Question

我在XML文件中有记录，如下所示。我需要搜索<keyword>SEARCH</keyword>以及是否存在然后我需要获取整个记录并写入另一个文件。（从<record>开始到</record>）

下面是我的awk代码，它是内部循环。 $1保存每条记录的逐行值。

if(index($1,"SEARCH")>0)
{
print $1>> "output.txt"
}

这个逻辑有两个问题，

正在写入output.txt个文件，只有<keyword>SEARCH</keyword>个元素，而不是整个记录（从<record>到</record>）
SEARCH也可以出现在<detail>标记中。此代码甚至会将该标记写入output.txt

XML文件：

<record category="xyz">
<person ssn="" e-i="E">
<title xsi:nil="true"/>
<position xsi:nil="true"/>
<names>
<first_name/>
<last_name></last_name>
<aliases>
<alias>CDP</alias>
</aliases>
<keywords>
<keyword xsi:nil="true"/>
<keyword>SEARCH</keyword>
</keywords>
<external_sources>
<uri>http://www.google.com</uri>
<detail>SEARCH is present in abc for xyz reason</detail>
</external_sources>
</details>
</record>
<record category="abc">
<person ssn="" e-i="F">
<title xsi:nil="true"/>
<position xsi:nil="true"/>
<names>
<first_name/>
<last_name></last_name>
<aliases>
<alias>CDP</alias>
</aliases>
<keywords>
<keyword xsi:nil="true"/>
<keyword>DONTSEARCH</keyword>
</keywords>
<external_sources>
<uri>http://www.google.com</uri>
<detail>SEARCH is not present in abc for xyz reason</detail>
</external_sources>
</details>
</record>

Answer 1

$ cat x.awk
/<record / { i=1 }
i { a[i++]=$0 }
/<\/record>/ {
    if (found) {
        for (i=1; i<=length(a); ++i) print a[i] > "output.txt"
    }
    i=0;
    found=0
}
/<keyword>SEARCH<\/keyword>/ { found=1 }


$ awk -f x.awk x.xml

$ cat output.txt
<record category="xyz">
<person ssn="" e-i="E">
<title xsi:nil="true"/>
<position xsi:nil="true"/>
<names>
<first_name/>
<last_name></last_name>
<aliases>
<alias>CDP</alias>
</aliases>
<keywords>
<keyword xsi:nil="true"/>
<keyword>SEARCH</keyword>
</keywords>
<external_sources>
<uri>http://www.google.com</uri>
<detail>SEARCH is present in abc for xyz reason</detail>
</external_sources>
</details>
</record>

Answer 2

你似乎已经从Unix & Linux交叉发布了这个问题 - 我在这里给出了同样的答案：

我将假设您发布的内容是一个示例，因为它不是有效的XML。如果这个假设不有效，我的回答并不成立......但如果是这样的话，你真的需要找到那个用XML规范的卷起副本给你XML的人，并要求他们解决问题＆＃39;。

但实际上 - awk和正则表达式不适合这项工作。 XML解析器是。使用解析器，按照自己的意愿行事非常简单：

#!/usr/bin/env perl

use strict;
use warnings;

use XML::Twig; 

#parse your file - this will error if it's invalid. 
my $twig = XML::Twig -> new -> parsefile ( 'your_xml' );
#set output format. Optional. 
$twig -> set_pretty_print('indented_a');

#iterate all the 'record' nodes off the root. 
foreach my $record ( $twig -> get_xpath ( './record' ) ) {
   #if - beneath this record - we have a node anywhere (that's what // means)
   #with a tag of 'keyword' and content of 'SEARCH' 
   #print the whole record. 
   if ( $record -> get_xpath ( './/keyword[string()="SEARCH"]' ) ) {
       $record -> print;
   }
}

xpath与正则表达式非常相似 - 在某些方面 - 但它更像是一个目录路径。这意味着它可以识别上下文，并且可以处理XML结构。

在上面：./表示在当前节点＆＃39;下方。这样：

$twig -> get_xpath ( './record' )

意味着任何顶级＆＃39; <record>个标签。

但.//表示＆＃34;在任何级别，低于当前节点＆＃34;所以它会以递归方式进行。

$twig -> get_xpath ( './/search' )

