如何按link字段语言后缀拆分Google供应商标准XML并保留原有结构

我有一份符合Google供应商标准的XML文件，包含波兰语和英语两种语言的商品数据，需要拆分为两个独立的XML文件，且完整保留原文件结构。目前的难点是语言标识仅出现在link字段中，以.pl或.en后缀区分。
优先希望能直接生成两个独立文件，仅生成单文件也可以，我可以更换筛选条件运行第二次得到另一个文件。
我原本想用JS实现类似如下逻辑（伪代码）：

file.rss.channel.children.filter(item=>{return item.link.includes(".en")})

我尝试用xmlstarlet实现该需求，但没有成功。

输入文件示例 #

<rss xmlns:g="http://base.google.com/ns/1.0" xmlns:c="http://base.google.com/cns/1.0" version="2.0"><channel><title><![CDATA[ Brand ]]></title><link><![CDATA[ site.link.pl ]]></link><description><![CDATA[  ]]></description><item><g:id>132430</g:id><link><![CDATA[item.link.pl]]></link><g:canonical_link>item.link.pl</g:canonical_link></item><item><g:id>132431</g:id><link><![CDATA[item.link.en]]></link><g:canonical_link>item.link.en</g:canonical_link></item></channel></rss>

预期输出英文版本示例 #

<rss xmlns:g="http://base.google.com/ns/1.0" xmlns:c="http://base.google.com/cns/1.0" version="2.0"><channel><title><![CDATA[ Brand ]]></title><link><![CDATA[ site.link.pl ]]></link><description><![CDATA[  ]]></description><item><g:id>132431</g:id><link><![CDATA[item.link.en]]></link><g:canonical_link>item.link.en</g:canonical_link></item></channel></rss>

方案1：xmlstarlet命令行实现 #

直接通过删除不符合条件的item节点即可输出目标文件，原XML的公共节点（title、channel根link、description）会完整保留：

# 生成英文版本文件
xmlstarlet ed -d '//item[not(ends-with(link/text(), ".en"))]' 输入文件名.xml > output_en.xml

# 生成波兰语版本文件
xmlstarlet ed -d '//item[not(ends-with(link/text(), ".pl"))]' 输入文件名.xml > output_pl.xml

如果你使用的是旧版本xmlstarlet（仅支持XPath1.0，无ends-with方法），可以替换为contains写法：

# XPath1.0兼容版，生成英文文件
xmlstarlet ed -d '//item[not(contains(link/text(), ".en"))]' 输入文件名.xml > output_en.xml

方案2：Node.js实现（符合你原本的JS逻辑） #

如果你更熟悉JS语法，可以用fast-xml-parser库处理，完美保留CDATA、命名空间等原结构：

1. 安装依赖

npm install fast-xml-parser

2. 新建处理脚本split-xml.js

const { readFileSync, writeFileSync } = require('fs');
const { XMLParser, XMLBuilder } = require('fast-xml-parser');

// 解析&生成配置，保留所有原结构
const parser = new XMLParser({
  ignoreAttributes: false,
  cdataPropName: '__cdata',
  preserveOrder: true
});
const builder = new XMLBuilder({
  ignoreAttributes: false,
  cdataPropName: '__cdata',
  preserveOrder: true,
  format: true
});

// 读取原文件
const rawXml = readFileSync('输入文件名.xml', 'utf-8');
const xmlTree = parser.parse(rawXml);
const channelNodes = xmlTree[0]['rss'][0]['channel'];

const commonNodes = [];
const enItems = [];
const plItems = [];

// 拆分公共节点和不同语言的商品项
for (const node of channelNodes) {
  const nodeName = Object.keys(node)[0];
  if (nodeName === 'item') {
    const linkNode = node['item'].find(n => Object.keys(n)[0] === 'link')?.['link']?.[0];
    const linkVal = linkNode.__cdata || linkNode['#text'] || '';
    if (linkVal.endsWith('.en')) enItems.push(node);
    else if (linkVal.endsWith('.pl')) plItems.push(node);
  } else {
    commonNodes.push(node);
  }
}

// 输出英文文件
xmlTree[0]['rss'][0]['channel'] = [...commonNodes, ...enItems];
writeFileSync('output_en.xml', builder.build(xmlTree), 'utf-8');

// 输出波兰语文件
xmlTree[0]['rss'][0]['channel'] = [...commonNodes, ...plItems];
writeFileSync('output_pl.xml', builder.build(xmlTree), 'utf-8');

3. 运行脚本直接生成两个文件

node split-xml.js

内容的提问来源于stack exchange，提问作者Radoslaw