Question

我遇到了一个有趣的问题（至少对我而言）。我们来看一个xml文件：

<a>pair1a</a>
<b>pair1b</b>
<c>randomtext</c>
<a>pair2a</a>
<b>pair2b</b>
...

标记始终位于<a>标记之后。我想要得到的是<a>和之间保存和关联在一起的内容。我应该如何在 bash 中解决此问题，以便以后我可以轻松访问和管理数据？我想到了关联数组或将所有内容放在一个数组中，并用一些分隔符将内容与b分开（尽管这可能很棘手）。我的方法非常简单，就像把一切都变成两个数组，然后让它们使用单个索引（顺便说一句，我已经习惯了perl regex，这就是grep正在使用的）。这可以简化吗？

a_Array=$(curl --silent -L $xml | grep -oP '(?<=<a>).*?(?=</a>)')
b_Array=$(curl --silent -L $xml | grep -oP '(?<=<b>).*?(?=</b>)')

Answer 1

使用shell方法无法正确解析XML。有关此主题的very nice text。

说到这里，规则可能有例外。例如，如果您的输入不是任意XML而是特定格式的XML，您可以使用grep等解析它。

在您的示例中，我猜元素<a>...</a>和...每个都没有属性，每个属性在空时都不会缩写为<a/>，每个都只有一行，并且始终相互跟随。此外，我想我们可以假设您的XML中不会出现[CDATA[...]]或类似内容，反过来可能会出现类似于您的元素的内容。最后，我们假设你输入中没有空格uglinesses（像< a >那样）。

如果是这种情况，你只需要'^<a>'和'^'，是的。您还可以找到grep的选项-A和-B，例如：

cat my.xml | grep -A 1 '^<a>'

这将打印以<a>开头的所有行，并且每行都在这一行之后。 -B可用于在与正则表达式匹配的行之前包含行。

用bash解析XML对

1 个答案: