Scripting: qual é a maneira mais fácil de extrair um valor em uma tag de um arquivo XML?

Question

Eu quero ler um pom.xml ('Project Object Model' do Maven) e extrair as informações da versão. Aqui está um exemplo:

<?xml version="1.0" encoding="UTF-8"?><project 
xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">

    <modelVersion>4.0.0</modelVersion>
    <groupId>com.mycompany</groupId>
    <artifactId>project-parent</artifactId>
    <name>project-parent</name>
    <version>1.0.74-SNAPSHOT</version>
    <dependencies>
        <dependency>
        <groupId>com.sybase.jconnect</groupId>
        <artifactId>jconnect</artifactId>
        <version>6.05-26023</version>
    </dependency>
    <dependency>
        <groupId>joda-time</groupId>
        <artifactId>joda-time</artifactId>
        <version>1.5.2</version>
    </dependency>
    <dependency>
        <groupId>com.sun.jdmk</groupId>
        <artifactId>jmxtools</artifactId>
        <version>1.2.1</version>
    </dependency>
    <dependency>
        <groupId>org.easymock</groupId>
        <artifactId>easymock</artifactId>
        <version>2.4</version>
    </dependency>       
</dependencies>
</project>

Como posso extrair a versão '1.0.74-SNAPSHOT' de cima?

Adoraria poder fazer isso usando o simples script bash sed ou awk. Caso contrário, um simples python é o preferido.

EDITAR

1. Restrição

   A caixa linux está em um ambiente corporativo, então eu só posso usar ferramentas que já estão instaladas (não que eu não possa solicitar utilitários como o xml2, mas eu tenho que passar por muita burocracia). Algumas das soluções são muito boas (aprenda alguns truques novos), mas elas podem não ser aplicáveis devido ao ambiente restrito

2. lista xml atualizada

   Eu adicionei a tag de dependências à listagem original. Isso mostrará que alguma solução hacky pode não funcionar neste caso

3. Distro

   A distro que estou usando é RHEL4

Answer 1

xml2 pode converter xml para / de formato orientado a linhas:

xml2 < pom.xml  | grep /project/version= | sed 's/.*=//'

    

Answer 2

Usando python

$ python -c 'from xml.etree.ElementTree import ElementTree; print ElementTree(file="pom.xml").findtext("{http://maven.apache.org/POM/4.0.0}version")'
1.0.74-SNAPSHOT

Usando xmlstarlet

$ xml sel -N x="http://maven.apache.org/POM/4.0.0" -t -m 'x:project/x:version' -v . pom.xml
1.0.74-SNAPSHOT

Usando xmllint

$ echo -e 'setns x=http://maven.apache.org/POM/4.0.0\ncat /x:project/x:version/text()' | xmllint --shell pom.xml | grep -v /
1.0.74-SNAPSHOT

    

Answer 3

Outra maneira: xmlgrep e XPath:

xmlgrep --text_only '/project/version' pom.xml

Desvantagem: lenta

    

Answer 4

Caminho de Clojure. Requer apenas jvm com arquivo jar especial:

java -cp clojure.jar clojure.main -e "(use 'clojure.xml) (->> (java.io.File. \"pom.xml\") (clojure.xml/parse) (:content) (filter #(= (:tag %) :version)) (first) (:content) (first) (println))"

Caminho do Scala:

java -Xbootclasspath/a:scala-library.jar -cp scala-compiler.jar scala.tools.nsc.MainGenericRunner -e 'import scala.xml._; println((XML.load(new java.io.FileInputStream("pom.xml")) match { case <project>{children @ _*}</project> => for (i <- children if (i  match { case <version>{children @ _*}</version> => true; case _ => false;  }))  yield i })(0) match { case <version>{Text(x)}</version> => x })'

Caminho Groovy:

java -classpath groovy-all.jar groovy.ui.GroovyMain -e 'println (new XmlParser().parse(new File("pom.xml")).value().findAll({ it.name().getLocalPart()=="version" }).first().value().first())'

    

Answer 5

Aqui está uma alternativa em Perl

$ perl -MXML::Simple -e'print XMLin("pom.xml")->{version}."\n"'
1.0.74-SNAPSHOT

Funciona com o exemplo revisado / estendido nas questões que têm vários elementos de "versão" em diferentes profundidades.

