Question

大家好，我正在尝试使用 AWK 从 XML 文件中提取 version= 中的 pkg-info 值。

我只想做这样的事情：

cat file_below.txt | awk some_commands

使用下面的数据

<?xml version="1.0" encoding="utf-8"?>
<pkg-info overwrite-permissions="true" relocatable="false" identifier="com.application.something" version="1.2.3" format-version="2" generator-version="ABC" install-location="/Applications" auth="root">
</pkg-info>

所需的输出是：

1.2.3

提前致谢

Answer 1

一种简单的方法是使用 sed 定位以 "<pkg-info..." 开头的行，然后使用捕获版本并重新插入作为反向引用的替换来隔离版本，例如

sed -E -n '/^<pkg-info/s/^.*[ ]version="([^"]+)".*$/\1/p' file

其中 -E 指定扩展正则表达式，-n 禁止模式空间的正常输出，并且：

/^<pkg-info/ 定位以 "<pkg-info" 开头的行，然后是正常的
s/find/replace/ 替换，其中 find 是：
^.*[ ]version="([^"]+)".*$ 忽略从行首到空格后跟 version=" 的字符，捕获组 ([^"]+) 捕获后面不是 '"' 的一个或多个字符（即您想要的版本号），然后 ".*$ 从结束 '"' 到行尾忽略。
替换是 \1，它只是插入第一个引用（上面第一个捕获组中捕获的内容），并且
/p 然后打印结果。

示例使用/输出

使用 file 中的示例，您将：

$ sed -E -n '/^<pkg-info/s/^.*[ ]version="([^"]+)".*$/\1/p' file
1.2.3

Answer 2

您拥有的是一个 XML Element，其中包含您希望获得的属性=值组合。

虽然您可以有一个简单的 awk 或 sed 来从您拥有的单行示例中检索 1.2.3，但您确实应该使用 XML parser。如果您不这样做，它将来可能无法工作。

虽然您已经给出了以下所有属性的单行示例：

<?xml version="1.0" encoding="utf-8"?>
<pkg-info overwrite-permissions="true" relocatable="false" identifier="com.application.something" version="1.2.3" format-version="2" generator-version="ABC" install-location="/Applications" auth="root">
</pkg-info>

同样的数据也很容易：

<?xml version="1.0" encoding="utf-8"?>
<pkg-info overwrite-permissions="true" 
          relocatable="false" identifier="com.application.something" 
          version="1.2.3" format-version="2" 
          generator-version="ABC" install-location="/Applications" auth="root">
</pkg-info>

或者，

<?xml version="1.0" encoding="utf-8"?><pkg-info overwrite-permissions="true" relocatable="false" identifier="com.application.something" version="1.2.3" format-version="2" generator-version="ABC" install-location="/Applications"  auth="root"/>

并且仍然被解析为相同的数据。所有三个示例都是有效的 XML，但这里的 awk 或 sed 答案都不能处理第一个示例。

对于 XML，'\n'、' '、'\t' 和 '\r' 都是相同的¹ awk 和 sed 那些字符有非常不同的含义。尝试强制像 awk 或 sed 这样的面向行的工具来处理像 XML 这样的面向标签的数据是极其脆弱的。

处理此问题的最佳方法是使用 XPath 查询。相关查询将是：

/pkg-info/@version

DEMO

鉴于 file 具有上述某种有效形式的 XML，您可以使用其中一种方法。

这是一个简单的 Ruby 示例。使用 nokogiri xml 解析器通过 xpath 解析感兴趣的属性：

ruby -r nokogiri -e 'doc=Nokogiri::XML($<.read)
puts doc.xpath("/pkg-info").attribute("version").value' file
1.2.3

（您可能需要在系统上安装带有 gem install nokogiri 的 nokogiri...）

或使用XMLStarlet：

xml sel -t -v '/pkg-info/@version' file
1.2.3

如果您的 Perl 安装了 XML::XPath 模块（大多数系统都安装了），那么您还有一个名为 xpath 的命令行 XPath 查询工具。你可以这样做：

xpath -q -e '/pkg-info/@version' file
 version="1.2.3"

然后通过 sed 运行它以获取值：

xpath -q -e '/pkg-info/@version' file | sed -E 's/[^"]*"([^"]*).*/\1/'
1.2.3

请注意，XML 解析器可以处理您的 XML 数据的任何合法版本。此处的其他 sed 或 awk 解决方案不会。

如果您wreally wreally wreally想要使用正则表达式，Perl 是更好的选择。这适用于上述所有三个示例：

perl -0777 -lnE 'say $1 if /(?:\s|>)<pkg-info[\s\S]*?\sversion="([^"]+)"/m' file

如果你hafta hafta hafta有一个awk，你可以设置RS-"^$"，它的作用是将整个文件作为一个字符串读入，然后：

用 "<pkg-info " 找出要点。
由于这些是属性而不是嵌套标签，因此属性部分中将没有 >。但是，无论 <pkg-info 元素如何终止，都必须有一个 > 来终止它。
现在将 ' version=" 值两侧的所有内容都用 ""
印刷和盈利。

此 awk 适用于我的所有示例；但是，您确实应该使用 XML 解析器。

awk -v RS="^$" '{ x=index($0, "<pkg-info ")
                  s=substr($0,x)
                  sub(/[^>]*\sversion="/,"", s)
                  sub(/".*/,"", s)
                  print s
                }' file

¹ 只要这些字符是 insignificant whitespace，他们在这个例子中......

Answer 3

根据您展示的样品，您可以尝试以下操作吗？在 GNU awk 中编写和测试。此外，根据专家的建议，最好使用 xml 解析工具来解析 xml 文件，因为 OP 已经在使用 awk 来解析 OP 的文件，所以继续使用它。

awk '
/^<pkg-info/ && match($0,/[[:space:]]+version="([0-9]+\.){2}[0-9]+"[[:space:]]+/){
  val=substr($0,RSTART,RLENGTH)
  gsub(/^ +| +$/,"",val)
  print val
}
' Input_file

说明：为以上添加详细说明。

awk '                             ##Starting awk program from here.
/^<pkg-info/ && match($0,/[[:space:]]+version="([0-9]+\.){2}[0-9]+"[[:space:]]+/){
                                  ##Checking condition if line starts from <pkg-info AND matches mentioned regex.
  val=substr($0,RSTART,RLENGTH)   ##Creating val which is sub string of matched regex.
  gsub(/^ +| +$/,"",val)          ##Substituting starting and ending spaces with NULL in val.
  print val                       ##Printing val value here.
}
' Input_file                      ##Mentioning Input_file name here.

Answer 4

假设标签内没有换行符

gawk/mawk/mawk2 'BEGIN { FS = "version=\"" } /^[<]pkg-info/ {

    print substr($2, 1, index($2, "\"") -1 ); exit; }'

处理随机\n的版本

gawk/mawk/mawk2 'BEGIN { FS="version=\"" } (NF > 1) { 
       
    if (seen++) { print substr($2,1,index($2, "\"")-1); exit; } }'

这将跳过第一次看到版本，在初始 xml 标记处。第二次打印版本号然后退出。这段代码不需要对版本号的格式进行假设，除了双引号。

用于说明到处都是 pkg-info 的版本：

gawk/mawk/mawk2 'BEGIN { RS = "^$"; FS = "([<]pkg-info|[\/]pkg-info[>])";
   
   } match($2, /version=[^ ]+/) {

       print substr($2, RSTART + 9, RLENGTH - 10); exit; }'

只需在整个 XML 文件中读取它，不要尝试沿 NL 拆分内容。然后，当您强制 FS 恰好是它的开始和结束标记时，则 $2 必须是此类标记的第一次出现。

Answer 5

Awk 和 XML 并不是最好的朋友，因为 awk 是一个正则表达式驱动的基于行的工具。 XML 不是一种可以使用基于行的工具轻松过滤的简单格式；因此，也很难创建一个正则表达式来可靠地匹配 XML 的所有呈现方式。

为了确保我们不会犯错，我们利用理解 XML 的状态机（过滤器）将其转换为我们可以可靠使用的基于行的内容。一个这样的工具是xml2，它从 XML 提供可解析的“平面”输出。这是您的样本过滤结果的示例....

$ xml2 < some.xml
/pkg-info/@overwrite-permissions=true
/pkg-info/@relocatable=false
/pkg-info/@identifier=com.application.something
/pkg-info/@version=1.2.3
/pkg-info/@format-version=2
/pkg-info/@generator-version=ABC
/pkg-info/@install-location=/Applications
/pkg-info/@auth=root

过滤 XML 后，创建一个可靠的 awk 或 sed 过滤器来获取我们的输出是微不足道的......这里有一些想法：

$ xml2 < some.xml | awk -F= '$1 == "/pkg-info/@version" { print $2 }'
1.2.3
$ xml2 < some.xml | sed -e 's,^/pkg-info/@version=,,; t; d'
1.2.3

AWK 从 XML 元素获取属性值

5 个答案: