Question

我有一个像这样的大型.xml文件：

c1="a1" c2="b1" c3="cccc1"

c1="aa2" c2="bbbb2" c3="cc2"

c1="aaaaaa3" c2="bb3" c3="cc3"

...

我需要如下结果：

a1 b1 cccc1

aa2 bbbb2 cc2

aaaaaa3 bb3 cc3

...

如何在BASH中获取该列？

我在PL / SQL中有以下方法，但它非常不方便：

SELECT C1,
       TRIM(BOTH '"' FROM REGEXP_SUBSTR(C1, '"[^"]+"', 1, 1)) c1,
       TRIM(BOTH '"' FROM REGEXP_SUBSTR(C1, '"[^"]+"', 1, 2)) c2,
       TRIM(BOTH '"' FROM REGEXP_SUBSTR(C1, '"[^"]+"', 1, 3)) c3
FROM TEST;

Answer 1

awk -F '"' '{ for(i=2; i<=NF; i+=2) { printf $i" " } print "" }'

说明

-F '"'使得Awk将引号（"）视为字段分隔符。例如，Awk将分割线......

c1="a1" c2="b1" c3="cccc1"

...进入编号为......

的字段

1: 'c1='
2: 'a1'
3: ' c2='
4: 'b1'
5: ' c3='
6: 'cccc1'
7: ''

for(i=2; i<=NF; i+=2) { printf $i" " }从字段2开始，打印字段的值，跳过字段，然后继续。在这种情况下，将打印字段2,4和6。

print输出后跟换行符的字符串。 printf也输出一个字符串，但不附加换行符。因此...

printf $i" "

...输出字段$i后跟空格的值。

print ""

...只是输出换行符。

Answer 2

您还可以查看内置的子串替换/删除 bash优惠。在短脚本或 One-Liner ：

#!/bin/bash

while read -r line; do 
    new=${line//c[0-9]=/}  ## remove 'cX=', where X is '0-9'
    new=${new//\"/}        ## remove all '"' (double-quotes)
    echo "$new"
done <"$1"

exit 0

<强>输入

$ cat dat/stuff.xml
c1="a1" c2="b1" c3="cccc1"

c1="aa2" c2="bbbb2" c3="cc2"

c1="aaaaaa3" c2="bb3" c3="cc3"

<强>输出

$ bash parsexmlcx.sh dat/stuff.xml
a1 b1 cccc1

aa2 bbbb2 cc2

aaaaaa3 bb3 cc3

作为One-Liner

while read -r line; do new=${line//c[0-9]=/}; new=${new//\"/}; echo "$new"; done <dat/stuff.xml

Answer 3

使用cut：

cut -d'"' -f2,4,6 --output-delimiter=" " test.txt

如果列数不知道，您可以使用sed：

sed 's/[a-z][a-z0-9]\+="\([^"]\+\)"/\1/g' < test.txt

<强>解释

[a-z][a-z0-9]\+ - 匹配以alpha字符开头的字符串，后跟任意数量的字母数字字符
"$[^"]\+$" - 捕获引号内的任何字符串
\1 - 表示捕获的字符串，在本例中用于替换整个匹配

perl方法（基于awk answer by @A-Ray）

perl -F'"' -ane 'print join(" ",@F[ map { 2 * $_ + 1} (0 .. $#F) ]),"\n";' < test.txt

<强>解释

-F'"'将输入分隔符设置为"
-a自动启动 - 这导致@F被归档输入中的字段内容
-n遍历所有行，但默认情况下不打印
-e执行以下代码
map { 2 * $_ + 1} (0 .. $#F)生成索引列表（1,3,5 ...）
@F[map { 2 * $_ + 1} (0 .. $#F)]从数组中获取切片，仅选择奇数字段
join - 用空格连接切片

注意：我没有充分的理由不使用这种方法，前两个更容易。

一些基准测试（在Raspberry Pi上，60000行输入文件和输出丢弃到/ dev / null）

cut - 0m0.135s毫不奇怪
sed - 0m5.864s
perl - 0m8.218s - 我想重新生成索引列表的每一行都不是那么快（使用硬编码的切片列表，它会变为一半，但这样做会失败）
bash purist“solution” - 0m52.027s谈论

当bash提供内置工具来完成所需的工作时，产生不必要的子shell只是简单的草率

如何在BASH中获取该列？

3 个答案:

说明