在shell腳本中搜索xml標籤值和空格

我想用awk查找包含在xml標籤中的名稱值，如果它是1個字符串但是當有空格awk將每個單詞作爲新記錄拆分時，我可以指定值。另外我的xml沒有換行符。在shell腳本中搜索xml標籤值和空格

我的輸入文件是：

<?xml version="1.0"?><?xml-stylesheet href="catalog.xsl" type="text/xsl"?><type><retail><custdata><Nm>John Smith</Nm><pstaddr1>10 north block</pstaddr1><pstaddr2>boeard st.</pstaddr2><ctry>HR</ctry></custdata><custdata><Nm>Jeff Blanks</Nm><pstaddr1>263 Jef. St.</pstaddr1><pstaddr2>3rd Avenue</pstaddr2><ctry>HR</ctry></custdata></retail><corporate></corporate></type>

我試圖使用方法：

#!/bin/bash 
    for a in $(ls /usr/cycle1/sample/*.dat) 
     do 
     for c in $(awk 'BEGIN{ FS="[<>]";RS="</"; }; /Nm/{ print $2; }' "$a") 
     do 
     echo $c 
     done 
    done

輸出我得到的是：

John 
Smith 
Jeff 
Blanks

而不是

John Smith 
Jeff Blanks

我可能會做記錄分隔符錯誤，但因爲我是新來awk不知道什麼是確切的問題。你可以幫忙嗎？

來源

2015-08-15 aj1981

感謝埃德和查爾斯我使用了組合方法和簡單的AWK，這對我很有用。它也是非常有效的工作

awk 'BEGIN { RS="<pstaddr1>"; FS="[<>]";}; /Nm/{ print $2 }' /usr/cycle1/sample/*.dat

來源

2015-08-20 10:09:07 aj1981

不要使用諸如awk之類的工具來解析XML - 使用真正的XML解析器。在這種情況下，XMLStarlet：

for f in "/usr/cycle1/sample/"*.dat; do 
    xmlstarlet sel -t -m '//Nm' -v . -n <"$f" 
done

如果你有安裝了--xpath一個版本，你也可以考慮使用xmllint：

for f in "/usr/cycle1/sample/"*.dat; do 
    xmllint --xpath '//Nm' <"$f" 
done

簡易方法無法正確解析意見;不能正確解析帶有用實體轉義表示的特殊字符的字符串;無法正確解析CDATA部分......或者更直白地說，「無法正確解析XML」。

這就是說，只是修復現有的代碼bash的錯誤，並獨自離開了XML的解析錯誤：

for a in "/usr/cycle1/sample/"*.dat; do 
    while IFS= read -r name; do 
    echo "$name" 
    done < <(awk 'BEGIN{ FS="[<>]";RS="</"; }; /Nm/{ print $2; }' "$a") 
done

爲了解釋：

echo $name是越野車：它將$name的每個組件分成一個單獨的單詞，glob-擴展每個單詞，並將每個全局擴展結果作爲單獨的參數傳遞給echo。相反，請使用echo "$name"將單詞保持在一起。
for file in $(ls /path/to/*.dat)是越野車。除了打破可以解釋爲包含IFS中字符的glob表達式和文件名的文件名之外，它還依賴於圍繞ls處理包含不可打印字符的文件名的定義不明確的行爲。有關更多詳細信息，請參閱ParsingLs。
for c in $(awk ...)是越野車，當你想要做的是讀個人行從awk。首先，它在IFS中將awk內容按字符分開，默認情況下包括其他類型的空白。但是，即使您通過重新分配IFS來解決此問題，它也會在glob擴展時出現錯誤，並且會不必要地造成內存不足。請參閱BashFAQ #001以瞭解從流中讀取的最佳做法，另請參閱DontReadLinesWithFor。

最後：這裏有一個方法，在本土打擊「作品」（與所有常見的不可阻擋的解析的XML-用正則表達式警告）：

re='[<]Nm[>]([^<>]+)[<][/]Nm[>](.*)' 
for f in "/usr/cycle1/sample/"*.dat; do 
    content=$(<"$f") 
    while [[ $content =~ $re ]]; do 
    printf '%q\n' "${BASH_REMATCH[1]}" 
    content=${BASH_REMATCH[2]} 
    done 
done

或者，一個內存高效的變體 - 同樣，不是一個真正的XML解析器，並且由於相同的處理而受到嚴重的輸入限制。

for f in "/usr/cycle1/sample/"*.dat; do 
    next=0 
    while IFS= read -r content; do 
    if ((next)); then 
     printf '%s\n' "$content" 
     next=0 
     continue 
    fi 
    case $content in 
     Nm) next=1; continue ;; 
     *) continue ;; 
    esac 
    done < <(tr '[<>]' '\n' < "$f") 
done

來源

2015-08-15 15:53:10

我同意你和xmlstarlet是我的偏好，但它是生產服務器，我有有限的選擇。不幸的是，由於所有的繁文I節，我無法安裝它。 – aj1981

這就是爲什麼我也給出了一個解決圍繞awk的bash的答案。 –

...但是，如果（看起來）awk也是越野車，那就要求有些不同。 –

假設你的輸入文件總是那麼有規律，這可能是你所需要的：

$ awk -v RS='<\\/?Nm>' '!(FNR%2)' file 
John Smith 
Jeff Blanks

以上使用GNU AWK多焦RS我以爲是罰款，因爲你已經在您發佈的示例中使用該功能。

決不做for a in $(ls /usr/cycle1/sample/*.dat) - 你會使用for a in /usr/cycle1/sample/*.dat代替，但你並不需要這個循環，因爲在所有的awk可以打開多個文件：

awk -v RS='<\\/?Nm>' '!(FNR%2)' /usr/cycle1/sample/*.dat

如果由於某種原因，你需要一個shell變量設置爲AWK輸出（！這幾乎肯定是一個標誌你會做一些非常糟糕的腳本的其餘部分），你可以這樣做：

$ IFS=$'\n' array=($(awk -v RS='<\\/?Nm>' '!(FNR%2)' file)) 
$ echo "${array[0]}" 
John Smith 
$ echo "${array[1]}" 
Jeff Blanks

或各種其他的東西......

如果你沒有GNU工具，你不能由於內存限制一次讀取整個單行文件到awk中，你可以模仿以上：

$ sed -e 's/<Nm>/\ 
/g' -e 's/<\/Nm>/\ 
/g' file | 
awk '!(NR%2)' 
John Smith 
Jeff Blanks

來源

2015-08-16 14:05:32

在shell腳本中搜索xml標籤值和空格

回答

相關問題