Question

我有一个看起来像这样的feed.xml文件。我想要做的是从这个feed获取test.html。（基本上，最重要的项目的网址。）有关如何做到这一点的任何想法？

<rss>
<item>
    <title>ABC</title>
    <url>
        test.html
    </url>
</item>
<item>
    <title>CDE</title>
    <url>
        test1.html
    </url>
</item>
</rss>

谢谢！

Answer 1

如果结构已修复，并且您知道该URL具有后缀.html，则可以执行以下操作：

  cat <yourfile> | grep ".html" | head -n1

如果您不知道后缀（或之前可以存在字符串“html”），您可以这样做：

 cat <yourfile> | grep -A1 "<url>" | head -n2 | tail -n1

修改如果结构不固定（即没有换行符），那么就有了这个

Answer 2

这可能对您有用：

 sed '/<url>/,/<\/url>/{//d;s/ *//;q};d' file.xml

Answer 3

这个awk脚本应该可以工作：

awk '/<url>/ && url==0 {url=1;next;} {if(url==1) {print;url=2;}}' file

修改

以下grep命令也可能有效：

grep -m 1 "^ *<url>" -A1 file | grep -v "<url>"

Answer 4

我建议不使用基于行的工具，而是建议使用xsl转换从文档中获取所需的数据，而不要对其格式化方式做出假设。

如果将其保存到get-url.xsl：

<?xml version="1.0"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema">
        <xsl:output method="text"/>
        <xsl:template match="/">
                    <xsl:value-of select="normalize-space(rss/item/url)"/>
        </xsl:template>
</xsl:stylesheet>

然后您可以从url获取feed.xml的值，如下所示：

$ xsltproc get-url.xsl feed.xml; echo
test.html
$

额外的echo就是在输出结束后为你提供换行符，以使其对交互式shell友好。如果您要将结果分配给带有$()的shell变量，请将其删除。

在第一次出现两个字符串之间获取文本[Shell]

4 个答案: