Xml 使用sed将特定标记后的单词替换为括号

我有一个由blast2.5.0+生成的xml文件。我想做一些改变。具体地说，我想把OS=之后的所有单词放在我的文件中，方法是将其放在[]中。我的原始文件的格式如下：-

<Hit_num>1</Hit_num>
<Hit_id>TR:V4U0L5_9ROSI</Hit_id>
<Hit_def>gnl|V4U0L5| Uncharacterized protein OS=Homo sapien
OX=393305 GN=CICLE_v10008136mg PE=4 SV=1</Hit_def>
<Hit_accession>TR:V4U0L5_9ROSI</Hit_accession>
<Hit_len>388</Hit_len>

1
TR:V4U0L5\u 9ROSI
gnl | V4U0L5 |非特征蛋白OS=智人
OX=393305 GN=CICLE_v10008136mg PE=4 SV=1
TR:V4U0L5\u 9ROSI
388

使用以下命令：-

sed-E的/（*）OS=（[A-Za-z\.-\，\\\+）（（[A-z]+=.*））/\1[\2]\3/g'input.xml>output.xml

，我成功地获得了以下内容：-

<Hit_num>1</Hit_num>
<Hit_id>TR:V4U0L5_9ROSI</Hit_id>
<Hit_def>gnl|V4U0L5| Uncharacterized protein [Homo sapien]
OX=393305 GN=CICLE_v10008136mg PE=4 SV=1</Hit_def>
<Hit_accession>TR:V4U0L5_9ROSI</Hit_accession>
<Hit_len>388</Hit_len>

1
TR:V4U0L5\u 9ROSI
gnl | V4U0L5 |非特征蛋白质[智人]
OX=393305 GN=CICLE_v10008136mg PE=4 SV=1
TR:V4U0L5\u 9ROSI
388

但是，OS=之后的一些单词具有不同的特征。例如：-

<Hit_num>1</Hit_num>
<Hit_id>TR:V4U0L5_9ROSI</Hit_id>
<Hit_def>gnl|V4U0L5| Uncharacterized protein OS=Yersinia enterocolitica serotype O:8 / biotype 1B (strain NCTC 13174 / 8081)
OX=393305 GN=CICLE_v10008136mg PE=4 SV=1</Hit_def>
<Hit_accession>TR:V4U0L5_9ROSI</Hit_accession>
<Hit_len>388</Hit_len>

1
TR:V4U0L5\u 9ROSI
gnl | V4U0L5 |非特征蛋白OS=小肠结肠炎耶尔森菌血清型O:8/生物型1B（菌株NCTC 13174/8081）
OX=393305 GN=CICLE_v10008136mg PE=4 SV=1
TR:V4U0L5\u 9ROSI
388

---

使用上面相同的CMD，这些单词根本不会放在[]内。如何使用Mac OS X将OS=into[]之后的一切都包含到[]中？

使用

xslt

您可以轻松地以比

sed

更健壮、更强大的方式操作XML文件：

输入：

<?xml version="1.0"?>
<Hit>
        <Hit_num>1</Hit_num>
        <Hit_id>TR:V4U0L5_9ROSI</Hit_id>
        <Hit_def>gnl|V4U0L5| Uncharacterized protein OS=Homo sapien OX=393305 GN=CICLE_v10008136mg PE=4 SV=1</Hit_def>
        <Hit_accession>TR:V4U0L5_9ROSI</Hit_accession>
        <Hit_len>388</Hit_len>
</Hit>

<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:redirect="http://xml.apache.org/xalan/redirect" extension-element-prefixes="redirect" xmlns:xalan="http://xml.apache.org/xslt" exclude-result-prefixes="xalan">
<xsl:output method="xml" indent="yes" xalan:indent-amount="4"/>
<xsl:strip-space elements="*" />

<xsl:template match="node() | @*">
        <xsl:copy>
                <xsl:apply-templates select="node() | @*"/>
        </xsl:copy>
</xsl:template>

    <xsl:template match="//Hit_def">
        <xsl:variable name="stringToReplace" select="."/>
        <Hit_def><xsl:value-of select="replace($stringToReplace,'OS=([^=]*)\s+OX=','[$1] OX=')"/></Hit_def>
    </xsl:template>
</xsl:stylesheet>

$ java -jar saxon9he.jar -s:hit.xml -xsl:hit.xsl
<?xml version="1.0" encoding="UTF-8"?>
<Hit>
   <Hit_num>1</Hit_num>
   <Hit_id>TR:V4U0L5_9ROSI</Hit_id>
   <Hit_def>gnl|V4U0L5| Uncharacterized protein [Homo sapien] OX=393305 GN=CICLE_v10008136mg PE=4 SV=1</Hit_def>
   <Hit_accession>TR:V4U0L5_9ROSI</Hit_accession>
   <Hit_len>388</Hit_len>
</Hit>

---

在

OS=

之后标识字符串结尾的标准是什么？它后面总是跟着

GN=

？在OS=之后的字符串结尾是OX=这是有效的。非常感谢你！像我这样的初学者花了一段时间才真正理解并使它起作用。作为补充说明，对于那些初学者来说，要在Mac上使用它，请下载saxon9he.jar并按照标题为“从命令行运行XSLT”的文档中的说明进行操作。使用命令java-jardir/saxon9he.jar-s:file.xml-xsl:stylesheet1.xsl-o:output.xml，一切都会很好地工作。

<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:redirect="http://xml.apache.org/xalan/redirect" extension-element-prefixes="redirect" xmlns:xalan="http://xml.apache.org/xslt" exclude-result-prefixes="xalan">
<xsl:output method="xml" indent="yes" xalan:indent-amount="4"/>
<xsl:strip-space elements="*" />

<xsl:template match="node() | @*">
        <xsl:copy>
                <xsl:apply-templates select="node() | @*"/>
        </xsl:copy>
</xsl:template>

    <xsl:template match="//Hit_def">
        <xsl:variable name="stringToReplace" select="."/>
        <xsl:variable name="stringTmp" select="replace($stringToReplace,'OS=([^=]*)\s+OX=','[$1] OX=')"/>
        <Hit_def><xsl:value-of select="replace($stringTmp,'\s+\]\s+OX=','] OX=')"/></Hit_def>
    </xsl:template>
</xsl:stylesheet>