anglosaxon - 将大型XML文件转换为其他格式

anglosaxon是一个命令行工具，用于使用SAX解析XML文件。您可以将XML文件以流式格式转换为其他文本格式。由于它使用SAX，它不会在处理之前将整个XML文件加载到内存中，因此它可以处理大型XML文件，例如一些OpenStreetMap数据转储文件。

示例用法

bzcat ~/osm/data/changeset-examples.osm.bz2  | anglosaxon -S -o changeset_id,tag_key,tag_value --nl -s tag -v ../id -o,  -v k -o , -v v --nl

此操作将OSM更改集转储文件转换为CSV文件，包含changeset_id、changeset_tag_key、changeset_tag_value，允许您使用标准Unix工具分析OSM更改集。截至2022年1月，更改集文件为4GB bzip2压缩（40+GB未压缩XML），对于基于DOM的工具来说太大。

安装

cargo install anglosaxon

文档

anglosaxon从stdin读取xml文件并写入stdout。

输出由CLI标志控制。指定SAX事件使用-S/-s/-e/-E，然后指定一个或多个对事件执行的操作。与大多数CLI程序不同，标志的顺序很重要。

SAX事件

• -S/--startdoc：在XML文档开始时发生
• -s TAG/--start TAG：当TAG打开时发生，即标签的开始。此标签上的XML属性可用
• -e TAG/--end TAG：当TAG关闭时发生，即标签的结束
• -E/--end：在XML文档结束时发生

XML标签名是简单的字符串。

要执行的操作

可以指定一个或多个操作，并按照您给出的顺序处理。

• -o TEXT：按照原样打印TEXT
• --nl：打印一个换行符
• --tab：打印一个制表符
• -v ATTRIBUTE：打印这个XML属性的值。如果标签没有该属性，将发生错误
• -V ATTRIBUTE DEFAULT：打印这个XML属性的值，如果该属性不存在，则打印DEFAULT

XML属性是纯文本。父节点的属性通过../ATTRIBUTE指定（例如，../../id是当前XML节点父节点的父节点的id属性）。如果所需的父节点不存在，将发生错误。

类似项目

• xmlstarlet的sel/selection功能是灵感来源。但它无法处理大型XML