使用xmllint --xpath提取RSS命名空间元素内容遇“XPath set is empty”问题

已查阅Stack Overflow相关搜索结果前三页，仍未找到解决方案；第二页之后的问题已不相关。

现有RSS Feed内容如下：

<?xml version="1.0" encoding="utf-8"?>
<rdf:RDF
        xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
        xmlns:dc="http://purl.org/dc/elements/1.1/"
        xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
        xmlns="http://purl.org/rss/1.0/">

<channel rdf:about="https://www.myfeed.tld/">
  <title>My Feed</title>
  <link>https://www.myfeed.tld/</link>
</channel>

<item rdf:about="https://www.myfeed.tld/mypost">
  <title><![CDATA[Posting to SO SO Good]]></title>
  <link>https://www.myfeed.tld/mypost</link>
  <dc:date>2024-06-19T07:48:00-05:00</dc:date>
</item>

</rdf:RDF>

需要提取以下元素的文本内容：

• <rdf:RDF><channel><title>
• <rdf:RDF><item><title>
• <rdf:RDF><item><dc:date>

尝试了以下指令，但始终提示XPath集合为空：

xmllint --xpath "//*[local-name()='rdf:RDF']/channel/title/text()" feed.rss
xmllint --xpath "//*[local-name()='rdf:RDF']/item/title/text()" feed.rss
xmllint --xpath "//*[local-name()='rdf:RDF']/item/*[local-name()='dc:date']/text()" feed.rss

你的XPath写法存在两处错误：

1. local-name()仅需匹配标签名称部分，不需要带命名空间前缀，比如rdf:RDF的local-name是RDF而非rdf:RDF；
2. channel、item、title属于默认命名空间http://purl.org/rss/1.0/，必须正确匹配该命名空间。

以下是两种可行的修正方案：

方案一：用local-name匹配所有元素 #

# 提取channel的title
xmllint --xpath "//*[local-name()='RDF']/*[local-name()='channel']/*[local-name()='title']/text()" feed.rss

# 提取item的title
xmllint --xpath "//*[local-name()='RDF']/*[local-name()='item']/*[local-name()='title']/text()" feed.rss

# 提取item的dc:date
xmllint --xpath "//*[local-name()='RDF']/*[local-name()='item']/*[local-name()='date' and namespace-uri()='http://purl.org/dc/elements/1.1/']/text()" feed.rss

方案二：声明命名空间（更清晰易读） #

xmllint支持通过--namespace参数声明命名空间，可直接使用前缀编写XPath：

# 提取channel的title
xmllint --xpath "//rdf:RDF/rss:channel/rss:title/text()" --namespace "rss=http://purl.org/rss/1.0/" --namespace "rdf=http://www.w3.org/1999/02/22-rdf-syntax-ns#" feed.rss

# 提取item的title
xmllint --xpath "//rdf:RDF/rss:item/rss:title/text()" --namespace "rss=http://purl.org/rss/1.0/" --namespace "rdf=http://www.w3.org/1999/02/22-rdf-syntax-ns#" feed.rss

# 提取item的dc:date
xmllint --xpath "//rdf:RDF/rss:item/dc:date/text()" --namespace "rss=http://purl.org/rss/1.0/" --namespace "rdf=http://www.w3.org/1999/02/22-rdf-syntax-ns#" --namespace "dc=http://purl.org/dc/elements/1.1/" feed.rss

执行以上命令即可正确提取所需文本内容。

内容的提问来源于stack exchange，提问作者Jesse