命令

java -jar saxon.jar input.xml stylesheet.xslt

通过以下样式表生成所需的结果：

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
  <xsl:template match="@*|node()">
    <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
    </xsl:copy>
  </xsl:template>
  <xsl:template match="span">
    <span>
      <xsl:copy-of select="@*"/>
      <xsl:for-each select="char/@c">
        <xsl:value-of select="."/>
      </xsl:for-each>
    </span>
  </xsl:template>
</xsl:stylesheet>


这只是去除字符，我实际上需要累积字符的“c”属性，并输出该缓冲区来代替所有的char节点。请参阅我想要的输出。在这种情况下，awk可能是错误的工具。awk用于处理行-我知道有一些方法可以让它保持某种状态，但这很痛苦。我会使用Python和BeautifulSoup来完成这项工作。这将非常简单。我用另一个awk answ进行了更新呃，但是@anubhava's可能更好，因为它没有换行符。再次更新-现在几乎相等，少了一行换行符，并且不依赖于
标记上的属性顺序或诸如此类的东西。事实上这非常接近。到目前为止，我得到的是
{if（match）（$0，/我意识到这一点，但输入是统一的，不是任意的。否则我会选择这种方式。thx.-1只需使用XSLT，而不是询问如何以最糟糕的方式进行操作。哇！甚至Perl！WTF.XSLT都不是这样做的正确方法，我知道这一点。其中的一部分是使用gawk。尽管这个grep会完全满足我的需要，但我知道它是正确的oo:
[\r\n\s]*[\r\n\s]*
=>
\1
awk 'BEGIN {FS="\""} /<char /{tag = tag $4;}
/<\/span>/{print tag; tag="";} !/<char /' file.xml

<?xml version="1.0"?>
<document>
    <page>
        <block bbox="270 163.717 363.262 224.155">
            <line bbox="270 163.717 274.453 182.669">
                <span bbox="270 163.717 274.453 182.669" font="Helvetica-Bold" size="16.02">
foo
                </span>
            </line>
            <line bbox="270 200.519 363.262 224.155">
                <span bbox="270 200.519 363.262 224.155" font="Helvetica-Bold" size="19.98">
bar
                </span>
            </line>
        </block>
    </page>
</document>

java -jar saxon.jar input.xml stylesheet.xslt

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
  <xsl:template match="@*|node()">
    <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
    </xsl:copy>
  </xsl:template>
  <xsl:template match="span">
    <span>
      <xsl:copy-of select="@*"/>
      <xsl:for-each select="char/@c">
        <xsl:value-of select="."/>
      </xsl:for-each>
    </span>
  </xsl:template>
</xsl:stylesheet>