从TXT文件生成XML格式
我有下面的输入txt文件,我正在尝试生成下面的XMl文件。我试着用awk来做,但是 我想我正在重新发明轮子。你建议我怎么做?谢谢 输入txt文件(示例,此输入可能更大) 所需的xml文件从TXT文件生成XML格式,xml,awk,data-conversion,Xml,Awk,Data Conversion,我有下面的输入txt文件,我正在尝试生成下面的XMl文件。我试着用awk来做,但是 我想我正在重新发明轮子。你建议我怎么做?谢谢 输入txt文件(示例,此输入可能更大) 所需的xml文件 <?xml version="1.0" encoding="utf-8"?> <XMLRT xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="SomeSchema.xsd"
<?xml version="1.0" encoding="utf-8"?>
<XMLRT xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="SomeSchema.xsd" bename="The name" status="v" version="1.4" revision="1" type="x-rt">
<INTRO>
<title>Some title</title>
<creator>
</creator>
<subject>Some subject</subject>
<description>Some description</description>
<date>2010-05-12</date>
<type>Some text</type>
</INTRO>
<RTBLOCK bname="Usw" bnumber="1" bsname="1U">
<CTR cnumber="1">
<ES vnumber="1">Desktop</ES>
<ES vnumber="2">Netbooks</ES>
<ES vnumber="3">SerES, mainframes and supercomputers</ES>
<ES vnumber="4">Smart devices</ES>
<ES vnumber="5">Embedded devices</ES>
<ES vnumber="6">Gaming</ES>
<ES vnumber="7">Specialized uses</ES>
</CTR>
<CTR cnumber="2">
<ES vnumber="1">Precursors</ES>
<ES vnumber="2">Creation</ES>
<ES vnumber="5">Naming</ES>
<ES vnumber="6">Commercial and popular uptake</ES>
<ES vnumber="9">Current development</ES>
</CTR>
</RTBLOCK>
<RTBLOCK bname="Des" bnumber="1" bsname="1D">
<CTR cnumber="1">
<ES vnumber="1">User interface</ES>
<ES vnumber="2">Video input infrastructure</ES>
<ES vnumber="3">Hardware</ES>
</CTR>
<CTR cnumber="2">
<ES vnumber="1">Community</ES>
<ES vnumber="2">Programming on Linux</ES>
</CTR>
</RTBLOCK>
</XMLRT>
一些头衔
某个主题
一些描述
2010-05-12
一些文本
桌面
笔电
系列、大型机和超级计算机
智能设备
嵌入式设备
游戏
专门用途
先兆
创造
命名
商业和大众接受
当前发展
用户界面
视频输入基础设施
硬件
社区
在Linux上编程
只是为了说明您不需要一个支持XML的工具来为任何给定目的生成所需的特定XML,以下是一种方法:
$ cat tst.awk
BEGIN {
print "<?xml version=\"1.0\" encoding=\"utf-8\"?>"
print ""
print "<XMLRT xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xsi:noNamespaceSchemaLocation=\"SomeSchema.xsd\" bename=\"The name\" status=\"v\" version=\"1.4\" revision=\"1\" type=\"x-rt\">"
print "<INTRO>"
print " <title>Some title</title>"
print " <creator>"
print " </creator>"
print " <subject>Some subject</subject>"
print " <description>Some description</description>"
print " <date>2010-05-12</date>"
print " <type>Some text</type>"
print "</INTRO>"
rtBeg = "<RTBLOCK bname=\"%s\" bnumber=\"1\" bsname=\"1%s\">\n"
ctrBeg = " <CTR cnumber=\"%d\">\n"
esBody = " <ES vnumber=\"%d\">%s</ES>\n"
ctrEnd = " </CTR>\n"
rtEnd = "</RTBLOCK>\n"
xmlEnd = "</XMLRT>\n"
}
{
bname = $1
split($2,tmp,/:/)
cnum = tmp[1]
vnum = tmp[2]
text = $0
sub(/([^[:space:]]+[[:space:]]+){2}/,"",text)
}
bname != prevBname {
if (prevCnum != "") printf ctrEnd
if (prevBname != "") printf rtEnd
printf rtBeg, bname, substr(bname,1,1)
prevCnum = ""
prevBname = bname
}
cnum != prevCnum {
if (prevCnum != "") printf ctrEnd
printf ctrBeg, cnum
prevCnum = cnum
}
{ printf esBody, vnum, text }
END {
if (prevCnum != "") printf ctrEnd
if (prevBname != "") printf rtEnd
printf xmlEnd
}
$cat tst.awk
开始{
打印“”
打印“”
打印“”
打印“”
打印“一些标题”
打印“”
打印“”
打印“某个主题”
打印“一些描述”
打印“2010-05-12”
打印“一些文本”
打印“”
rtBeg=“\n”
ctrBeg=“\n”
esBody=“%s\n”
ctrEnd=“\n”
rtEnd=“\n”
xmlEnd=“\n”
}
{
bname=$1
拆分($2,tmp,/:/)
cnum=tmp[1]
vnum=tmp[2]
text=$0
sub(/([^[:space:]+[:space:]+){2}/,“”,text)
}
bname!=prevBname{
如果(上一个!=“”)打印ctrEnd
如果(prevBname!=“”)printf rtEnd
printf rtBeg,bname,substr(bname,1,1)
prevCnum=“”
prevBname=bname
}
cnum!=前鼻孔{
如果(上一个!=“”)打印ctrEnd
中央大学印刷厂
前cnum=cnum
}
{printf esBody,vnum,text}
结束{
如果(上一个!=“”)打印ctrEnd
如果(prevBname!=“”)printf rtEnd
printfxmlend
}
$awk-f tst.awk文件
一些头衔
某个主题
一些描述
2010-05-12
一些文本
桌面
笔电
服务器、大型机和超级计算机
智能设备
嵌入式设备
游戏
专门用途
先兆
创造
命名
商业和大众接受
当前发展
用户界面
视频输入基础设施
硬件
社区
在Linux上编程
在任何UNIX设备上的任何shell中的任何POSIX awk中,上述功能都将高效、健壮且可移植
你建议我怎么做
我建议使用XSLT-2.0+处理器来输出想要的XML文件。但其他XSLT-2.0处理器也可以工作
以下XSLT-2.0样式表分两步工作:
<xsl:stylesheet version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs">
<xsl:output method="xml" />
<xsl:param name="text-encoding" as="xs:string" select="'utf-8'"/>
<xsl:param name="text-uri" as="xs:string" select="'file:///home/kubuntu/Downloads/input.txt'"/>
<xsl:template match="/">
<XMLRT xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="SomeSchema.xsd" bename="The name" status="v" version="1.4" revision="1" type="x-rt">
<!-- Step 1 ### get unparsed text -->
<xsl:variable name="input-text" select="unparsed-text($text-uri, $text-encoding)"/>
<!-- Step 2 ### Apply RegEx to every line to create <Line...> elements -->
<xsl:variable name="xmlStepOne">
<xsl:for-each select="tokenize($input-text,'
')">
<xsl:if test=".!=''"> <!-- Skip empty lines -->
<xsl:analyze-string select="." regex="([^\s]+)\s([^:]+):([^\s]+)\s(.*)$">
<xsl:matching-substring> <!-- Parse line with RegEx and create <Line...> XML -->
<Line str="{regex-group(1)}" idx1="{regex-group(2)}" idx2="{regex-group(3)}"><xsl:value-of select="regex-group(4)"/></Line>
</xsl:matching-substring>
<xsl:non-matching-substring> <!-- Output an error if a line cannot be processed -->
<xsl:message terminate="yes">Error processing line 
<xsl:value-of select="current()"/>
</xsl:message>
</xsl:non-matching-substring>
</xsl:analyze-string>
</xsl:if>
</xsl:for-each>
</xsl:variable>
