☰

查找包含特定标签名称的 xml 文件并打印标签名称之间的单词

tag-icon • tag-icon linux files find xml
查找包含特定标签名称的 xml 文件并打印标签名称之间的单词

我们可以找到如下的xml文件类型

find /tmp/ -type f -name '*.xml'

但如何更改语法以便仅查找包含以下内容的 xml：

<Name>some words</Name>

并打印之间的内容：

<Name> ------ </Name>

预期产出

some words

示例 - xml 文件包含：

<Name>files_with_extra_data</Name>

预期产出

files_with_extra_data

答案1

一个简单的解决方案是使用 sed：

find /tmp -name '*.xml' -exec sed -n 's/<Name>\([^<]*\)<\/Name>/\1/p' {} +

正则表达式匹配标签并打印之间的内容。如果我们删除转义字符就更容易阅读：

s / <Name>([^<]*)</Name> / \1

括号匹配任何非“<”的字符并映射到 \1

正如评论中提到的，这将是一个简单的解决方案，正则表达式无法应对结构化文本的所有可能变化。因此，如果标签或其他标签之间有多行，它将无法工作，您将需要使用真正的 xml 解析器

答案2

对于像这样的简单 XML 作业，我会使用XML2和cut。 （或sed，或awk，或perl）。

find . -iname '*.xml' -exec bash -c 'xml2 < {}' \; | grep '/Name=' |
  cut -d '=' -f2-

或者

find . -iname '*.xml' -exec bash -c 'xml2 < {}' \; | sed -n -e 's/^[^=]*\/Name=//p'

或者

find . -iname '*.xml' -exec bash -c 'xml2 < {}' \; | 
  awk -F'=' '/Name=/ {$1=""; sub(/^ /,"",$0); print }'

（sub()awk 版本中的函数调用会去除将 $1 设置为 "" 后留下的前导空格 - awk 无法从输入行中删除字段，您能做的最好的是将其设置为空字符串并清理或者，split()将行放入数组中，删除不需要的字段，然后将数组连接到字符串中进行打印，因为 awk没有join()这样的函数perl，所以您必须编写自己的函数。 ）

或者

find . -iname '*.xml' -exec bash -c 'xml2 < {}' \; |
  perl -F= -lane 'if (m:/Name=:) { delete @F[0]; print @F}'

xml2将 XML 格式的数据转换为适合使用面向行的文本实用程序（如awk、 or sed、 orperl等​​）进行处理的面向行的格式。它附带了一个相应的2xml程序，可以将面向行的格式转换回正确格式的 XML。

对于更复杂的任务，我会使用xmlstarlet

xmlstarlet是一种 XML 处理工具，可用于列出、查询、提取和修改 XML 文件中的数据。

两者都可以为 debian 和其他 Linux 发行版打包。

在我看来，最好的解决方案是使用类似perl或python具有 XML 解析库的语言，并使用它。 xmlstarlet非常适合在 shell 中处理 XML 文件，但是为非常复杂的搜索构建命令行比仅仅编写脚本perl或python完成这项工作变得更多工作（并且更难以阅读和调试）。部分原因是我用这些语言进行了更多编程，并且发现它更容易使用......但主要是因为在我看来，最好将学习精力集中在可用于各种任务的通用语言上，而不是特定于领域的语言/工具只能用于一件非常特定的事情。

答案3

和pcregrep：

pcregrep -rMh --include='\.xml\z' -o1 '(?s)<name>(.*?)</name>' .

答案4

sed -n '/Name/{s/.*<Name>//;s/<\/Name.*//;p;}' "$FULL_XML_PATH"

相关内容