如何使用xmlstarlet编辑XML节点的文本或HTML内容？

此前的问题《如何使用xmlstarlet访问带引号的XML节点》展示了通过命名空间访问XML节点并删除整个节点的方法，对应命令为：
xmlstarlet edit -N ns="http://www.w3.org/2005/Atom" -d "//ns:content[@type='html']" input.xml > output.xml

现在需要实现编辑<content type='html'>节点内容的操作：删除该节点内所有HTML标签，仅保留纯文本内容。

输入文件input.xml内容 #

<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:blogger="http://schemas.google.com/blogger/2018">
  <title>Testv1</title>
<entry>
    <author>
      <name>Author</name>
    </author>
    <title/>
    <content type='html'><p>Test Post 2</p><p></p><p>
Sed ut perspiciatis unde omnis iste natus error sit voluptatem,
eaque ipsa quae voluptas nulla pariatur?</p><p></p><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/kitten2.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="360" data-original-width="360" height="320" src="https://blogger.googleusercontent.com/kitten2.png" width="320" 
/></a></div><br /><p></p><p></p><p>Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor</content>
  </entry>
<entry>
    <author>
      <name>Author</name>
    </author>
    <title/>
<content type='html'>....</content>
  </entry>

期望输出output.xml内容 #

<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:blogger="http://schemas.google.com/blogger/2018">
  <title>Testv1</title>
<entry>
    <author>
      <name>Author</name>
    </author>
    <title/>
    <content type='html'>Test Post 2 Sed ut perspiciatis unde omnis iste natus error sit voluptatem, eaque ipsa quae voluptas nulla pariatur? Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor</content>
  </entry>
<entry>
    <author>
      <name>Author</name>
    </author>
    <title/>
<content type='html'>....</content>
  </entry>

请问是否可以使用xmlstarlet实现该节点编辑操作？

可以用xmlstarlet实现这个需求，核心思路是提取目标节点下的所有文本内容，再用清理后的纯文本替换原节点内容。具体命令如下：

xmlstarlet edit -N ns="http://www.w3.org/2005/Atom" \
--update "//ns:content[@type='html']" \
--value "$(xmlstarlet sel -N ns="http://www.w3.org/2005/Atom" -t -m "//ns:content[@type='html']" -v "normalize-space(.)" input.xml)" \
input.xml > output.xml

命令解释 #

1. 命名空间声明：-N ns="http://www.w3.org/2005/Atom" 指定Atom命名空间，确保能精准定位目标节点。
2. 更新节点操作：--update "//ns:content[@type='html']" 选中所有符合条件的<content>节点。
3. 提取并清理文本：
   • 嵌套的xmlstarlet sel命令通过normalize-space(.)提取目标节点下的全部文本，同时自动去除多余的换行、空格，将零散文本合并为连续的纯文本。
   • 把处理后的纯文本作为--value的值，覆盖原节点的内容。

效果说明 #

执行该命令后，所有<content type='html'>节点内的HTML标签会被完全移除，仅保留合并后的纯文本内容，与期望输出一致。

内容的提问来源于stack exchange，提问作者user5853892