模式匹配后如何删除匹配块答案

【问题标题】：How to delete a matching block once a pattern is matched模式匹配后如何删除匹配块
【发布时间】：2019-11-05 21:36:35
【问题描述】：

这是文件（命名为 sample.xml）：


<?xml version="1.0" encoding="UTF-8"?>
<configs>

    <blah1 value="ma">
      <tag3>100MB</tag3>
    </blah1>

    <blah1 value="ba">
      <tag3>20MB</tag3>
    </blah1>

     <blah2 value="*" version="1.0" result="true">
        <blah1 value="xyz">
          <blah1 value="uvw" result="true">
             <tag>4</tag>
          </blah1>
        </blah1>
     </blah2>

  <!-- This is tag with def value -->
  <blah2 value="*" version="2.0" result="true">
    <blah1 value="abc">
      <blah1 value="def" result="true">
        <tag2>on</tag2>
      </blah1>
    </blah1>
  </blah2>

</configs>

在找到带有value="def" 的字符串时，删除从<blah2> to </blah2> 标记开始的整个块

我不熟悉 sed 保持模式，但我从谷歌得到的东西非常接近

sed -n '/<blah2.*>/,/<\/blah2>/{
                                  H
                                  /<\/blah2>/ { 
                                        s/.*//;x
                                       /def/d
                                       p 
                                  }
                               }' sample.xml

预期结果：


<?xml version="1.0" encoding="UTF-8"?>
<configs>

    <blah1 value="ma">
      <tag3>100MB</tag3>
    </blah1>

    <blah1 value="ba">
      <tag3>20MB</tag3>
    </blah1>

     <blah2 value="*" version="1.0" result="true">
        <blah1 value="xyz">
          <blah1 value="uvw" result="true">
             <tag>4</tag>
          </blah1>
        </blah1>
     </blah2>

</configs>

实际结果（使用上述非工作 sed）：

     <blah2 value="*" version="1.0" result="true">
        <blah1 value="xyz">
          <blah1 value="uvw" result="true">
             <tag>4</tag>
          </blah1>
        </blah1>
     </blah2>

【问题讨论】：

Don't Parse XML/HTML With Regex. 我建议使用 XML/HTML 解析器 (xmlstarlet, xmllint ...)。
def 总是标签/configs/blah2[2]/blah1/blah1 的属性吗？
对，目前 xmlstarlet 在该主机（这是一些专有的 linux）上不可用，并且无法访问 Internet。我将不得不下载并将二进制文件移到那里。
是的，def 始终是第二个 blah1 中的属性
xmlstarlet 的答案对您有帮助吗？

标签： xml shell sed xmlstarlet

【解决方案1】：

用 xmlstarlet 删除第二个标签 blah2：

xmlstarlet edit --delete '//configs[blah2[2]/blah1/blah1[@value="def"]]/blah2[2]' file.xml

输出：

<?xml version="1.0" encoding="UTF-8"?>
<configs>
  <blah1 value="ma">
    <tag3>100MB</tag3>
  </blah1>
  <blah1 value="ba">
    <tag3>20MB</tag3>
  </blah1>
  <blah2 value="*" version="1.0" result="true">
    <blah1 value="xyz">
      <blah1 value="uvw" result="true">
        <tag>4</tag>
      </blah1>
    </blah1>
  </blah2>
</configs>

如果要就地编辑文件，请添加选项 -L。

使用XPath的说明：

//configs[blah2[2]/blah1/blah1[@value="def"]]/blah2[2]
|---A---| |-------------B------------------| |---C---|

A 和 B：您要查找的属性的路径

A和C：要删除的标签的路径

【讨论】：

但是这个不检查值为“def”的标签。标签部分的数量可以更多也可以更少。
太棒了！一个问题。可以使用 xmlstarlet 删除此标记部分上方的 xml 注释吗？
将--delete '//configs/comment()'添加到xmlstarlet edit命令删除标签configs中的所有命令。
谢谢@cyrus。由于我目前的限制，我只是选择 sed 答案作为可接受的解决方案。理想情况下，我想选择这两个答案作为接受的答案
@satya - 这是另一个（未经测试的）xpath 选项：//blah2[.//blah1/@value='def']

【解决方案2】：

由于您对 sed 解决方案感到满意，考虑到您发布的示例输入/输出，这里有一个更好（更清晰、更便携等）的替代方案：

$ awk -v RS= -v ORS='\n\n' '!/value="def"/' file
<?xml version="1.0" encoding="UTF-8"?>
<configs>

    <blah1 value="ma">
      <tag3>100MB</tag3>
    </blah1>

    <blah1 value="ba">
      <tag3>20MB</tag3>
    </blah1>

     <blah2 value="*" version="1.0" result="true">
        <blah1 value="xyz">
          <blah1 value="uvw" result="true">
             <tag>4</tag>
          </blah1>
        </blah1>
     </blah2>

</configs>

如果这不是您所需要的，那么无论您需要什么，都可以使用更好的 awk 替代方案，因为 sed 仅最适合对单个字符串执行 s/old/new。

【讨论】：

是否可以将注释行与块一起删除。注释可以是前面的单行，也可以是多行xml  or 
看看我发布的输出 - 它确实删除了注释行（看看 是如何在输出中不存在的？）并且它是单行还是多行都没关系
好的，我试过了，如果它们用换行符分隔，它就可以工作。如果我删除 blah2 块之间的换行符，或者如果我删除最后一个 blah2 块和配置之间的新行，它不起作用:(
@satya 我们所要做的就是您提供的示例输入。如果您的实际输入与示例输入的格式不同，那么您不应该期望任何不使用 XML 解析器的解决方案能够稳健地工作。如果您可以使用 XML 解析器，那么您应该这样做。如果您不能更新您的示例以真正反映您的文件格式，那么您可能可以获得 sed 或 awk 答案来处理该特定格式。

【解决方案3】：

这可能对你有用（GNU sed）：

sed '/<blah2.*>/{:a;N;/<\/blah2.*>/!ba;/value="def"/d}' file

如果一行包含<blah2.*>，则收集所有行，直到包含<\/blah2.*> 的行，然后测试这些行中的字符串value="def"，如果找到，删除这些行。

【讨论】：

一个问题是我们不能利用以前的标签部分值，如“ma”和“ba”。它们可能存在也可能不存在
@satya: b 是一个sed 命令。 :a 是一个名为 a 的标签。 /<\/blah2.*>/!ba：如果在模式空间中找不到<\/blah2.*>，则跳转到标签a。这是一个循环，直到找到 <\/blah2.*>。
哦！我的错。让我试试这个
这很好用！我忘了提到的最后一件事，有时标签部分上方有评论。可以将其作为 sed 的一部分删除吗？如果没有，我可以将它作为另一个 sed 单独删除。
如果注释行是<blah2.*> 行之前的行，则使用：sed 'N;/<blah2.*>/{:a;N;/<\/blah2.*>/!ba;/value="def"/d};P;D' file