如何在Unicode XML字符数据库(UCD/UCDXML)中用XPath提取数值码点？

我一眼就看穿问题所在了——你的XML根节点带了默认命名空间xmlns="http://www.unicode.org/ns/2003/ucd/1.0"，而xmllint默认使用的XPath 1.0不会自动识别默认命名空间。这就导致你直接用ucd/repertoire/char这种路径查询时，XPath会去找没有命名空间的节点，自然匹配不到实际属于Unicode命名空间下的那些节点。

下面给你两种可行的解决方案，任选其一就行：

方案1：用local-name()绕开命名空间查询 #

这种方式不需要额外配置，直接在XPath里通过节点的本地名称来匹配，同时筛选nv属性不等于NaN的char节点：

# 同时提取cp和nv属性
xmllint --xpath "//*[local-name()='ucd']/*[local-name()='repertoire']/*[local-name()='char'][@nv != 'NaN']/@cp | //*[local-name()='ucd']/*[local-name()='repertoire']/*[local-name()='char'][@nv != 'NaN']/@nv" your-ucd-file.xml

如果想一次性获取包含两个属性的完整char节点，方便后续处理，可以用这个：

xmllint --xpath "//*[local-name()='ucd']/*[local-name()='repertoire']/*[local-name()='char'][@nv != 'NaN']" your-ucd-file.xml

方案2：绑定命名空间前缀，让XPath更简洁 #

xmllint支持用-N参数给命名空间绑定一个前缀，这样写XPath会更直观：

# 先把Unicode命名空间绑定到ucd前缀，再查询
xmllint -N ucd=http://www.unicode.org/ns/2003/ucd/1.0 --xpath "//ucd:ucd/ucd:repertoire/ucd:char[@nv != 'NaN']/@cp | //ucd:ucd/ucd:repertoire/ucd:char[@nv != 'NaN']/@nv" your-ucd-file.xml

这里ucd:ucd对应根节点，ucd:char就是你要找的目标节点，[@nv != 'NaN']精准过滤掉nv为NaN的条目。

额外提示：生成C语言表格 #

拿到属性值后，你可以用awk之类的工具把输出转换成C表格格式。比如用awk处理属性输出，生成类似这样的代码：

xmllint [上面的查询命令] | awk -F'"' '{if (NR%2==1) cp=$2; else printf "{0x%s, %s},\n", cp, $2}'

这样就能直接得到可以插入C文件的表格片段了。

内容的提问来源于stack exchange，提问作者MarcusJ