Question

所以我有这个xml行示例，它是从中读取的，

<element attr1=”XX” attr2=”0818820\.x11” attr3=”YYXX.x11” attr-4=”1”/>

因为它是xml，所以元素的顺序是随机的，有些可能是可选的。

因此，使用awk时，我尝试选择其中之一，例如使用gensub选择attr1。

while (getline < "./file") {
    print $0
    #First attempt
    #print gensub(/.*attr1=\"(.*)\".*/,"\\1","g",$0)
    #Second attempt
    print gensub(/.*attr1="(.*)".*/,"\\1","g",$0)
}

但是，我没有设法匹配它，但是返回了整行（可能没有匹配，但也可以全部匹配）。有人有主意吗？我将无法修改输入参数。

BR 帕特里克

Answer 1

假设输入在file.txt中

$ cat file.txt
<element attr1=”XX” attr2=”0818820\.x11” attr3=”YYXX.x11” attr-4=”1”/>

然后使用grep提取属性，然后在=上拆分。如下：

$  egrep -o "attr[0-9]+[^ ]* " file.txt | awk -F= '{print $1"\t"$2}'
attr1   ”XX” 
attr2   ”0818820\.x11” 
attr3   ”YYXX.x11”

如果只需要attr1，请选择attr1：

$  egrep -o "attr[0-9]+[^ ]* " file.txt | awk -F= '/attr1/{print $2}'
”XX”

您可以为其他属性调整grep行。例如如果需要end属性，则插入空格会使逻辑更简单：

$ sed < file.txt 's|/| |g' | egrep -o "attr[^ ]* "
attr1=”XX” 
attr2=”0818820\.x11” 
attr3=”YYXX.x11” 
attr-4=”1”

Answer 2

没有理由重新发明轮子。 gawk-xml documentation提到了awk的多个xml解析器，例如Jan Weber的getXML脚本（在互联网上浮动，我找到了here）。测试产生的结果：

$ awk -f getXML.awk test.xml
TAG element
        attr-4=”1”
        attr1=”XX”
        attr2=”0818820\.x11”
        attr3=”YYXX.x11”
END element

如何使用（g）awk提取xml属性

2 个答案: