如何在Perl中从XML文档中删除重复的注释?
我有一个带有重复节点的站点地图视频文件xml:如何在Perl中从XML文档中删除重复的注释?,xml,perl,xml-sitemap,Xml,Perl,Xml Sitemap,我有一个带有重复节点的站点地图视频文件xml: <?xml version="1.0"?> <urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9" xmlns:video="http://www.google.com/schemas/sitemap-video/1.1"> <url> <loc>http://www.tubtun.com/video/Samsung_42Channel
<?xml version="1.0"?>
<urlset xmlns="http://www.sitemaps.org/schemas/sitemap/0.9" xmlns:video="http://www.google.com/schemas/sitemap-video/1.1">
<url>
<loc>http://www.tubtun.com/video/Samsung_42Channel_Wireless_SoundStand</loc>
<video:video>
<video:title>Samsung 42Channel Wireless SoundStand</video:title>
<video:description>Samsung 4.2Channel Wireless SoundStand</video:description>
<video:thumbnail_loc>http://www.tubtun.com/media/files_thumbnail/user91/pl_5364844b0dc.jpg</video:thumbnail_loc>
<video:player_loc>http://www.tubtun.com/modules/vPlayer/vPlayer.swf?f=http://www.tubtun.com/modules/vPlayer/vPlayercfg.php?fid=844b0dc2c7258f4de11</video:player_loc>
<video:publication_date>2015-01-27</video:publication_date>
</video:video>
</url>
<url>
<loc>http://www.tubtun.com/video/Samsung_42Channel_Wireless_SoundStand</loc>
<video:video>
<video:title>Samsung 42Channel Wireless SoundStand</video:title>
<video:description>Samsung 4.2Channel Wireless SoundStand</video:description>
<video:thumbnail_loc>http://www.tubtun.com/media/files_thumbnail/user91/pl_5364844b0dc.jpg</video:thumbnail_loc>
<video:player_loc>http://www.tubtun.com/modules/vPlayer/vPlayer.swf?f=http://www.tubtun.com/modules/vPlayer/vPlayercfg.php?fid=844b0dc2c7258f4de11</video:player_loc>
<video:publication_date>2015-01-27</video:publication_date>
</video:video>
</url>
.....
不幸的是,文件“clearized.xml”与sitemap.xml相同
我不知道我的脚本出了什么问题。我不太清楚为什么您的
XML::LibXML
不起作用,尽管如注释中所述-如果它不与一起工作,那么查找,这将是它的根源
我将提供一个使用XML::Twig
的替代方案
#!/usr/bin/env perl
use strict;
use warnings;
use XML::Twig;
my $file = 'test3.xml';
my %seen;
sub delete_url_if_seen {
my ( $twig, $url ) = @_;
my $name = $url -> get_xpath('./video:video/video:title',0) -> trimmed_text;
if ( $seen{$name}++ ) { $url -> delete; };
}
my $twig = XML::Twig -> new ( 'pretty_print' => 'indented_a',
'twig_handlers' => { 'url' => \&delete_url_if_seen } );
$twig -> parsefile_inplace ( $file );
我已经开始工作了,下面是代码&我尝试了中提供的解决方案
您应该使用并注册视频和默认名称空间。您还应该调用findvalue
以获取标题作为字符串
my $xpc = XML::LibXML::XPathContext->new();
$xpc->registerNs(sitemap => 'http://www.sitemaps.org/schemas/sitemap/0.9');
$xpc->registerNs(video => 'http://www.google.com/schemas/sitemap-video/1.1');
for my $node ($xpc->findnodes('//sitemap:url', $doc)) {
my $name = $xpc->findvalue('video:title', $node);
...
}
您是否检查了$name
的内部内容?您的脚本是否说打印foo duplicated
输出?然后您发现了问题。$uni->find('video:title')
无法正常工作。您可能需要检查如何在XML::LibXML中使用名称空间前缀,以及如何从元素中提取文本节点。我很难相信您的代码与OP的原始代码有任何不同。您所做的只是将XPath//url
更改为//*[name()='url']
,当节点没有名称空间时,这是相同的,如下所示。您还试图使用LibXML一无所知的video
名称空间。请显示您的示例输入数据和结果输出。查找结果也略有不同。@Borodin我不太确定,但我认为这与XML名称空间有关,我在这里读到一个类似的问题@Borodin video提到了一个ns&我无法在任何在线IDE上运行代码供您查看,因为没有安装XML::LibXML
use strict;
use warnings;
use XML::LibXML;
my $file = 'sitemap.xml';
my $doc = XML::LibXML->load_xml( location => $file );
my %seen;
foreach my $uni ( $doc->findnodes("//*[name() ='url']") ) { # 'university' nodes only
my $name = $uni->find('//video:title');
print "'$name' duplicated\n",
$uni->unbindNode() if $seen{$name}++; # Remove if seen before
}
$doc->toFile('clarified.xml'); # Print to file
my $xpc = XML::LibXML::XPathContext->new();
$xpc->registerNs(sitemap => 'http://www.sitemaps.org/schemas/sitemap/0.9');
$xpc->registerNs(video => 'http://www.google.com/schemas/sitemap-video/1.1');
for my $node ($xpc->findnodes('//sitemap:url', $doc)) {
my $name = $xpc->findvalue('video:title', $node);
...
}