使用XPath bash的XHTML解析 [英] bash XHTML parsing using xpath

问题描述

我正在写一个小的脚本来学习如何解析XHTML的网页。下面的命令：

<？pre> 猫Q S = goog.xhtml | XPath的//跨度[@ ID =yfs_l10_goog]


返回：

 找到2节点：
 - 节点 - 
＆LT;跨度ID =yfs_l10_goog＆GT; 624.50＆LT; / SPAN＆GT;  - 节点 - 
＆所述;跨度的id =yfs_l10_goog＆GT; 624.50＆下; /跨度＆GT;
 

我如何：

• 需要，以写我的命令只能提取值 624.50 ？




• 什么我需要做的，提取它只有一次？

源页面我解析： http://finance.yahoo.com/q?s = goog

解决方案

编辑2：

试试这个：

 的XPath -q -e'//跨度[@ ID =yfs_l10_goog] [1] /文（）
 

编辑：

您的管道直通输出：

  SED -n'/span/{s/<span[^<]*>\\([^<]*\\)<.*/\\1 /; p; q}
 

原来的答复：

使用 xmlstarlet ：

 回声-e'＆LT;富＆GT;＆LT;跨度ID =yfs_l10_goog＆GT; 624.50＆LT; / SPAN＆GT; \\ n＆LT;酒吧GT; XYZ＆LT; /条＆GT;＆LT;跨度ID =yfs_l10_goog＆GT; 555.50＆LT; / SPAN＆GT; \\ n＆LT;跨度ID =yfs_l10_goog＆GT; 123.50＆LT; / SPAN＆GT;＆LT; / foo的＆GT;' |
    xmlstarlet SEL -t -v//跨度[@ ID ='yfs_l10_goog']
 

查询结果：

  624.50
 

的结果回声：

 ＆LT;富＆GT;＆LT;跨度ID =yfs_l10_goog＆GT; 624.50＆LT; / SPAN＆GT;
＆LT;酒吧和GT;＆XYZ LT; /酒吧和GT;＆LT;跨度ID =yfs_l10_goog＆GT; 555.50＆LT; / SPAN＆GT;
＆LT;跨度ID =yfs_l10_goog＆GT; 123.50＆LT; / SPAN＆GT;＆LT; / foo的＆GT;
 

XML的结果FO ：

 ＆LT;？XML版本=1.0＆GT？;
＆LT;富＆GT;
  ＆所述;跨度的id =yfs_l10_goog＆GT; 624.50＆下; /跨度＆GT;
  ＆LT;酒吧和GT;＆XYZ LT; /酒吧和GT;
  ＆所述;跨度的id =yfs_l10_goog＆GT; 555.50＆下; /跨度＆GT;
  ＆所述;跨度的id =yfs_l10_goog＆GT; 123.50＆下; /跨度＆GT;
＆LT; / foo的＆GT;
 

其他查询：

  $回声-e'...'| xmlstarlet SEL -t -v//跨度[@ ID ='yfs_l10_goog'] [1]
624.50
$回声-e'...'| xmlstarlet SEL -t -v//跨度[@ ID ='yfs_l10_goog'] [3]
123.50
$回声-e'...'| xmlstarlet SEL -t -v//跨度[@ ID ='yfs_l10_goog'] [最后一个（）]
123.50
 

I'm writing a small script to learn how to parse an XHTML web page. The following command:

cat q?s=goog.xhtml | xpath '//span[@id="yfs_l10_goog"]'

returns:

Found 2 nodes:
-- NODE --
<span id="yfs_l10_goog">624.50</span>-- NODE --
<span id="yfs_l10_goog">624.50</span>

How do I:

• need to write my command in order to only extract the value 624.50 ?

• what do I need to do to extract it only once ?

source page I'm parsing: http://finance.yahoo.com/q?s=goog

解决方案

Edit 2:

Give this a try:

xpath -q -e '//span[@id="yfs_l10_goog"][1]/text()'

Edit:

Pipe your output through:

sed -n '/span/{s/<span[^<]*>\([^<]*\)<.*/\1/;p;q}'

Original answer:

Using xmlstarlet:

echo -e '<foo><span id="yfs_l10_goog">624.50</span>\n<bar>xyz</bar><span id="yfs_l10_goog">555.50</span>\n<span id="yfs_l10_goog">123.50</span></foo>' | 
    xmlstarlet sel -t -v "//span[@id='yfs_l10_goog']"

Result of query:

624.50

Result of echo:

<foo><span id="yfs_l10_goog">624.50</span>
<bar>xyz</bar><span id="yfs_l10_goog">555.50</span>
<span id="yfs_l10_goog">123.50</span></foo>

Result of xml fo:

<?xml version="1.0"?>
<foo>
  <span id="yfs_l10_goog">624.50</span>
  <bar>xyz</bar>
  <span id="yfs_l10_goog">555.50</span>
  <span id="yfs_l10_goog">123.50</span>
</foo>

Other queries:

$ echo -e '...' | xmlstarlet sel -t -v "//span[@id='yfs_l10_goog'][1]"
624.50
$ echo -e '...' | xmlstarlet sel -t -v "//span[@id='yfs_l10_goog'][3]"
123.50
$ echo -e '...' | xmlstarlet sel -t -v "//span[@id='yfs_l10_goog'][last()]"
123.50

这篇关于使用XPath bash的XHTML解析的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！