2

在网页上使用 xmlstarlet 时，我大部分时间都面临实体引用错误。这使得它无法从网页中提取。

由于 html 页面不是格式良好的 XML（是否有一些选项也可以处理 html？）我将它们转换为

tidy -asxhtml

到 XHTML，其中 tidy put 声明

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

然后在用 xmlstarlet 处理之后

curl http://www.xfree86.org/current/index.html |  tidy -asxhtml | \
  xmlstarlet sel --net -T   -t -m hr -v . -

它总是抛出相同的错误

-:13: parser error : Entity 'reg' not defined
<h1>Documentation for XFree86&reg; version 4.8.0</h1>

有谁知道如何让 xmlsttarlet 知道实体参考文件。

4

1 回答 1

7

尝试告诉 tidy 将字符实体转换为数字实体，如下所示：

curl --silent -q http://www.xfree86.org/current/index.html | \
tidy -q -numeric -asxhtml --show-warnings no  | \
xmlstarlet sel -N xhtml="http://www.w3.org/1999/xhtml" -t -m "//xhtml:hr" -c . -n 2>/dev/null

在这里，我添加了以下选项：

  • 告诉 curl 保持--silent沉默-q
  • 告诉整洁要安静-q和--show-warnings no
  • 告诉 tidy 将实体转换为数字-numeric
  • 为 xmlstarlet 提供用于 XPath 的 xhtml 命名空间并将其命名为-Nxhtml
  • 更改 XPath 以匹配hr命名空间中的xhtml

这可以消除实体未定义错误，使之前的命令全部静音，并选择您想要的元素。

但是，当我尝试使用 xmlstarlet v1.0.6 执行此操作时，我仍然得到以下信息：

Entity: line 1: parser warning : xmlParsePITarget: invalid name prefix 'xml'
<?xmlstarlet version="1.0"?>

不确定这是否真的很重要，但这似乎是一个可以安全忽略的警告......所以我只是将 stderr 输出到 /dev/null2>/dev/null

于 2011-04-05T00:25:15.430 回答