如何从SpreadsheetML格式XML中提取<t>标签内容转换为指定CSV格式
共享字符串表提取转CSV的实现方案
原有命令的问题定位
- 第一版awk命令无有效输出:正则规则未区分起始
<t>标签与结束</t>标签,两个匹配逻辑可命中所有带t的标签;碰到首个标签就把flag置1并跳过后续行,碰到下一个同类型标签又将flag重置为0,全程不满足打印触发条件,因此没有任何输出。 - 第二版awk命令全内容挤在单行:逻辑仅实现
标签内文本提取、逗号拼接,没有按照三列的表格结构做换行拆分;所有提取到的文本仅在最后一次处理完成后触发一次换行,无法形成逐行对应的CSV结构。
可直接运行的提取命令
awk ' # 精准抓取所有<t>标签内的文本,兼容带属性的<t>格式(如富文本场景下的xml:space属性) match($0, /<t[^>]*>([^<]*)<\/t>/, res) { pool[++count] = res[1] } # 所有文本提取完成后,按三列结构输出CSV END { for (i = 1; i <= count; i++) { printf "%s", pool[i] # 每累计3个元素为一行,行内元素用逗号分隔 if (i % 3 == 0) { print "" } else { printf "," } } }' 目标sst文件.xml
实际输出示例
假设12个NAME、AGE、COURSE、张三、22、计算机应用、李四、24、机械工程、王五、21、数据科学,运行命令后生成的标准CSV结构为:
NAME,AGE,COURSE 张三,22,计算机应用 李四,24,机械工程 王五,21,数据科学
该方案无需提前预估文本位置,按照SpreadsheetML共享字符串的存储顺序自动匹配三列结构,不会出现文本错位的问题。
内容的提问来源于stack exchange,提问作者codeholic24
相关产品推荐
相关产品推荐

