如何用xmlstarlet提取XML中caption元素的前两词及剩余内容？

需求与示例 #

给定XML文件内容：

<fig> 
    <caption>Figure 1: Testing the figure</caption> 
</fig> 

需要实现两个提取需求：

1. 提取<caption>元素中的前两个词（示例中为Figure 1:）
2. 提取该元素中的剩余内容（示例中为Testing the figure）

期望输出：

Figure 1:

Testing the figure

问题分析 #

你之前使用的xmlstarlet ed命令是用于编辑XML结构的，而需求是提取内容，应该使用xmlstarlet sel（选择提取）命令，同时原XPath的逻辑也存在问题。

解决方案 #

单命令实现期望输出 #

执行以下命令即可直接输出符合要求的结果：

xmlstarlet sel -t \
  -v "substring(//caption, 1, string-length(substring-before(substring-after(//caption, ' '), ' ')) + string-length(substring-before(//caption, ' ')) + 2)" \
  -n -n \
  -v "substring-after(substring-after(//caption, ' '), ' ')" \
  input.xml

命令拆解说明 #

1. 提取前两个词：
   XPath逻辑：先通过substring-before(//caption, ' ')获取第一个词Figure，再通过substring-after(//caption, ' ')得到1: Testing the figure，接着用substring-before获取第二个词1:，最后计算总长度并截取开头到第二个词后的位置，得到Figure 1:。

2. 提取剩余内容：
   通过两次substring-after跳过前两个词和中间的空格，直接获取剩余部分Testing the figure。

3. 格式控制：
   -n参数用于添加换行符，实现空行分隔效果。

内容的提问来源于stack exchange，提问作者Ofuuzo