1

输入：

<h2>Chapter One</h2>    
<h2>Chapter Two</h2>    
<h2>Chapter Three</h2>    
<h2>Chapter Four</h2>

输出：我需要什么

<h2 id="1">Chapter One</h2>
<h2 id="2">Chapter Two</h2>
<h2 id="3">Chapter Three</h2>
<h2 id="4">Chapter Four</h2>

请对此提供帮助..谢谢

4

2 回答 2

1

快速正则表达式，

perl -pe '($n)=/Chapter\s+([0-9]+)/; s|<h2\K| id="$n"|' file

您还可以检查什么是 Perl 的最佳 XML 解析器？

于 2013-11-13T12:16:49.770 回答
1

我认为如果您的所有输入 XML 都与您的示例一致，即非常简单，只包含元素，或者您之后只有少数文件需要验证，我认为上面的答案很好。一般来说，将 XML 作为文本处理是一件坏事。从本质上讲，它不是文本。它是高度结构化的。例如，如果编码很重要，会发生变化，例如，您肯定希望将其解析为 XML。

我已经偏爱XML::Twig，因为可以选择流式传输（也可以构建 XML 树），这是一种更接近您在此处看到的命令行编辑的解析样式。我处理大量数据。XML::Twig 实际上非常易于使用，但在实现/配置方面的初始学习曲线可能需要一些研究工作。

有些人更喜欢XML::Lib（设置起来更简单一些），它提供了更多 DOM 风格的风格，但应用于大型数据集的成本更高，而且对于非常大的文件也有点笨拙。从那里开始，各种模块变得不那么复杂，XML::Simple。

同样，这在很大程度上取决于您的要求、数据大小、验证标准等。单线速度很快，但不是处理 XML 的最佳实践。

可能的解决方案

假设 -

  • 您的 XML 格式正确；也就是说，它有一个根元素。
  • 您的章节可以扩展到大于您愿意输入的某个数字。
  • 您不会有带有某种形式的小数/分数（One.One 或 One and a Half 等）的章节值

您可以使用 XML::Twig 和Lingua::EN::Words2Nums

因此，给定输入：

<root>
   <h2>Chapter One</h2>
   <h2>Chapter Two</h2>
   <h2>Chapter Three</h2>
   <h2>Chapter Four</h2>
</root>

这段代码：

use XML::Twig;
use Lingua::EN::Words2Nums;

my $twig = new XML::Twig( 
      twig_roots => { 'h2' => \&h2_handler },
      twig_print_outside_roots => 1);

sub h2_handler { 
   my ($twig,$elt) = @_;
   my $engNum = $elt->trimmed_text;
   $engNum =~ s/^chapter\s([a-z]+)$/$1/i;
   my $num = words2nums("$engNum");
   if (defined($num) and $num=~/\d+/){
      $elt->set_att( id => $num);
    }else{
       # Whatever you do if some chapter number is not what's expected
    }
   $elt->flush;
}

$twig->parsefile(pathToYourFile);

将输出：

<root>
   <h2 id="1">Chapter One</h2>
   <h2 id="2">Chapter Two</h2>
   <h2 id="3">Chapter Three</h2>
   <h2 id="4">Chapter Four</h2>
</root>
于 2013-11-13T14:18:13.900 回答