Question

首先，我正在使用Cygwin mintty 2.7.4所以... posix。我有一个类似于以下文件的多个代码片段：

<blah>Spread the peanut butter <ramout assot="f0123_fun10" bapel="2 or 6"/> on good looking bread <ramout assot="f0123_fun10" bapel="3 or 5"/> that does not have peanut butter <ramout assot="f0123_fun10" bapel="2 or 6"/> already on the bread this that and the other <ramout assot="f0123_fun10" bapel="4"/> with something else.</blah>

我试图在一组blah标签中找到ramout标签的重复实例。如果存在以下内容：

<ramout assot="f0123_fun10" bapel="2 or 6"/>

我想知道它是否在一组打开和关闭的blah标签中再次重复。

我尝试过多种方法。最新的一个是以下内容：

grep -Eoi '<blah>.*([[:space:]]<ramout assot).*\1.*</blah>' *.xml | less

没有返回任何内容。

我也尝试过：

 grep -Eio '<blah>.*([[:space:]]<ramout assot="[a-z][0-9]{5}_fig[0-9]+" bapel="[0-9]+.*)' *.xml

不包括网络结果但不显示所有结果的反向引用。看起来这只是显示一行/不跨越多行的结果。

如果我想搜索可能在一行上的东西，我应该使用sed吗？

awk是否可行？我看到并尝试过：awk＆＃39; / Start pattern /，/ End pattern /＆＃39;文件名返回了更多结果，但我仍然没有得到所有结果。

任何帮助都能找到a）所有ramout结果在整个文件中，并且单独b）所有rahout结果在blah标签中都是重复的。

预期结果如下：

搜索结果a）显示所有ramout结果：

<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="3 or 5"/>
<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="4"/>

搜索结果b）显示重复结果显示：

<ramout assot="f0123_fun10" bapel="2 or 6"/>

Answer 1

要解析/查询XML / XHTML文档，请使用以下工具之一：

xmlstarlet
xmllint
撒克逊皮棉

我会使用xmlstarlet建议解决方案 1）安装xmlstarlet工具
2）使用 XmlStarlet select或sel选项查询或搜索 XML 文档（xmlstarlet manual）

a）整个文件中的所有<ramout>个标签：

xmlstarlet sel -t -n  -m "//blah/ramout" -c "." -n testfile.xml

输出：

<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="3 or 5"/>
<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="4"/>

b） <ramout>代码中重复的所有<blah>个代码：

xmlstarlet sel -t -n  -m "//blah/ramout" -c "." -n testfile.xml | sort | uniq -d

输出：

<ramout assot="f0123_fun10" bapel="2 or 6"/>

uniq -d：
-d, --repeated - 仅打印重复的行，每个组一个

Answer 2

a） sed 's/</\n</g;s/>/>\n/g' pb.txt | sed -n '/<blah/,/<\/blah/{/ramout/p}'

第一个sed调用只是确保标记周围的换行符。第二次调用打印ramout个标记之间的每个blah行。语法为/START/,/END/{/MATCH/p}，意思是从START到END，打印MATCH的行。

所以你明白了：

<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="3 or 5"/>
<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="4"/>

在建立xmlstarlet答案后，您可以将其传递给sort，然后uniq -d：

b） sed 's/</\n</g;s/>/>\n/g' pb.txt | sed -n '/<blah/,/<\/blah/{/ramout/p}' | sort | uniq -d

对于此输出：

<ramout assot="f0123_fun10" bapel="2 or 6"/>

+1 xmlstarlet的答案，因为这是正确的做事方式，并建立了sort | uniq -d。但是，如果你知道这种sed语法，你就会得到一把锤子，一切看起来像钉子。

使用egrep但开始认为awk或sed可能是解决方案

2 个答案: