sed编辑，删除xml标签答案

【问题标题】：sed edit, delete xml tagssed编辑，删除xml标签
【发布时间】：2016-01-25 19:10:53
【问题描述】：

我是新手，有个很棒的编辑器叫做 - sed。

我想删除所有 xml 标签并在特定标签之间提取字符串 - reportBody

单行显示如下：

<?xml version="1.0" ?><SOAP- ENV:Envelope xmlns:SOAP-ENV="blablah"><SOAP-ENV:Body> <getReportResponsexmlns:msgns="blahblahblah" xmlns="blahblah"><returnxmlns=""> <returnCode><majorReturnCode>000</majorReturnCode><minorReturnCode>0000</minorReturnCode><returnCode><reportName>blahblah</reportName><reportTitle>blahblahblahr</reportTitle><reportBody>STRING TO EXTRACT</reportBody><reportMimeType>text/csv</reportMimeType></return></getReportResponse></SOAP-ENV:Body></SOAP-ENV:Envelope>

问题是xml文件可以不同，有时它写在一行中，或者写成2-3行，或者要提取的字符串将存储在reportBody标签之间的多于1行中。所以它可以是类似的，甚至是不同的：

    <?xml version="1.0" ?><SOAP- ENV:Envelope xmlns:SOAP-ENV="blablah"><SOAP-ENV:Body> 
`enter code here`<getReportResponsexmlns:msgns="blahblahblah" xmlns="blahblah">
<returnxmlns=""> <returnCode>
<majorReturnCode>000</majorReturnCode><minorReturnCode>0000</minorReturnCode>
<returnCode>
<reportName>blahblah</reportName><reportTitle>blahblahblahr</reportTitle><reportBody>
STRING 
TO 
EXTRACT</reportBody>
<reportMimeType>text/csv</reportMimeType></return>
</getReportResponse></SOAP-ENV:Body></SOAP-ENV:Envelope>

应对所有可能的变化的解决方案是什么？另外，我可以设置参数来保存文件并将字符串解码为base64吗？谢谢！

【问题讨论】：

好主意，但是这个字符串可以包含比最大值更多的符号。字符串的值，所以xml解析器无法处理。
很遗憾您问题中的 XML 无效 - 我怀疑这只是您为我们准备示例的结果。如果它是有效的，那么正如@123 所建议的那样，你真的应该使用像xmllint --xpath '//reportBody/text()' file.xml 这样的命令。
它无效 :( 它来自一个 m2m 服务器，reportBody 内附有 base64 编码文件

标签： xml bash sed

【解决方案1】：

你可以使用这个 gnu-awk 来提取它：

awk -v RS='<reportBody>.*</reportBody>' 'RT{print RT}' file.xml
<reportBody>
STRING
TO
EXTRACT</reportBody>

第一次输入你会得到这个输出：

<reportBody>STRING TO EXTRACT</reportBody>

-v RS='<reportBody>.*</reportBody>' 将输入记录分隔符设置为从<reportBody> 到</reportBody> 的任何文本

用途：

awk -v RS='<reportBody>.*</reportBody>' 'RT{
     gsub(/<\/?reportBody>[[:space:]]*/, "", RT); print RT}' file.xml

如果要提取标签内的字符串。

【讨论】：

更新：看到你的旧消息，谢谢一百万！老：那么，awk 可以轻松提取“reportBody”标签之间的字符串（STRING TO EXTRACT）吗？字符串可以存储在多于 1 行或恰好存储在 1 行中是否重要？此外，整个 xml 不会与您看到的“reportName”和“reportTitle”标签相同，它们之间的字符串也不会相同。
太棒了，将尝试使用完整文件（超过 10k 个符号），再次感谢您！
不起作用 :( 输出文件为空，也许我做错了什么
找到了 sed 的解决方案适用于任何情况 ------ cat $1 | tr "\n" "|" | grep -o '.*' | sed 's/(\|)//g' | sed 's/|/\n/g' | sed '/^\s*$/d' > $2
附上整个代码，一切都很好，再次感谢您！ :)