    

Answer 6

Hacky da maneira:

perl -e '$_ = join "", <>; m!<project[^>]*>.*\n(?:    |\t)<version[^>]*>\s*([^<]+?)\s*</version>.*</project>!s and print "$1\n"' pom.xml

Baseia-se no recuo correto do <version> necessário

    

Answer 7

Desenvolva uma solução muito desajeitada e de uma única linha

python -c "from xml.dom.minidom import parse;dom = parse('pom.xml');print [n for n in dom.getElementsByTagName('version') if n.parentNode == dom.childNodes[0]][0].toxml()" | sed -e "s/.*>\(.*\)<.*//g"

O sed no final é muito feio, mas eu não consegui imprimir o texto do nó com o mindom sozinho.

Atualizar de _Vi :

Versão Python menos hacky:

python -c "from xml.dom.minidom import parse;dom = parse('pom.xml');print [i.childNodes.item(0).nodeValue for i in dom.firstChild.childNodes if i.nodeName == 'version'].pop()"

Atualização minha

Outra versão:

    python -c "from  xml.dom.minidom import parse;dom = parse('pom.xml');print [n.firstChild.data for n in dom.childNodes[0].childNodes if n.firstChild and n.tagName == 'version']"

    

Answer 8

Caminho XSLT:

<?xml version="1.0" encoding="ISO-8859-1"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
        <xsl:output method="text"/>

        <xsl:template match="/">
                <xsl:for-each select="*[local-name()='project']">
                    <xsl:for-each select="*[local-name()='version']">
                        <xsl:value-of select="text()"/>
                    </xsl:for-each>
                </xsl:for-each>
        </xsl:template>
</xsl:stylesheet>

xalan -xsl x.xsl -in pom.xml

    

Answer 9

se "Há muita tag de versão no xml", é melhor você esquecer de fazer isso com "simple tools" e regexps, isso não serve.

experimente este python (sem dependências):

from xml.dom.minidom import parse

dom = parse('pom.xml')
project = dom.getElementsByTagName('project')[0]
for node in project.childNodes:
    if node.nodeType == node.ELEMENT_NODE and node.tagName == 'version':
        print node.firstChild.nodeValue

    

Answer 10

Aqui está um one-liner usando sed:

sed '/<dependencies>/,/<\/dependencies>/d;/<version>/!d;s/ *<\/\?version> *//g' pom.xml

    

Answer 11

Return_text_val=$(xmllint --xpath "//*[local-name()='$TagElmnt']" $FILE )

Aqui, tente isto:

$TagElmnt - TagName
$FILE - xml file to parse

    

Answer 12

sed -n "/<name>project-parent/{n;s/.*>\(.*\)<.*//p;q}" pom.xml

A opção -n evita imprimir linhas não correspondentes; a primeira correspondência ( /.../ ) está na linha antes da que tem o texto desejado; o comando n pula para a próxima linha, onde s extrai informações relevantes através de um grupo de captura ( \(...\) ) e uma referência anterior ( ). p imprime, q desiste.

    

Answer 13

Sei que sua pergunta diz Linux, mas se você precisa fazer isso no Windows sem a necessidade de ferramentas de terceiros para poder colocá-lo em um arquivo de lote, o Powershell pode extrair qualquer nó do seu pom.xml arquivo assim:

powershell -Command "& {select-xml //pom:project/pom:properties/pom:mypluginversion -path pom.xml -Namespace  @{pom='http://maven.apache.org/POM/4.0.0'} | foreach {$_.Node.Innerxml}}" > myPluginVersion.txt