使用 GNU sed 从 XML-ish 数据中提取文本的正则表达式答案

【问题标题】：Regular expression to extract text from XML-ish data using GNU sed使用 GNU sed 从 XML-ish 数据中提取文本的正则表达式
【发布时间】：2013-08-09 01:57:18
【问题描述】：

我有一个文件，其中包含使用“gsed regexp -i FILENAME”从 XML 文件中提取的行。文件中的行都是其中一种格式：

<field number='1' name='Account' type='STRING'W/>

<field number='2' name='AdvId' type='STRING'W>

我在末尾插入了一个“W”，代表可选的空格。尽管“number”总是在“type”之前，但文件中所有行的属性顺序和数量不一定相同。

我正在搜索的是一个正则表达式“regexp”，我可以将它提供给 gnu sed，以便此命令：

gsed 正则表达式 -i 文件名

给我一个文件，其行如下所示：

1 个字符串

2 个字符串

我不关心结果中的空白数量，只要在数字后面有一些空格并且每行末尾有一个换行符。

我确信这是可能的，但我只是无法在合理的时间内弄清楚如何。有人可以帮忙吗？

非常感谢，朱尔斯

【问题讨论】：

我实际上忽略了它。我赞成你的回答，因为它给了我我所要求的以及来自 choroba 的 xsh 解决方案，因为虽然它并没有真正回答问题，但它确实指出了一个优雅的问题解决方案。

标签： regex bash sed

【解决方案1】：

我认为使用命令行 XML 工具（例如 XMLStarlet）会更好地。这将与 shell 很好地集成，并让您执行 XPath 搜索。它支持 XML，因此可以正确处理字符编码、空格等。

【讨论】：

【解决方案2】：

我确信这可以优化，但它适用于我并回答你的问题：

 sed "s/^.*number='\([0-9]*\)'.*type='\(.*\)'.*$/\1 \2/" <filename>

这么说，我认为其他人是对的，如果你有一个 XML 文件，你应该使用一个 XML 解析器。

【讨论】：

【解决方案3】：

使用xsh，一个围绕XML::LibXML 的Perl 包装器：

open file.xml ;
for //field echo @number @type ;

【讨论】：

【解决方案4】：

简单的剪裁应该适合你：

cut -f2,6 -d"'" --output-delimiter=""

如果你真的想要 sed：

sed -r "s/.'(.)'.type='(.)'.*/\1 \2/"

【讨论】：

【解决方案5】：

你可以用这个：

sed -r "s/<field [^>]*?number='([0-9]+)'[^>]*?type='([^']+)'[^>]*>/\1 \2/"

【讨论】：

【解决方案6】：

最好使用 XML 解析器，但如果必须使用 sed：

sed 's/<field number=\'(.*?)\'.*?type=\'(.*?)\'/\1 \2

【讨论】：

【解决方案7】：

sed -ni "/<field .*>/s@^.*[[:space:]]number='\\([^']\\+\\).*[[:space:]]type='\\([^']\\+\\).*@\1 \2@p" FILENAME

或者，如果您不介意数字和类型的内容是可选的：

sed -ni "/<field .*>/s@^.*[[:space:]]number='\\([^']*\\).*[[:space:]]type='\\([^']*\\).*@\1 \2@p" FILENAME

只需根据您的喜好将[^']\\+ 更改为[^']*。

【讨论】：