带有特定文本的多行 grep答案

【问题标题】：Multiline grep with specific text带有特定文本的多行 grep
【发布时间】：2019-10-08 12:33:16
【问题描述】：

有一个xml文件，里面有很多<A_tag>-s。

我需要查看至少有一个 <C_tag> 的那些 A 标记（及其子标记，因此标记的全部内容）。

所以这个块应该匹配（因此包含在结果中）：

<A_tag>
    ...
    ...
    <C_tag attr1="" ... attrn="" />
    ...
</A_tag>

我尝试使用 pcregrep，但我不知道如何判断任何大于 1 个字符的块结尾（并且 </A_tag> 比这更长，但例如 [^>] 正则表达式对我来说也很容易)。

我也尝试过 awk，但也无法使用它来管理目标。

如果有经验的人可以帮助我，请让你的命令也用空行分隔找到的块，这样我可以了解更多。

【问题讨论】：

xml file - 也许使用 xml 感知解析器？ xmllint?

标签： bash awk grep pcregrep

【解决方案1】：

跟进 xmllint 评论：

xmllint --xpath '(//A_tag/C_tag/..)' x.xml

会在A_TAG下寻找C_TAG，然后显示父A_TAG。

输出：

<A_tag>
    <C_tag attr1="" attrn=""/>
</A_tag>

【讨论】：

【解决方案2】：

是的，就我而言，这就是解决方案：

xmllint --shell x.xml <<< 'xpath //A_tag//C_tag/ancestor::A_tag'

这是因为我的xmllint 版本不支持--xpath 选项。此外，C_tag 可以是A_tag 的任何后代，而不仅仅是直接孩子（我没有对此进行澄清）。不过dash-o的答案似乎是正确的。

我唯一的问题是我正在使用的这个 xml 文件包含 450 万行，其中 xmllint 原来很慢 - 因为它确实解析了文件。

如果您有更通用的解决方案适用于awk 或pcregrep，请与我分享。它们在这里会很好，因为它们只使用模式。

否则明天我会接受原来的答案。

【讨论】：

【解决方案3】：

如果文件打印得很漂亮（或遵循类似的规则），可以编写小的 awk 脚本，并且只作用于 a_tag 和 c_tag 行：

awk '
/<A_tag>/      { in_a=$0 ; c="" ; next }
in_a           { in_a = in_a RS $0}
/<C_tag/       { c=$0 ; next }
/<\/A_tag>/    { if ( in_a && c ) { print in_a ; in_a="" ; c=""} }
' x.xml

【讨论】：