我有一个大约2GB的大型XML文件。为了使事情变得有趣，整个数据都在一行中。
我正在尝试在此文件中的特定标记的末尾插入换行符，以使其成为多行文件，这样我就可以将其拆分并对其执行更多操作。
root@server:~# sed -i -e 's/\<\/Dummy\>/\<\/Dummy\>\\\n/g' file_name
我尝试过sed，vi和joe没有运气。 XML中每个节点的长度不同，因此我无法根据字符数拆分文件。
我有办法通过命令行将这个大的单行文件变成多行文件吗？
答案 0 :(得分：1)
您可以做的是使用xmllint xmllint --format pathtofile.xml将其格式化为规范xml，然后将其格式化为sed。
答案 1 :(得分：0)
我想我实际上是用gawk而不是sed来做这件事。
你没有包含输入数据，所以我会做一些。
$ printf '<a><b></b><b></b></a><a><c></c></a>' | gawk -vRS='</a>' '{print $0 RS}'
<a><b></b><b></b></a>
<a><c></c></a>
通常，awk（或gawk）会将每一行视为唯一记录，每行分为由空格分隔的字段。
如果您通过某个XML标记拆分记录，则可以依赖于print在打印每个“输入记录”后将新行添加为默认ORS（输出记录分隔符）这一事实。
与sed解决方案不同，它会尝试将一个完整的“记录”（行）读入内存以便对其执行操作，我怀疑此解决方案只会使用足够的内存来“记住”空间来逐步执行文件记录分隔符之间。 （这解决了“大文件”问题。）
另外三件事要注意。
首先，记录分隔符不是XML原生的概念，因此任何使用sed，awk或任何本身不能解释XML 的解决方案都是黑客。使用本机支持您的数据格式的工具，您将始终获得更好的结果。
第二，因为在我的例子中，我已经指定了一个记录分隔符，即XML标记的关闭，输入数据可能有三个记录，其中第三个是null。如果在最终的“记录分隔符”后面有换行符，则第三条记录可能会在输出中的另一个RS中终止。被警告。这是事物＃1的结果。
第三，这是一个 gawk 解决方案，而不是 awk 解决方案，因为其他awk实现通常不支持多个字符作为记录分隔符。
YMMV。这不是一个很好的解决方案，但它可能足以满足您的需求。
答案 2 :(得分：0)
我公然窃取了ghoti answer {/ 3}}的输入内容：
$ cat file_name
<a><b></b><b></b></a><a><c></c></a>
您的尝试有一些问题，修改为较短的标记：
sed -i -e 's/\<\/a\>/\<\/a\>\\\n/g' file_name
在这种情况下无需-e：
sed -i 's/\<\/a\>/\<\/a\>\\\n/g' file_name
为避免必须转义/，我们可以使用不同的分隔符：
sed -i -e 's|\</a\>|\</a\>\\\n|g' file_name
如果您使用< >转义\< \>，则sed 1 认为您的意思是＆＃34;字边界＆＃34;，但在这种情况下，您的意思是文字< >并且不应该逃避它们：
sed -i -e 's|</a>|</a>\\\n|g' file_name
这已经某事：
$ sed -i -e 's|</a>|</a>\\\n|g' file_name
<a><b></b><b></b></a>\
<a><c></c></a>\
[empty line here]
因此，如果你真的想在每一行的末尾都有\，那么我们几乎就在那里。 （如果没有，您只需将\\\n替换为\n。）
化妆品：无需写出我们在替换中匹配的所有内容，我们只能使用&：
sed -i -e 's|</a>|&\\\n|g' file_name
最后，如果我们的文件恰好以<a>结尾（示例输入有），我们可能希望从输出的末尾删除反斜杠（和换行符！）： p>
$ sed -e 's|</a>|&\\\n|g;s/\\\n$//' file_name
<a><b></b><b></b></a>\
<a><c></c></a>
当然，所有关于使用非XML工具操纵XML的说法仍然适用：你不应该这样做，如果你这样做，期望你的解决方案容易破解。
1 至少GNU sed会这样做，但这被标记为＆＃34; Linux＆＃34;我假设你使用的是GNU sed。
答案 3 :(得分：0)
尝试流选项：
xmllint --stream --format file_name > lintout.xml