Linux Shell提取XML多值：XPath在xq/xmlstarlet失效求解决方案

现有XML文档结构示例如下：

It may be late in the day but Olivia Jones still has a stack full of the best songs around to soundtrack your night.

需求为提取**标题含"Olivia"**的节目中的channel、start时间及title字段。此前编写的XPath语句：

tv / programme / title [ contains(text(), "Olivia") ] / parent::*/concat(@channel, "_", @start, "_", title)

在在线测试器中可用，但在xq和xmlstarlet工具中无法运行，以下是Shell环境下的可行实现方案：

方案1：使用xmlstarlet #

xmlstarlet基于XPath 1.0，需调整写法直接定位符合条件的programme节点再拼接字段：

# 处理本地文件
xmlstarlet sel -t -m "//programme[title[contains(text(), 'Olivia')]]" -v "concat(@channel, '_', @start, '_', title)" -n epg.xml

# 直接处理远程XML
curl -s https://raw.githubusercontent.com/dp247/Freeview-EPG/master/epg.xml | xmlstarlet sel -t -m "//programme[title[contains(text(), 'Olivia')]]" -v "concat(@channel, '_', @start, '_', title)" -n

参数说明：

• -t：启用模板模式
• -m：匹配标题含"Olivia"的programme节点
• -v：输出拼接后的目标字段
• -n：每行输出后添加换行

方案2：使用xq（基于jq的XML处理工具） #

xq需结合jq风格语法实现筛选与拼接：

# 处理本地文件
xq -r '.tv.programme[] | select(.title[] | contains("Olivia")) | "\(.["@channel"])_ \(.["@start"])_ \(.title)"' epg.xml

# 直接处理远程XML
curl -s https://raw.githubusercontent.com/dp247/Freeview-EPG/master/epg.xml | xq -r '.tv.programme[] | select(.title[] | contains("Olivia")) | "\(.["@channel"])_ \(.["@start"])_ \(.title)"'

参数说明：

• -r：输出原始字符串（避免转义）
• .tv.programme[]：遍历所有节目节点
• select(...)：筛选标题含"Olivia"的节点
• 字符串插值拼接目标字段

方案3：使用xmllint（随libxml2安装） #

通过两次xpath查询实现筛选与拼接：

# 处理本地文件
xmllint --xpath "//programme[title[contains(text(), 'Olivia')]]" epg.xml | xmllint --xpath "concat(@channel, '_', @start, '_', title)" -

# 直接处理远程XML
curl -s https://raw.githubusercontent.com/dp247/Freeview-EPG/master/epg.xml | xmllint --xpath "//programme[title[contains(text(), 'Olivia')]]" - | xmllint --xpath "concat(@channel, '_', @start, '_', title)" -

内容的提问来源于stack exchange，提问作者Richard Barraclough