为什么这种模式在 awk 中会失败？

Question

我尝试打印捕获的组，但awk 未能捕获它。我的正则表达式语法似乎没有错。有什么我错过的吗？

这是正文：

<key>NetworkServices</key>
<dict>
    <key>44412617dfsretret44rewtrtA2</key>
    <dict>
        <key>com.fdgfdgfg.ew3rer.gggfgfdgfg</key>
        <dict>
            <key>endpointProtocols</key>
            <array>
                <string>UDP:443:1450</string>
                <string>TCP:443:1450</string>
            </array>
        </dict>
        <key>DNS</key>
        <dict>
            <key>__INACTIVE__</key>
            <true/>
        </dict>
        <key>UserDefinedName</key>
        <string>4ghgfggfddg</string>
        <key>IPv6</key>
        <dict>
            <key>ConfigMethod</key>
            <string>Automatic</string>
        </dict>
        <key>Interface</key>
        <dict>
            <key>Type</key>
            <string>VPN</string>
        </dict>
        <key>__INACTIVE__</key>
        <true/>
        <key>VPN</key>
        <dict>
            <key>DisconnectOnIdle</key>
            <integer>0</integer>
        </dict>
        <key>IPv4</key>
        <dict>
            <key>ConfigMethod</key>
            <string>VPN</string>
        </dict>
        <key>Proxies</key>
        <dict>
            <key>__INACTIVE__</key>
            <true/>
            <key>FTPPassive</key>
            <integer>1</integer>
        </dict>
    </dict>
    <key>DF6rftr34354tergsdfsdf1D9</key>
    <dict>
        <key>Interface</key>
        <dict>
            <key>Type</key>
            <string>fgfdgfgfgr</string>
            <key>Hardware</key>
            <string>cfghfhgrCenter</string>
            <key>DeviceName</key>
            <string>ip1</string>

这是我的代码：

cat /var/text.txt |  awk 'match($0, /<key>NetworkServices<\/key>.*<key>(.*)<\/key>.*<key>Interface<\/key>.*<\/key>.*<string>ip1<\/string>/) {print substr($0, RSTART+1, RLENGTH-1)}'

它应该打印DF6rftr34354tergsdfsdf1D9，但它没有。

提前致谢。

这是经过测试的屏幕截图：

Answer 1

需要解决两个问题：模式应该与完整的文档匹配，并且模式使用组来选择值。

第一个问题可以通过指定数据中不存在的模式来解决。在这种情况下使用“”。请参阅Awk to read file as a whole 了解更多信息。

第二个问题是 RSTART、RLENGTH 捕获有关完整匹配的信息。鉴于匹配的模式是由一个组（在本例中为组 1）指定的，因此需要匹配的 3 参数版本，并且应该从组 1 数据中选择起始长度值。示例解决方案使用a 数组来捕获组信息。

这仅适用于 GNU awk。

cat /var/text.txt |  awk RS='<>' '
match($0, /<key>NetworkServices<\/key>.*<key>(.*)<\/key>.*<key>Interface<\/key>.*<\/key>.*<string>ip1<\/string>/, a) {
    print substr($0, a[1, "start"], a[1, "length"]) 
}'

作为旁注，建议 (1) 将每个 dict 键/值对存储到单个 XML 元素中，以及 (2) 使用 XML 工具解析整个文档。这将使任务更容易。例如，对映射条目使用 Java 表示法：

<dict>
   <entry>
      <key> key </key>
      <dict>
     </dict>
   </entry>
<dict>

Answer 2

我不认为 awk 是执行此操作的正确工具，因为它旨在逐行工作。由于您的模式跨越多行并且您有一个 XML 文件，因此请利用 XML 的强大结构。

所以，如果要打印满足某些条件的标记下的文本节点，请使用 xpath 表达式选择它。

根据您上面编写的正则表达式，我假设您正在寻找包含文本“NetworkServices”的标签<key>，然后您转到下一个节点，标签为<dict>，然后您会找到@987654323 @您要查找的节点，记住文本（这是您要查找的内容）并验证它后面是否有<key>Interface</key>，然后转到标记为<dict> 的下一个节点，您必须在其中检查是否存在一个节点<key>DeviceName</key>，后跟<string>ip1</string>。

这是我将使用 xpath 进行选择的代码：

/usr/bin/xpath -q -e '
  //key[text()="NetworkServices"]/following-sibling::dict[1]
    /key[
      following-sibling::dict[1]/key[
        text()="Interface" and 
        following-sibling::dict[1]/key[
          (text()="DeviceName") and (following-sibling::string[1]/text()="ip1")
        ]
      ]
    ]
    /text()
' input.xml