xmllint命令处理xml与html

xmllint是一个很方便的处理及验证xml、处理html的工具，linux下只要安装libxml2就可以使用这个命令。首先看下其结合--html 、--xpath参数处理html时的例子：

curl http://www.123cha.com/ip/?q=8.8.8.8 2>/dev/null | xmllint --html --xpath "//ul[@id='csstb']" - 2>/dev/null | sed -e 's/<[^>]*>//g'

上例中主要是通过在123cha上查询的IP地址的归属情况后，通过提取结果（ul#csstb），只获取文本部分的内容。上面的脚本语句执行后的结果如下：

[您的查询]:8.8.8.8
本站主数据:
美国
本站辅数据:Google Public DNS提供:hypo
美国 Google免费的Google Public DNS提供:zwstar参考数据一:美国
参考数据二:美国

下面再结合示例看下其他主要参数的用法。

1、 --format

此参数用于格式化xml，使其具有良好的可读性。
假设有xml（person.xml）内容如下:

<person><name>ball</name><age>30</age<sex>male</sex></person>  

执行如下操作后其输出为更易读的xml格式：

＃xmllint --format person.xml
    <?xml version="1.0"?>
    <person>
      <name>ball</name>
      <age>30</age>
      <sex>male</sex>
    </person>  

2、 --noblanks

与--format相反，有时为了节省传输量，我们希望去掉xml中的空白，这时我们可以使用--noblanks命令。
假设xml（person.xml）内容如下

<?xml version="1.0"?>
    <person>
      <name>ball</name>
      <age>30</age>
      <sex>male</sex>
    </person>  

执行该参数操作后，其输出结果为：

＃xmllint --noblanks person.xml
    <?xml version="1.0"?>
    <person><name>ball</name><age>30</age><sex>male</sex></person>  

3、--schema

使用scheam验证xml文件的正确性（XML Schema 是基于 XML 的 DTD 替代者）
假设有xml文件（person.xml）和scheam文件（person.xsd）文件，内容分别如下

person.xml

<?xml version="1.0"?>
    <person>
      <name>ball</name>
      <age>30</age>
      <sex>male</sex>
    </person>  

person.xsd

<?xml version="1.0"?>
    <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
      <xs:element name="name" type="xs:string"/>
      <xs:element name="age" type="xs:integer"/>
      <xs:element name="sex">
        <xs:simpleType>
          <xs:restriction base="xs:string">
            <xs:enumeration value="male"/>
            <xs:enumeration value="female"/>
          </xs:restriction>
        </xs:simpleType>
      </xs:element>
      <xs:element name="person">
        <xs:complexType>
          <xs:all>
            <xs:element ref="name"/>
            <xs:element ref="age"/>
            <xs:element ref="sex"/>
          </xs:all>
        </xs:complexType>
      </xs:element>
    </xs:schema>  

按如下命令执行后的结果是：

#xmllint --schema person.xsd person.xml
    <?xml version="1.0"?>
    <person>
      <name>ball</name>
      <age>30</age>
      <sex>male</sex>
    </person>
    person.xml validates  

注：默认情况下，验证后会输出验证的文件内容，可以使用 --noout选项去掉此输出，这样我们可以只得到最后的验证结果。

#xmllint --noout --schema person.xsd person.xml
person.xml validates  

下面我们改动person.xml，使这份文件age字段和sex都是不符合xsd定义的。

＃xmllint --noout --schema person.xsd person.xml
person.xml:4: element age: Schemas validity error : Element 'age': 'not age' is not a valid value of the atomic type 'xs:integer'.
person.xml:5: element sex: Schemas validity error : Element 'sex': [facet 'enumeration'] The value 'test' is not an element of the set {'male', 'female'}.
person.xml:5: element sex: Schemas validity error : Element 'sex': 'test' is not a valid value of the local atomic type.
person.xml fails to validate 

可以看到xmllint成功的报出了错误！

4、 关于--schema的输出

在讲输出之前先看下面一个场景，假如你想通过php执行xmllint然后拿到返回结果，你的代码通常应该是这个样子valid.php

<?php
    $command = "xmllint --noout --schema person.xsd person.xml";
    exec($command, $output, $retval);
    //出错时返回值不为0
    if ($retval != 0){
            var_dump($output);
    }
    else{
        echo "yeah!";
    }  

我们保持上文中person.xml的错误。
执行此代码，你会发现，你拿到的output不是错误，而是array(0) {}, amazing！
为什么会这样呢？

因为xmllint --schema，如果验证出错误，错误信息并不是通过标准输出（stdout）显示的，而是通过标准错误（stderr）进行显示的。
而exec的output参数拿到的，只能是标准输出（stdout）显示的内容。
所以，为了拿到出错信息，我们需要将标准错误重定向到标准输出，对应修改代码：

$command = "xmllint --noout --schema person.xsd person.xml 2>$1";  

再次执行valid.php，错误信息顺利拿到！