Question

我有一个带有以下（无效）结构的xml

<tag1>text1<tag2>text2</tag1><tag3>text3</tag3><tag1></tag2>text4</tag1>

我想用sed将其改成

<tag1>text1<tag2>text2<tag3>text3</tag3></tag2>text4</tag1>

即。如果遇到无效的xml子字符串为</tag1>...<tag1>

，我想删除tag1（并在封闭的<tag1></*下移动所有内容）

我尝试过使用sed但没有成功（下面有一个这样的尝试）

sed -e 's/<\/tag1>\(.*\)<tag1><\//\1<\//g'

它适用于上面的示例，但是如果我有两次出现相同的条件，则只删除第一个</tag1>和最后一个<tag1>，而不是执行两次替换

echo '<tag1>text1<tag2>text2</tag1><tag3>text3</tag3><tag1></tag2>text4</tag1><tag1>text5<tag4>text6</tag1><tag3>text7</tag3><tag1></tag4>text8</tag1>' | sed -e 's/<\/tag1>\(.*\)<tag1><\//\1<\//g'

输出

<tag1>text1<tag2>text2<tag3>text3</tag3><tag1></tag2>text4</tag1><tag1>text5<tag4>text6</tag1><tag3>text7</tag3></tag4>text8</tag1>

我认为sed只是扩展RE来覆盖最大的选择，但如果我不想让它做这样的事情该怎么办呢？

Answer 1

你想要非贪婪的匹配，但据我所知，sed并不支持它。你可以使用perl还是必须使用sed？

尝试：perl -p -e 's/<\/tag1>(.*?)<tag1>(\<\/.+?<\/tag1>)/\1\2/g'

我认为问题是正则表达式必须匹配到实际结束时，否则结束标记将成为下一场比赛的开始。

Answer 2

sed 's|</tag1><tag3>|<tag3>|;s|</tag3><tag1>|</tag3>|' file.xml

输出：

<tag1>text1<tag2>text2<tag3>text3</tag3></tag2>text4</tag1>

Answer 3

This might work for you (GNU sed):

sed -r 's/<tag1>/\n/g;s/<\/tag1>(<tag3>[^\n]*)\n/\1/g;s/\n/<tag1>/g' file

Reduce <tag1> to a unique character i.e \n then use the negated character class [^\n] to obtain non-greedy matching. Following the changes reverse the initial substitution.

Answer 4

GNU sed

sed '\,<tag1></,{ s,</tag1>,,; s,<tag1>,,2; }' <<END
<tag1>text1<tag2>text2</tag1><tag3>text3</tag3><tag1></tag2>text4</tag1>  <!-- error case -->
<tag1><tag2 /></tag1><tag1><tag3 /></tag1>                                <!-- should not change -->
END

<tag1>text1<tag2>text2<tag3>text3</tag3></tag2>text4</tag1>  <!-- error case -->
<tag1><tag2 /></tag1><tag1><tag3 /></tag1>                                <!-- should not change -->

如果看到字符串<tag1></，则删除第一个</tag1>和第二个<tag1>

如何使用sed修复xml问题

4 个答案: