Sed脚本 - 删除行

Question

我的sed脚本需要帮助。我有一个XML文件，我必须删除除这些标记中包含的文本之外的所有内容：

<TEXT>......</TEXT>
<HEADLINE>......</HEADLINE>

如何编写sed代码？我知道如何删除除ONE标签中所包含的文本之外的所有内容。

s/.*<TEXT>\(.*\)<\/TEXT>.*/\1/

但是我如何编写许多标签的sed代码？

Answer 1

您可以将多个命令传递给sed：

$ echo '<TEXT>Hello</TEXT>
<HEADLINE>there</HEADLINE>' | sed -n 's/.*<TEXT>\(.*\)<\/TEXT>.*/\1/gp; s/.*<HEADLINE>\(.*\)<\/HEADLINE>.*/\1/gp' 
Hello
there

但是在将regex应用于类似XML的文件时，你真的应该小心。

Answer 2

假设您有有效的XML：

sed '/.*<\(TEXT\|HEADLINE\)>\(.*\)<\/\(TEXT\|HEADLINE\)>.*/!d;s//\2/' yourfile.xml

如果您想使用 sed 脚本，请添加以下行：

/.*<\(TEXT\|HEADLINE\)>\(.*\)<\/\(TEXT\|HEADLINE\)>.*/!d;s//\2/

然后运行：

sed -f yourscript.sed < yourfile.xml

Answer 3

这可能适合你（GNU sed）：

 sed -r '/<(text|headline)>/I!d;s//&\n/;s/^[^\n]*\n//;:a;/<\//!{$!{N;ba}};s/\n/ /g;s/<\//\n&/;P;D' file

这将删除TEXT和HEADLINE标记之间的所有文本接受，并在多行值上用空格替换换行符。