<!-- Step 3 ### Group the linear flow of <Line...> elements -->
<xsl:for-each-group select="$xmlStepOne/Line" group-by="@str">
<RTBLOCK bname="{current-grouping-key()}" bnumber="1" bsname="{concat('1',substring(current-grouping-key(),1,1))}">
<xsl:for-each-group select="current-group()" group-by="@idx1">
<xsl:sort select="@idx1" />
<CTR cnumber="{@idx1}">
<xsl:for-each select="current-group()">
<xsl:sort select="@idx2" />
<ES vnumber="{@idx2}"><xsl:value-of select="."/></ES>
</xsl:for-each>
</CTR>
</xsl:for-each-group>
</RTBLOCK>
</xsl:for-each-group>
</XMLRT>
</xsl:template>
</xsl:stylesheet>
错误处理线
;
您可以在开始时使用这两个参数设置输入文件名和编码
上述示例文件的输出为:
<?xml version="1.0" encoding="UTF-8"?>
<XMLRT xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="SomeSchema.xsd" bename="The name" status="v" version="1.4" revision="1" type="x-rt">
<RTBLOCK bname="Usw" bnumber="1" bsname="1U">
<CTR cnumber="1">
<ES vnumber="1">Desktop</ES>
<ES vnumber="2">Netbooks</ES>
<ES vnumber="3">Servers, mainframes and supercomputers</ES>
<ES vnumber="4">Smart devices</ES>
<ES vnumber="5">Embedded devices</ES>
<ES vnumber="6">Gaming</ES>
<ES vnumber="7">Specialized uses</ES>
</CTR>
<CTR cnumber="2">
<ES vnumber="1">Precursors</ES>
<ES vnumber="2">Creation</ES>
<ES vnumber="5">Naming</ES>
<ES vnumber="6">Commercial and popular uptake</ES>
<ES vnumber="9">Current development</ES>
</CTR>
</RTBLOCK>
<RTBLOCK bname="Des" bnumber="1" bsname="1D">
<CTR cnumber="1">
<ES vnumber="1">User interface</ES>
<ES vnumber="2">Video input infrastructure</ES>
<ES vnumber="3">Hardware</ES>
</CTR>
<CTR cnumber="2">
<ES vnumber="1">Community</ES>
<ES vnumber="2">Programming on Linux</ES>
</CTR>
</RTBLOCK>
</XMLRT>
桌面
笔电
服务器、大型机和超级计算机
智能设备
嵌入式设备
游戏
专门用途
先兆
创造
命名
商业和大众接受
当前发展
用户界面
视频输入基础设施
硬件
社区
在Linux上编程
这种方法的另一个优点是,您可以使用XML/XSLT处理所有内容,因此它可以了解字符编码和其他所有使用
awk
或类似工具的更简单解决方案未涉及的内容。请不要在此处发布工作请求。以目前的形式,这篇文章不是一个问题,而是一个任务分配。至少,发布您当前的代码,并描述您的困境。尽管如此,对于这个任务来说,awk是一个糟糕的工具选择。使用支持XML的工具。例如,Python解析文本文件,lxml模块生成XML树。谢谢Tomalak的回答。实际上我不是学生,这不是任务分配。我有这类文件,正在寻求帮助以选择更好的工具。我认为AWK是一个不好的选择,但我使用它是因为这是我知道一点的工具。我所说的“任务分配”是指:你试图分配任务给我们。“我有X,我需要Y”不是问题。这是老板给员工的,而不是堆栈溢出的工作方式。此外,“我想继续使用错误的工具,因为我知道它一点”不是一个好借口。了解如何使用正确的工具。对于包含“
、
和&
中任何一种的数据,中断。此外,这也保证了输出实际上是UTF-8编码的(使用任何P
<xsl:stylesheet version="3.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema" exclude-result-prefixes="xs">
<xsl:output method="xml" />
<xsl:param name="text-encoding" as="xs:string" select="'utf-8'"/>
<xsl:param name="text-uri" as="xs:string" select="'file:///home/kubuntu/Downloads/input.txt'"/>
<xsl:template match="/">
<XMLRT xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="SomeSchema.xsd" bename="The name" status="v" version="1.4" revision="1" type="x-rt">
<!-- Step 1 ### get unparsed text -->
<xsl:variable name="input-text" select="unparsed-text($text-uri, $text-encoding)"/>
<!-- Step 2 ### Apply RegEx to every line to create <Line...> elements -->
<xsl:variable name="xmlStepOne">
<xsl:for-each select="tokenize($input-text,'
')">
<xsl:if test=".!=''"> <!-- Skip empty lines -->
<xsl:analyze-string select="." regex="([^\s]+)\s([^:]+):([^\s]+)\s(.*)$">
<xsl:matching-substring> <!-- Parse line with RegEx and create <Line...> XML -->
<Line str="{regex-group(1)}" idx1="{regex-group(2)}" idx2="{regex-group(3)}"><xsl:value-of select="regex-group(4)"/></Line>
</xsl:matching-substring>
<xsl:non-matching-substring> <!-- Output an error if a line cannot be processed -->
<xsl:message terminate="yes">Error processing line 
<xsl:value-of select="current()"/>
</xsl:message>
</xsl:non-matching-substring>
</xsl:analyze-string>
</xsl:if>
</xsl:for-each>
</xsl:variable>
<!-- Step 3 ### Group the linear flow of <Line...> elements -->
<xsl:for-each-group select="$xmlStepOne/Line" group-by="@str">
<RTBLOCK bname="{current-grouping-key()}" bnumber="1" bsname="{concat('1',substring(current-grouping-key(),1,1))}">
<xsl:for-each-group select="current-group()" group-by="@idx1">
<xsl:sort select="@idx1" />
<CTR cnumber="{@idx1}">
<xsl:for-each select="current-group()">
<xsl:sort select="@idx2" />
<ES vnumber="{@idx2}"><xsl:value-of select="."/></ES>
</xsl:for-each>
</CTR>
</xsl:for-each-group>
</RTBLOCK>
</xsl:for-each-group>
</XMLRT>
</xsl:template>
</xsl:stylesheet>
<?xml version="1.0" encoding="UTF-8"?>
<XMLRT xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="SomeSchema.xsd" bename="The name" status="v" version="1.4" revision="1" type="x-rt">
<RTBLOCK bname="Usw" bnumber="1" bsname="1U">
<CTR cnumber="1">
<ES vnumber="1">Desktop</ES>
<ES vnumber="2">Netbooks</ES>
<ES vnumber="3">Servers, mainframes and supercomputers</ES>
<ES vnumber="4">Smart devices</ES>
<ES vnumber="5">Embedded devices</ES>
<ES vnumber="6">Gaming</ES>
<ES vnumber="7">Specialized uses</ES>
</CTR>
<CTR cnumber="2">
<ES vnumber="1">Precursors</ES>
<ES vnumber="2">Creation</ES>
<ES vnumber="5">Naming</ES>
<ES vnumber="6">Commercial and popular uptake</ES>
<ES vnumber="9">Current development</ES>
</CTR>
</RTBLOCK>
<RTBLOCK bname="Des" bnumber="1" bsname="1D">
<CTR cnumber="1">
<ES vnumber="1">User interface</ES>
<ES vnumber="2">Video input infrastructure</ES>
<ES vnumber="3">Hardware</ES>
</CTR>
<CTR cnumber="2">
<ES vnumber="1">Community</ES>
<ES vnumber="2">Programming on Linux</ES>
</CTR>
</RTBLOCK>
</XMLRT>