XmlLint XPath结果含换行无法脚本解析，如何实现明确分隔？支持HTML

使用XmlLint执行XPath查询时，部分结果节点内部包含换行符（如示例中<p>标签内的换行），导致标准Shell脚本无法区分不同节点结果。XmlLint没有类似GNU grep/sed的-z（空字符分隔）参数，需解决如何让其返回可明确分隔的结果，或寻找支持HTML的替代工具。

示例XML文件：

<?xml version="1.0" encoding="UTF-8"?>
<root>
<p>Hello,
world!</p>
<i>Hey</i>
<p>Bye.</p>
</root>

执行xmllint --xpath '//p' example.xml的输出：

<p>Hello,
world!</p>
<p>Bye.</p>

可见第一个<p>节点内部的换行与节点间的换行无法区分，脚本无法正确拆分结果。

一、XmlLint适配方案 #

XmlLint无内置空字符分隔选项，可通过后续工具或XPath调整实现：

1. 用sed替换节点分隔符为\0
   利用节点结束标签后的换行作为分界，将其替换为空字符，便于脚本用read -d ''读取：

   xmllint --xpath '//p' example.xml | sed -e 's|</p>\n|</p>\x00|g'
   

   脚本处理示例：

   xmllint --xpath '//p' example.xml | sed -e 's|</p>\n|</p>\x00|g' | while IFS= read -r -d '' node; do
       # 处理单个节点
       echo "当前节点：$node"
   done
   

   注：该方法依赖输出中节点结束标签后有换行，需根据实际输出调整sed规则。

2. XPath统一去除内部换行
   使用normalize-space()函数消除节点内部的换行和多余空格，让每个节点结果变为单行：

   xmllint --xpath '//p/normalize-space()' example.xml
   

   输出：

   Hello, world!
   Bye.
   

   此方法仅保留文本内容，丢失原始标签结构，适合仅需提取文本的场景。

二、替代工具 #

若XmlLint无法满足需求，以下工具支持HTML/XML解析，且可自定义结果分隔符：

1. Xidel #

支持XML和HTML，可直接指定输出分隔符：

• 空字符分隔节点输出：

  xidel example.xml --xpath '//p' --output-separator '\0'
  

• 换行分隔节点文本：

  xidel example.xml --xpath '//p/text()' --output-separator '\n'
  

2. xmlstarlet #

全能XML处理工具，可通过参数添加自定义分隔符：

xmlstarlet sel -t -m '//p' -c . -o $'\0' example.xml

其中-o $'\0'表示在每个节点后输出空字符。

3. pup（HTML专属） #

专注HTML解析，支持CSS选择器，可指定分隔符：

cat example.html | pup 'p' --separator '\0'

语法贴近前端选择器，适合HTML场景。

内容的提问来源于stack exchange，提问作者Melab