☰

使用 sed 从 XML 文件中获取特定文本

tag-icon • tag-icon sed regular-expression xml
使用 sed 从 XML 文件中获取特定文本

不知道为什么我没有得到这个。我已经搜索和测试我的命令几个小时了，但一无所获。

正文是：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?><result expand="changes,testResults,metadata,logEntries,plan,vcsRevisions,artifacts,comments,labels,jiraIssues" key="EP-ED-JOB1-174" state="Failed" lifeCycleState="Finished" number="174" ....

而且我只是想把那state="Failed" 部分拔出来，也有可能state="Successful"。

我已经尝试过一百万种变体：

sed '/state=".*"/p' htmlResponse.txt

但括号、转义斜杠等似乎与整个文本块匹配。我的正则表达式有什么问题？

答案1

抛开强制性的“您确实应该使用适当的 XML 解析器，因为正则表达式不足以解析 XML”注释，我在您的sed行中看到了两个问题：

  1. ".*""将从第一个到最后一个匹配，因为.匹配"
  2. 该sed命令/.../p打印全线如果它与正则表达式匹配。

对于快速而肮脏的 HTML 抓取 shell 脚本，我建议执行以下两件事：

  1. 用于"[^"]*"匹配“引号、任意数量的非引号字符、结束引号”
  2. grep -o提取文件中与正则表达式匹配的部分要容易得多

所以这会让你的命令更像：

grep -o 'state="[^"]*"'

或者，如果你真的必须使用 sed：

sed -n 's/.*\(state="[^"]*"\).*/\1/p'

答案2

正确的方法是使用 XML 解析器，例如xmlstarlet：

printf 'state="%s"\n' $(xmlstarlet sel -t -v "//result/@state" -n htmlResponse.txt)

输出：

state="Failed"

仅获取属性的值（从所有result节点，如果有多个）：

xmlstarlet sel -t -v "//result/@state" -n htmlResponse.txt

答案3

您可能想要匹配整行并打印只是匹配组：

sed -r 's/.*state="([^"]*)".*/\1/' htmlResponse.txt

这实际上只是拉出了Failedor Successful（不包括state=它前面的部分），我怀疑这就是你想要的。但如果您确实需要，您可以轻松地将其添加回来，或者使用稍微不同的正则表达式，正如伍德兹的回答一样。

然而，作为桑迪普提到， 这是使用正则表达式解析 HTML（或 XML）根本不可靠。交互地使用grep或sed搜索内容是一回事，但如果这是需要执行重要任务的脚本的一部分并实际工作，您应该正确解析 XML。

相关内容