Question

我需要搜索一个包含数百或数千个文件的目录，每个文件包含带有一个或多个特定字符串实例的XML（带数据的开始/结束标记）。我可以通过

获取字符串的所有实例

grep -ho '<mytagname>..............<\/mytagname>' /home/xyzzy/mydata/*.XML > /home/mydata/tagvalues.txt

然后一些sed命令剥离标签，所以我最终得到一个只包含值列表的文件：

  value001
  value002
  value003

（等）

理想情况下，我希望文件的每一行都包含文件名，以便我可以导入数据库进行分析。

所以我的结果会是这样的

fileAAA value001
fileAAA value002
fileAAA value003
fileBBB value004

上述的精确格式很灵活 - 可以有空格或其他分隔符，它甚至可以包含开始/结束标记。

我能得到的最接近的是grep -o

fileAAA:value001
value002
value003
fileBBB:value004

perl单线程看起来很理想，但我已经足够新了，我不知道如何开始。

Answer 1

可以使用像这样的单线程来完成：

perl -lne 'print "$ARGV $1" if /<mytagname>(.*?)<\/mytagname>/' *.xml

但是，我强烈建议您使用实际的XML解析器，例如XML::Twig或XML::LibXML

use strict;
use warnings;

use XML::LibXML;

for my $file (</home/xyzzy/mydata/*.XML>) {
    my $doc = XML::LibXML->load_xml(location => $file);
    for my $node ($doc->findnodes("//mytagname")) {
        print "$file " . $node->textContent() . "\n";
    }
}

Answer 2

awk怎么样？

awk -F'</?mytagname>' '$2 {print FILENAME,$2}' /home/xyzzy/mydata/*.XML

说明：

-F regex - set field delimiter必须是一个单独的参数，因此用自己的引号括起来
$2 - 如果第二个字段的值为
{print FILENAME,$2} - print filename SPACE第二个字段的值

Unix - 文件名和字符串结果在同一行

2 个答案: