Olen tekemässä Linux-ympäristöön skriptiä, joka parsii regexp-lauseella xml-dokumenttia. Tarkoitus olisi etsiä vain kahden elementin sisältö ja palauttaa se taustaohjelman käyttöön. Ongelmia aiheuttaa nyt xml-elementti, jossa on attribuutti, jolla puolestaan on vaihtuva arvo. En siis voi tehdä kiinteää elementin viittausta regexp-lauseeseen. Laitan alle esimerkin tuosta elementistä:
Hello world!
Olen testannut parsintaa komentorivillä oheisella regexp-lauseella:
cat xml_dokkari.xml | sed -n -e 's/.*\(.*\).*/\1/p'
Tuo lause kyllä palauttaa elementin sisällön, mutta kuten mainitsin, en voi viitata kiinteästi elementtiin, koska attribuutin arvo voi muuttua. Sitten lause ei taas toimi. Tuossa siis pitäisi jotenin ohittaa tuo attribuutti tai sitten lukea koko rimpsu "dynaamiesti". Mutta miten se määritetään regexp-lauseeseen?
Hello world!
Olen testannut parsintaa komentorivillä oheisella regexp-lauseella:
cat xml_dokkari.xml | sed -n -e 's/.*\(.*\).*/\1/p'
Tuo lause kyllä palauttaa elementin sisällön, mutta kuten mainitsin, en voi viitata kiinteästi elementtiin, koska attribuutin arvo voi muuttua. Sitten lause ei taas toimi. Tuossa siis pitäisi jotenin ohittaa tuo attribuutti tai sitten lukea koko rimpsu "dynaamiesti". Mutta miten se määritetään regexp-lauseeseen?
Vastaukset 15
Vanhimmat
Tämä S24 näköjään poisti xml-tagit tuosta esimerkistäk. Kokeilen laittaa sen uudelleen.
["Hello world!"]
Lisäksi jäi keskeneräinen regexp-lause. Alla lause kokonaisuudessaan:
cat xml_dokkari.xml | sed -n -e 's/.*\(.*\).*/\1/p'
Jaa ei toimi vieläkään. No antaa sitten olla.
Jospa vaan antaisit pari pientä esimerkkiä xml-dokkarin sisällöstä, ja mitä haluat sieltä kaivaa?
Yritin, mutta tämä S24 foorumiwebbisovellushässäkkä poisti esimerkistä tagit ja näytti vaan dokun sisällön. Samoin se pätki tuota regexp-esimerkkiä. Sain oikeastaan tuon jo eilen ratkaistua, mutta yritän nyt vielä laittaa nuo esimerkit ja ratkaisumallini tähän keskusteluun. Kokeilen näkyykö oikein, jos laitan koodipätkät [code]-tagien sisään.
Eli siis esimerkki xml-dokun elementistä, josta data piti hakea:
[code]Hello world![/code]
Sitten esimerkki regexp-lauseesta, jota testailin komentoriviltä suoraan:
[code]cat xml_dokkari.xml | sed -n -e 's/.*\(.*\).*/\1/p' [/code]
Eli tuo regexp-lause toimii ja nyt attribuutissa saa olla mikä arvo tahansa, jolloin se ei vaikuta varsiaisen tiedon poimimiseen.
Eipä näkynyt kumpikaan oikein, ihme systeemi tämä! Miten tänne voi laittaa mitään esimerkkejä tms., jos ne eivät näy kunnolla?! Lisäänpä vielä välilyöntejä xml-tageihin, niin jospa S24 ei tajuaisi niitä:
< elementti attribuutti="AA.BB.CC" > Hello world! < / elementti >
ja regexp:
cat xml_dokkari.xml | sed -n -e 's/.* < elementti attribuutti=.* > \(.*\) < \/ elementti >.*/\1/p'
No nyt ne näkyvät oikein. Eli tosiaan tämä ongelma on jo ratkaistu. Kun regexp-lauseeseen laittaa .* merkin attribuutin arvon kohdalle, niin tällöin siinä saa olla mikä arvo tahansa.
Hyvinhän se sitten sujui, nimimerkistäsi huolimatta.
Vihaan näitä regexp:ä siitä syystä, että näitä joutuu käyttämään tässä systeemissä. Saatavilla olisi helpompiakin keinoja parsia XML-dokumentteja tai txt-tiedostoja, mutta ei.
Mitä helpompia?
Ratkaisisin tuon nopeasti Lazaruksella sillä voi tehdä myös komentorivi sovelluksia (toki sama asia ratkennee myös esim. javalla tai c:llä).
jos oletan ettei xml-parseria tarvita vaan riittää keskusteluissa
( http://keskustelu.suomi24.fi/node/12785091 ) aiemmin mainittu
funktio
function lueTieto( TiedostonNimi, aluntunniste, lopuntunniste:string):string;
niin ei muuta kuin muutama riviä koodia lisää niin homma on selvä
Eli tekisin lisäksi tälläisen aliohjelman:
procedure naytatieto;
var
s:string;
begin
s := lueTieto('testitxt.txt', '"a": "', '",' );
writeln( s );
end;
ja generoisin Lazaruksella komentorivi sovelluksen johon lisäisi nuo
sekä laittaisin
{ add your program here } kohtaan kutsun
naytatieto;
Tällä tavoin tulisi valmis ajettava komentorivi sovellus (linuxiin/ windowsiin ...)
aika helposti.
Kiertokoulupuoskarin ihmelääke joka vaivaan.
Sivuston
https://www.openhub.net/p/lazarus/estimated_cost
mukaan _ammattimaisilta_ koodareilta menee tuon ( Lazarus ) tekemiseen
823 henkilötyövuotta.
joten kai siitä sitten johonkin on!
Yllättävän kauan meni, ennen kuin ilmestyi ketjuun perinteinen, kateellinen paskantaputtelija.
Aivan. Sinun kaltaisia täällä tosiaan piisaa.
Gawk (windows, linux)/nawk (unix) on myös kätevä tooli skriptistä tai komentoriviltä tehtävään prosessointiin. Siinä on
-preprosessointi (BEGIN)
-riviprosessointi
-postprosessointi (END)
-siihen voi tehdä funktioita
Tässä simppeli gawk-esimerkki, miten Firefoxin html-exportista saa normi-html-linkkitiedoston, minkä voi vaikka kopioida tikulle ja avata toisella selaimella,
kuvauksilla (DD) tai ilman, gawk-ohjelma oltava asennettuna (pakettivarastosta)
http://mkk-demo.net/wordpress/kml.awk
http://mkk-demo.net/wordpress/kml-nodd.awk