Unzip - wie setze ich aufgeblähte Dateien in ein Array

Question

Ich habe eine .xls-Datei, die ich hübsch drucken möchte, um nette Diffing zu haben, anstatt nur Binärdateien zu ändern.

Mein Ansatz ist unzip diese ganze Sache. Die resultierende Zeichenfolge enthält keine Zeilenumbrüche, also habe ich sie durch xmllint --format ausgeführt. Aber auf diesem scheinbar einfachen Weg habe ich einige Probleme gestoßen, die ich schon ausgegeben habe Stunden auf:

1. unzip mehrere Dateien im XML-Archiv. Dies führt zu ungültigem XML. Auch mit unzip -q Optionen bekomme ich mehrere DTDs und so weiter. xmllint unterbricht dies, ohne die Eingabe zu formatieren.

   unzip -c -a -q myFile.xlsx | xmllint --format -

2. ich versuchte, die XML-Daten in ein Array Aufspalten Verwendung read, um jede einzelne XML-Datei xmllint einzuspeisen. Im Ergebnis von read scheinen die meisten Array-Elemente leer zu sein, und das dritte und vierte Element enthalten 20 Buchstaben der XML-Zeichenfolge.

   IFS='\<\?xml' read -r -a files <<< "$decompressed"

3. Ich habe auch versucht das Einfügen Zeilenumbrüche nur mit sed aber die Dateigröße ist so groß, dass die Verarbeitung es möglich, für die Herstellung von für diffing zu lange dauert.

   ${decompressed/\>\</\>\n\</g}

ich die Ideen ausgehen haben gerade so habe ich beschlossen, euch zu beraten! Danke weiter :)

Answer 1

Ich würde die xslx in mehrere Dateien extrahieren, pretty-print sie und dann ein rekursives diff auf den XML-Dateien. (Es gibt auch binäre Dateien, die nicht diffed werden kann)

So:

# Unzip the xlsx files into folders 
unzip -aqd foo foo.xlsx 
unzip -aqd bar bar.xlsx 

# Pretty print all .xml and .rels files 
find foo bar \(-name '*.xml' -o -name '*.rels' \) -exec xmllint --format {} --output {} \; 

# Now you can recursively diff them 
diff -urN foo bar 

Sie können bash-Funktion erstellen, die den Prozess wickelt.

Hinweis: Die entpackte xlsx-Datei enthält möglicherweise Binärdateien mit der Endung .bin. Sie müssen sie vom Vergleich ausschließen:

diff -urNx '*.bin' foo bar 

Answer 2

Wie Sie bereits herausgefunden haben, enthält die XLSX-Datei mehr als eine XML-Datei, wie in der angegeben. Insbesondere wird es pro Excel-Tabelle ein XML-Dokument geben, was bedeutet, dass es keine praktische Lösung sein wird, sie zu kombinieren.

Erschwerend kommt hinzu, können Sie auch eine shared string table in Excel-Dateien haben könnte, die die Blatt Dateien selbst bedeutet, dass die Original-Zeichenketten nicht enthalten („Hallo, Welt!“), Sondern nur ein Verweis auf die String-Tabelle (1234).

Je nach Anwendungsfall sollten Sie mehr textbasierte Formate wie CSV berücksichtigen.