如何用mikefarah/yq在Termux终端提取XML章节纯文本

在Termux终端里，我想读取一个包含book、chapter、verse层级的XML文件，要求像cat那样只输出纯文本内容。用mikefarah/yq执行yq -p xml '.book.chapter' < nvi-2jo.xml后，输出里带了+@number和+content这些多余标识，我需要去掉它们，只打印章节下所有verse节点的纯文本内容。

示例XML内容 #

<?xml version="1.0" encoding="UTF-8"?>

<book name="2ª João" abbrev="2jo" chapters="1">

  <chapter number="1">

    <verse number="1">O presbítero à senhora eleita e aos seus filhos, a quem amo na verdade, — e não apenas eu os amo, mas também todos os que conhecem a verdade —</verse>

    <verse number="2">por causa da verdade que permanece em nós e estará conosco para sempre.</verse>

    <verse number="3">A graça, a misericórdia e a paz da parte de Deus Pai e de Jesus Cristo, seu Filho, estarão conosco em verdade e em amor.</verse>

当前命令输出 #

+@number: "1"

verse:

  - +content: O presbítero à senhora eleita e aos seus filhos, a quem amo na verdade, — e não apenas eu os amo, mas também todos os que conhecem a verdade —

    +@number: "1"

  - +content: por causa da verdade que permanece em nós e estará conosco para sempre.

    +@number: "2"

  - +content: A graça, a misericórdia e a paz da parte de Deus Pai e de Jesus Cristo, seu Filho, estarão conosco em verdade e em amor.

期望输出 #

O presbítero à senhora eleita e aos seus filhos, a quem amo na verdade, — e não apenas eu os amo, mas também todos os que conhecem a verdade —
por causa da verdade que permanece em nós e estará conosco para sempre.
A graça, a misericórdia e a paz da parte de Deus Pai e de Jesus Cristo, seu Filho, estarão conosco em verdade e em amor.

直接用下面的yq命令就能得到想要的纯文本输出：

yq -p xml -o text '.book.chapter.verse[].+content' < nvi-2jo.xml

命令说明 #

• -p xml：告诉yq输入是XML格式
• -o text：指定输出为纯文本，不会带YAML的格式标识
• .book.chapter.verse[]：遍历章节下的所有verse节点
• +.content：提取每个verse节点里的文本内容（yq会把XML元素的文本内容命名为+content）

执行这个命令后，输出就会和期望的一致，只有纯文本内容。

内容的提问来源于stack exchange，提问作者Patrick Freitas