Question

我希望迭代一个与XML文件中的ID号匹配的ID号列表，并使用BASH（和AWK）将下面的行打印到shell或将其重定向到第三个输出文件（output.txt））

以下是细分：

ID_list.txt（此示例缩写 - 它有100个ID）

XML_example.txt（数千个条目）

<book>
  <ID>4414</ID>
  <name>Name of first book</name>
</book>
<book>
  <ID>4561</ID>
  <name>Name of second book</name>
</book>

我希望脚本的输出是第一个文件中100个ID的名称：

Name of first book
Name of second book
etc

我相信可以使用BASH和AWK使用for循环（对于文件1中的每个，在file2中找到相应的名称）。我认为您可以为ID编号重新设置GREP，然后使用AWK打印它下面的行。即使输出看起来像这样，我也可以删除XML标签：

<name>Name of first book</name>
<name>Name of second book</name>

它位于Linux服务器上，但我可以将其移植到Windows上的PowerShell。我认为BASH / GREP和AWK是可行的方法。

有人可以帮我编写脚本吗？

Answer 1

给定ID，您可以使用XPath xpressions和xmllint命令获取名称，如下所示：

id=4414
name=$(xmllint --xpath "string(//book[ID[text()='$id']]/name)" books.xml)

因此，你可以这样写：

while read id; do
    name=$(xmllint --xpath "string(//book[ID[text()='$id']]/name)" books.xml)
    echo "$name"
done < id_list.txt

与涉及awk，grep和朋友的解决方案不同，这是正在使用的一个实际的XML解析工具。这意味着虽然大多数其他如果遇到以下问题，解决方案可能会中断：

<book><ID>4561</ID><name>Name of second book</name></book>

......这样做会很好。

xmllint是libxml2包的一部分，大多数都可用分布。

另请注意，最新版本的awk有native XML parsing。

Answer 2

$ awk '
NR==FNR{ ids["<ID>" $0 "</ID>"]; next }
found { gsub(/^.*<name>|<[/]name>.*$/,""); print; found=0 }
$1 in ids { found=1 }
' ID_list.txt XML_example.txt
Name of first book
Name of second book

Answer 3

这是一种方式：

while IFS= read -r id
do
    grep -A1 "<ID>$id</ID>" XML_example.txt | grep "<name>"
done < ID_list.txt

这是另一种方式（单线）。这样更有效，因为它使用单个grep来提取所有id而不是循环：

egrep -A1 $(sed -e 's/^/<ID>/g' -e 's/$/<\/ID>/g' ID_list.txt | sed -e :a -e '$!N;s/\n/|/;ta' ) XML_example.txt | grep "<name>"

输出：

<name>Name of first book</name>
<name>Name of second book</name>

Answer 4

如果必须以bash

进行，我会去BASH_REMATCH路线

 BASH_REMATCH
          An  array  variable  whose members are assigned by the =~ binary
          operator to the [[ conditional command.  The element with  index
          0  is  the  portion  of  the  string matching the entire regular
          expression.  The element with index n  is  the  portion  of  the
          string matching the nth parenthesized subexpression.  This vari‐
          able is read-only.

如下所示

#!/bin/bash

while read -r line; do
  [[ $print ]] && [[ $line =~ "<name>"(.*)"</name>" ]] && echo "${BASH_REMATCH[1]}"

  if [[ $line == "<ID>"*"</ID>" ]]; then
    print=:
  else
    print=
  fi
done < "ID_list.txt"

示例输出

> abovescript
Name of first book
Name of second book

BASH脚本迭代XML文件中的ID列表并将名称打印/输出到shell或输出文件？

4 个答案: