我的服务器上有一个巨大的日志文件（数十GB）。它太大，无法在合理的时间内下载。然而，我实际上只对相对较小的线条子集感兴趣。日志文件具有类似 xml 的结构。有很多<log>...</log>条目，其中之一有我正在寻找的特定模式，可以说"Failure"（当grep我"Failure"只有 1 个匹配项时）：
<log>...</log>
<log>...</log>
....
<log> (*1*)
...
... "Failure" ...
...
</log> (*2*)
....
<log>...</log>
<log>...</log>
我的想法是分别搜索包含 的行的前一个和下一个出现位置<log> (*1*)以及之前和之后的位置。之后我想将这些行复制到一个单独的文件中，然后我可以轻松下载该文件。</log> (*2*)"Failure"
伪代码总结：
failure_line = find pattern "Failure" in log file
start_line = find immediate previous occurrence of <log> before the line failure_line
finish_line = find immediate next occurrence of </log> after the line failure_line
copy all lines from start_line until finish_line to a new file
这可以通过脚本来实现bash而不需要很大的开销吗？
答案1
请注意，标准文本处理工具（如sed、perl或 ）awk并不用于 XML 解析。如果你可以依赖一些东西，比如<log>...</log>一行中不超过一对，你可以这样做sed：
sed '/<log>.*<\/log>/{/Failure/p;d;};/<log>/,/<\/log>/H;/<log>/h;/<\/log>/!d;x;/Failure/!d' your.log
- '/.*</log>/' 将行与完整的标记匹配。这些需要单独处理：
/Failure/p如果它们包含 则打印它们Failure，d停止进一步处理。 - 现在
/<log>/,/<\/log>/选择开头<log>和结尾之间的行</log>并将它们附加到保留空间（ 的剪贴板sed）H /<log>/hlog初始化任何新序列的保留空间/<\/log>/!d停止处理所有行，但那些有关闭的行</log>- 因此，仅在关闭日志时执行以下操作：
x交换保持空间和模式空间，因此我们拥有自上一行以来收集的模式空间中的所有内容<log>。d如果不包含则删除它Failure，否则默认情况下会在脚本末尾打印