使用perl和LibXML从XML中提取节点并解析结果

Question

我有一个问题，需要一些帮助。首先，要温柔。我对perl和LibXML都是新手。

我一直在分析一个文档，并将元素放入一个数组中，然后将其写入电子表格列。在测试过程中，发现一些节点有多个子节点同名。我需要将每个子节点的文本组合到数组的一个元素中。

xml的(非常简化的)格式是：

<Group>
<title>
<description>
<reference>
<fixtext>
<check>
<check-content> "Some text I want to pull"

但偶尔它是这样的：

<Group>
<title>
<description>
<reference>
<fixtext>
<check>
<check-content> "Some text I want to pull"
<check-content> "Some more text I want to pull and join to the first"

我可以提取<check>以下的所有内容，但不能从该变量中提取<check-content>。

我一直在做的是：

my @Check_Content;
my $Check_Content;
my $parser = XML::LibXML->new() or die $!;
my $doc1 = $parser->parse_file($filename1);
my $xc1 = XML::LibXML::XPathContext->new($doc1->documentElement() );
$xc1->registerNs(x => 'http://checklists.nist.gov/xccdf/1.1');
for my $Check ( $xc1->findnodes('//x:Group/x:Rule/x:check') ) { 
print "This is Check $Checkn";
my $result_string;
for my $Check_Content ( $Check->findvalue('check-content') ) { 
print "This is Check Content $Check_Contentn";
$result_string .= $Check_Content->to_literal;
}
push (@Check_Content, $result_string);
}

第一个print语句证明<check>以下的所有内容都被拉取。但是，第二个print语句始终为空。就好像它不再是XML格式，并且无法拉取节点。

我已经使用了我能想到的("检查内容")的每一个变量，即

• ('/check-content')
• ('//check-content')
• ('/x:check-content')
• ('//check-content')
• ('//x:check-content')

我可能错过了一个，但我不这么认为。

如有任何帮助，我们将不胜感激。

Answer 1

在发布未来问题时，首先要记住几点：

• 您没有提供一个易于使用的测试用例。特别是：
  • 您的XML文档不完整且格式不正确
  • 您提供的XPath查询甚至与您提供的XML片段不匹配
  • 您在XML中省略了名称空间标记
• 您没有阅读perl给您的错误消息

因此，这里有一个适用于您的用例的有效XML文档：

<x:Group xmlns:x="http://checklists.nist.gov/xccdf/1.1">
<x:title>
<x:description>
<x:reference>
<x:fixtext>
<x:check>
<x:check-content> "Some text I want to pull"</x:check-content>
<x:check-content> "Some more text I want to pull and join to the first"</x:check-content>
</x:check>
</x:fixtext>
</x:reference>
</x:description>
</x:title>
</x:Group>

这里有一个(除了顶部的初始解析代码外，几乎已经完成)脚本来处理XML:

my @Check_Content;
my $Check_Content;
my $xc1 = XML::LibXML::XPathContext->new($doc1->documentElement() );
$xc1->registerNs(x => 'http://checklists.nist.gov/xccdf/1.1');
for my $Check ( $xc1->findnodes('//x:Group//x:check') ) {
print "This is Check $Checkn";
my $result_string;
for my $Check_Content ( $Check->findvalue('x:check-content') ) {
print "This is Check Content $Check_Contentn";
$result_string .= $Check_Content->to_literal;
}
push (@Check_Content, $result_string);
}

当我在这个XML上运行这个脚本时，我得到的输出是：

This is Check <x:check>
<x:check-content> "Some text I want to pull"</x:check-content>
<x:check-content> "Some more text I want to pull and join to the first"</x:check-content>
</x:check>
This is Check Content  "Some text I want to pull" "Some more text I want to pull and join to the first"
Can't locate object method "to_literal" via package " "Some text I want to pull" "Some more text I want to pull and join to the first"" (perhaps you forgot to load " "Some text I want to pull" "Some more text I want to pull and join to the first""?) at ./hm.pl line 27, <DATA> line 15.

因此，两个问题立即出现：

• 两个节点都被提取为一个结果
• findcontent()返回一个字符串；你不能打给to_literal()

所以要解决这个问题：

• 将您的findcontent()呼叫更改为findnodes()呼叫
• 鲍勃是你的叔叔

祝你好运！