将获得任何级别的任何<search>个节点。

方括号表示一个条件 - 它是一个函数（例如text()来获取节点的文本）或者你可以使用一个属性。例如//category[@name]会找到任何具有name属性的类别，而//category[@name="xyz"]会进一步过滤这些属性。

用于测试的XML：

<XML>
<record category="xyz">
<person ssn="" e-i="E">
<title xsi:nil="true"/>
<position xsi:nil="true"/>
<details>
<names>
<first_name/>
<last_name></last_name>
</names>
<aliases>
<alias>CDP</alias>
</aliases>
<keywords>
<keyword xsi:nil="true"/>
<keyword>SEARCH</keyword>
</keywords>
<external_sources>
<uri>http://www.google.com</uri>
<detail>SEARCH is present in abc for xyz reason</detail>
</external_sources>
</details>
</person>
</record>
<record category="abc">
<person ssn="" e-i="F">
<title xsi:nil="true"/>
<position xsi:nil="true"/>
<details>
<names>
<first_name/>
<last_name></last_name>
</names>
<aliases>
<alias>CDP</alias>
</aliases>
<keywords>
<keyword xsi:nil="true"/>
<keyword>DONTSEARCH</keyword>
</keywords>
<external_sources>
<uri>http://www.google.com</uri>
<detail>SEARCH is not present in abc for xyz reason</detail>
</external_sources>
</details>
</person>
</record>
</XML>

输出：

 <record category="xyz">
    <person
        e-i="E"
        ssn="">
      <title xsi:nil="true" />
      <position xsi:nil="true" />
      <details>
        <names>
          <first_name/>
          <last_name></last_name>
        </names>
        <aliases>
          <alias>CDP</alias>
        </aliases>
        <keywords>
          <keyword xsi:nil="true" />
          <keyword>SEARCH</keyword>
        </keywords>
        <external_sources>
          <uri>http://www.google.com</uri>
          <detail>SEARCH is present in abc for xyz reason</detail>
        </external_sources>
      </details>
    </person>
  </record>

注意 - 上面只是将记录打印到STDOUT。实际上......在我看来，这不是一个好主意。尤其是因为 - 它没有打印XML结构，因此它实际上并不是有效的＆＃39;如果你有多个记录（那里没有＆＃34; root＆＃34;节点），那就是XML。

所以我宁愿 - 完全按照你的要求来完成：

#!/usr/bin/env perl

use strict;
use warnings;

use XML::Twig; 

my $twig = XML::Twig -> new -> parsefile ('your_file.xml'); 
$twig -> set_pretty_print('indented_a');

foreach my $record ( $twig -> get_xpath ( './record' ) ) {
   if ( not $record -> findnodes ( './/keyword[string()="SEARCH"]' ) ) {
       $record -> delete;
   }
}

open ( my $output, '>', "output.txt" ) or die $!;
print {$output} $twig -> sprint;
close ( $output );

相反 - 反转逻辑，并删除（从内存中已解析的数据结构）您不想要的记录，并打印整个新结构（包括XML头）一个名为＆＃34; output.txt＆＃34;。

的新文件

Answer 3

将GNU awk用于多字符RS：

$ awk -v RS='</record>\n' '{ORS=RT} /<keyword>SEARCH<\/keyword>/' file 
<record category="xyz">
<person ssn="" e-i="E">
<title xsi:nil="true"/>
<position xsi:nil="true"/>
<names>
<first_name/>
<last_name></last_name>
<aliases>
<alias>CDP</alias>
</aliases>
<keywords>
<keyword xsi:nil="true"/>
<keyword>SEARCH</keyword>
</keywords>
<external_sources>
<uri>http://www.google.com</uri>
<detail>SEARCH is present in abc for xyz reason</detail>
</external_sources>
</details>
</record>

如果您需要搜索多个关键字中的任何一个，那么只需将它们列为：

$ awk -v RS='</record>\n' '{ORS=RT} /<keyword>(SEARCH1|SEARCH2|SEARCH3)<\/keyword>/' file

awk：解析并写入另一个文件

3 个答案: