Bash，删除空 XML 标签

Question

我需要使用 bash 工具来解决几个问题

1. 我想从文件中删除空的 xml 标签，例如：

 <CreateOfficeCode>
      <OperatorId>ve</OperatorId>
      <OfficeCode>1234</OfficeCode>
      <CountryCodeLength>0</CountryCodeLength>
      <AreaCodeLength>3</AreaCodeLength>
      <Attributes></Attributes>
      <ChargeArea></ChargeArea>
 </CreateOfficeCode>

成为：

 <CreateOfficeCode>
      <OperatorId>ve</OperatorId>
      <OfficeCode>1234</OfficeCode>
      <CountryCodeLength>0</CountryCodeLength>
      <AreaCodeLength>3</AreaCodeLength>
 </CreateOfficeCode>

为此我已经通过此命令完成了

sed -i '/><\//d' file

这并不那么严格，它更像是一个技巧，更合适的方法是找到

<pattern></pattern>

并将其删除。建议？

2. 二、如何前往：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
       <CreateOfficeCode>
       </CreateOfficeCode>
 </CreateOfficeGroup>

至：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
 </CreateOfficeGroup>

3. 整体而言？来自：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
       <CreateOfficeCode>
            <OperatorId>ve</OperatorId>
            <OfficeCode>1234</OfficeCode>
            <CountryCodeLength>0</CountryCodeLength>
            <AreaCodeLength>3</AreaCodeLength>
            <Attributes></Attributes>
            <ChargeArea></ChargeArea>
       </CreateOfficeCode>
       <CreateOfficeSize>
            <Chairs></Chairs>
            <Tables></Tables>
       </CreateOfficeSize>
 </CreateOfficeGroup>

至：

 <CreateOfficeGroup>
       <CreateOfficeName>John</CreateOfficeName>
       <CreateOfficeCode>
            <OperatorId>ve</OperatorId>
            <OfficeCode>1234</OfficeCode>
            <CountryCodeLength>0</CountryCodeLength>
            <AreaCodeLength>3</AreaCodeLength>
       </CreateOfficeCode>
 </CreateOfficeGroup>

您能以个人身份回答问题吗？非常感谢！

Answer 1

XMLStarlet 是一个命令行 XML 处理器。使用它执行您想要的操作是一项单行操作（直到添加所需的递归行为），并且适用于描述相同输入的 XML 语法的所有变体：

简单版：

xmlstarlet ed \
  -d '//*[not(./*) and (not(./text()) or normalize-space(./text())="")]' \
  input.xml

精美版本：

strip_recursively() {
  local doc last_doc
  IFS= read -r -d '' doc 
  while :; do
    last_doc=$doc
    doc=$(xmlstarlet ed \
           -d '//*[not(./*) and (not(./text()) or normalize-space(./text())="")]' \
           /dev/stdin <<<"$last_doc")
    if [[ $doc = "$last_doc" ]]; then
      printf '%s\n' "$doc"
      return
    fi
  done
}
strip_recursively <input.xml

使用

/dev/stdin

而不是

-

（以平台可移植性为代价），以便在 XMLStarlet 版本之间实现更好的可移植性；调整口味。

---

对于仅安装较旧依赖项的系统，更有可能安装与 Python 捆绑在一起的 XML 解析器。

#!/usr/bin/env python

import xml.etree.ElementTree as etree
import sys

doc = etree.parse(sys.stdin)
def prune(parent):
    ever_changed = False
    while True:
        changed = False
        for el in parent.getchildren():
            if len(el.getchildren()) == 0:
                if ((el.text is None or el.text.strip() == '') and
                    (el.tail is None or el.tail.strip() == '')):
                    parent.remove(el)
                    changed = True
            else:
                changed = changed or prune(el)
        ever_changed = changed or ever_changed
        if changed is False:
            return ever_changed

prune(doc.getroot())
print etree.tostring(doc.getroot())

Answer 2

sed '#n
1h;1!H
$ { x
:remtag
  s#\(\n* *\)*<\([^>]*>\)\( *\n*\)*</\2##g
  t remtag

  p
  }' YourFile

（GNU sed 上的 posix 版本所以

--posix

）

• 递归地将空标签从下一级到上一级删除，直到不再出现空标签。
• 不是 XML 解析器，因此类似

  <tag1 prop="<tag2></tag2>"> ...

  的内容也会删除 prop 内容以及 xml 允许的任何其他内容。

Answer 3

您可以使用 sed 执行以下操作：

sed -i ':a;N;$!ba;s/<\([^>]*\)>[ \t\n]*<\/\1>//g;s/\([\n][\t\n ]*[\n]\)/\n/g;' yourfile.xml

开头的脚本 (

:l;N;$!bl

) 通过循环将所有行一起附加到模式空间（:a - 声明标签 a；N - 将下一行附加到模式空间；$!bl - 分支到 if last未到达线）

第一个替换的模式是像开始标签 (

<\([^>]*\)>

) - 可选空格 (

[ \t\n]*

) - 结束标签 (

<\/\1>

) 一样构建的。请注意标签名称模式周围的转义括号，其内容可以在表达式中稍后引用。这就是结束标签与开始标签的匹配方式。

最后，第二次替换 (

s/[\n][\n]*/\n/g

) 只是删除连续的换行符。