¿Cómo comparar dos archivos xml que tienen los mismos datos en diferentes líneas?

9

Tengo dos archivos con los mismos datos pero en líneas diferentes.

Archivo 1:

<Identities>
    <Identity>
        <Id>048206031415072010Comcast.USR8JR</Id>
        <UID>ccp_test_79</UID>
        <DisplayName>JOSH CCP</DisplayName>
        <FirstName>JOSH</FirstName>
        <LastName>CCP</LastName>
        <Role>P</Role>
        <LoginStatus>C</LoginStatus>
    </Identity>
    <Identity>
        <Id>089612381523032011Comcast.USR1JR</Id>
        <UID>94701_account1</UID>
        <DisplayName>account1</DisplayName>
        <FirstName>account1</FirstName>
        <LastName>94701</LastName>
        <Role>S</Role>
        <LoginStatus>C</LoginStatus>
    </Identity>
</Identities>

Archivo 2:

<Identities>
    <Identity>
        <Id>089612381523032011Comcast.USR1JR</Id>
        <UID>94701_account1</UID>
        <DisplayName>account1</DisplayName>
        <FirstName>account1</FirstName>
        <LastName>94701</LastName>
        <Role>S</Role>
        <LoginStatus>C</LoginStatus>
    </Identity>
    <Identity>
        <Id>048206031415072010Comcast.USR8JR</Id>
        <UID>ccp_test_79</UID>
        <DisplayName>JOSH CCP</DisplayName>
        <FirstName>JOSH</FirstName>
        <LastName>CCP</LastName>
        <Role>P</Role>
        <LoginStatus>C</LoginStatus>
    </Identity>
</Identities>

Si uso el diff file1 file2comando obtengo la siguiente respuesta:

1,10d0
<     <Identities>
<         <Identity>
<             <Id>048206031415072010Comcast.USR8JR</Id>
<             <UID>ccp_test_79</UID>
<             <DisplayName>JOSH CCP</DisplayName>
<             <FirstName>JOSH</FirstName>
<             <LastName>CCP</LastName>
<             <Role>P</Role>
<             <LoginStatus>C</LoginStatus>
<         </Identity>
20a11,20
>     <Identities>
>         <Identity>
>             <Id>048206031415072010Comcast.USR8JR</Id>
>             <UID>ccp_test_79</UID>
>             <DisplayName>JOSH CCP</DisplayName>
>             <FirstName>JOSH</FirstName>
>             <LastName>CCP</LastName>
>             <Role>P</Role>
>             <LoginStatus>C</LoginStatus>
>         </Identity>

Pero no necesito diferenciar, porque estos archivos tienen los mismos datos en diferentes líneas.

— usuario32026
fuente

Al ordenarlos en línea y compararlos, puede verificar si no son iguales . Por supuesto, igual después de la clasificación no significa que sean realmente iguales, ya que la clasificación destruye la sintaxis XML.

— jofel

No se como resolverlo. difieren por orden en el archivo 1 a luego b y en el archivo 2 b luego a. puede exponer la pregunta con diff -y -B -Z -b --strip-trailing-cr

— file1 file2

2

Podría intentarlo xmldiff, pero creo que aún notará que el orden cambia, ya que el orden es relevante en XML genérico. Creo que su mejor enfoque es usar un analizador y generador XML para colocar cada archivo en un orden y formato canónicos, luego use xmldiffo diff. Un trabajo para su lenguaje de secuencias de comandos favorito (Perl, Ruby, Python, etc.).

— derobert

6

Puede lograr lo que desea con la ayuda de un pequeño script de Python (necesitará Python instalado, así como el lxmlkit de herramientas).

tagsort.py:

#!/usr/bin/python

import sys
from lxml import etree

filename, tag = sys.argv[1:]

doc = etree.parse(filename, etree.XMLParser(remove_blank_text=True))
root = doc.getroot()
root[:] = sorted(root, key=lambda el: el.findtext(tag))
print etree.tostring(doc, pretty_print=True)

Este script clasifica los elementos de primer nivel bajo la raíz del documento XML por el contenido de un elemento de segundo nivel, enviando el resultado a stdout. Se llama así:

$ python tagsort.py filename tag

Una vez que tenga eso, puede usar la sustitución del proceso para obtener un diferencial basado en su salida (he agregado un elemento y cambiado otro en sus archivos de ejemplo para mostrar un resultado no vacío):

$ diff <(python tagsort.py file1 Id) <(python tagsort.py file2 Id)
4a5
>     <AddedTag>Something</AddedTag>
17c18
<     <Role>X</Role>
---
>     <Role>S</Role>

3

Tuve un problema similar y finalmente encontré: /superuser/79920/how-can-i-diff-two-xml-files

Esa publicación sugiere hacer una ordenación xml canónica y luego hacer una diferencia. Lo siguiente debería funcionar para usted si está en Linux, Mac o si tiene Windows algo como Cygwin instalado:

$ xmllint --c14n File1.xml > 1.xml
$ xmllint --c14n File2.xml > 2.xml
$ diff 1.xml 2.xml

— VenomFangs
fuente

0

Está etiquetado como shell, pero honestamente prefiero usar un lenguaje de script con un analizador sintáctico. En este caso perlcon XML::Twig.

Es algo parecido a esto:

#!/usr/bin/env perl
use strict;
use warnings;

use XML::Twig;

sub compare_by_identity {
   my ( $first, $second ) = @_;
   foreach my $identity ( $first->get_xpath('//Identity') ) {
      my $id = $identity->first_child_text('Id');

      print $id, "\n";
      my $compare_to =
        $second->get_xpath( "//Identity/Id[string()=\"$id\"]/..", 0 );
      if ($compare_to) {
         print "Matching element found for ID $id\n";
         foreach my $element ( $identity->children ) {
            my $tag  = $element->tag;
            my $text = $element->text;
            if ( not $element->text eq $compare_to->first_child_text($tag) ) {
               print "$id, $tag has value $text which doesn't match: ",
                 $compare_to->first_child_text($tag), "\n";
            }
         }
      }
      else {
         print "No matching element for Id $id\n";
      }
   }
}

my $first_file  = XML::Twig->new->parsefile('test1.xml');
my $second_file = XML::Twig->new->parsefile('test2.xml');

compare_by_identity( $first_file,  $second_file );
compare_by_identity( $second_file, $first_file );

Estoy comparando explícitamente un elemento de 'Identidad' a la vez y verificando que todos los campos en uno existan en el otro, con el mismo valor.

Y luego revertir eso, porque el segundo archivo podría tener entradas adicionales.

— Sobrique
fuente