如何从linux中的多个xml文件中提取多个标签值答案

【问题标题】：How to extract multiple tag values from multiple xml files in linux如何从linux中的多个xml文件中提取多个标签值
【发布时间】：2018-03-23 03:01:11
【问题描述】：

我们需要从多个文件中提取多个标签值。

我们有大约 1000 个文件，其数据类似于：

<Employee>
  <Id>432361</Id>
  <EmpName>Stuart</EmpName>
  <SidNumber>0251115</SidNumber>
  <CreatedUtc>2016-11-14T22:27:53.477+08:00</CreatedUtc>
  <EpisodeId>682082</EpisodeId>
  <CorrelationId>323A6C86-76AA-E611-80DA-005056B46023</CorrelationId>
</Employee>

我们需要将所有文件中的 EmpName、SidNumber 和 EpisodeId 提取到一个文件中。例如，我们一次可以得到一个值。使用命令：

nawk -F'[<>]' '/<EpisodeId>/{print $3}' *.dat

但是我们需要获取每个文件的多个标签。输出格式应该类似于

EmpName Stuart SidNumber 0251115 EpisodeId 682082
EmpName Stuart SidNumber 0251115 EpisodeId 682082

或至少以空格分隔的值

Stuart 0251115 682082
Stuart 0251115 682082

任何帮助将不胜感激。

提前致谢，维韦克

【问题讨论】：

不要选择sed 或awk，它们不是这项工作的正确工具。去一些像xmllint这样的xml感知工具，这是你不应该做的事情的一种方式，但对于小xml来说很好。 declare $(awk -v FS='[<>]' 'length($3){print $2"="$3}' inputfile) 然后echo $EmpName

标签： linux shell unix awk grep

【解决方案1】：

试试这个 - （创建了两个示例文件 f1.txt f2.txt）

$ head f?.txt
==> f1.txt <==
 <Employee>
      <Id>432361</Id>
      <EmpName>Stuart</EmpName>
      <SidNumber>0251115</SidNumber>
      <CreatedUtc>2016-11-14T22:27:53.477+08:00</CreatedUtc>
      <EpisodeId>682082</EpisodeId>
      <CorrelationId>323A6C86-76AA-E611-80DA-005056B46023</CorrelationId>
   </Employee>

==> f2.txt <==
 <Employee>
      <Id>432361</Id>
      <EmpName>vipin</EmpName>
      <SidNumber>0251117</SidNumber>
      <CreatedUtc>2016-12-14T22:27:53.477+08:00</CreatedUtc>
      <EpisodeId>682082</EpisodeId>
      <CorrelationId>323A6C86-76AA-E611-80DA-005056B46023</CorrelationId>
   </Employee>

处理中...

$ for i in f?.txt;do awk -F'[<>]' '/EmpName|SidNumber|EpisodeId/{printf $3OFS} END {print ""}' $i;done
 Stuart 0251115 682082 
 vipin 0251117 682082

为了正确格式化输出 -

$ for i in f?.txt;do awk -F'[<>]' '/EmpName|SidNumber|EpisodeId/{printf $3OFS} END {print ""}' $i;done|column -t
Stuart  0251115  682082
vipin   0251117  682082

如果您没有可用的列 cmd，您可以在 cmd 下方尝试 -

for i in f?.txt;do awk -F'[<>]' '/EmpName|SidNumber|EpisodeId/{printf "%-10s", $3OFS} END {print ""}' $i;done
Stuart    0251115   682082    
vipin     0251117   682082

在 awk 的 printf 函数中，我们可以格式化列值。

【讨论】：

非常感谢 Vipin，您解决了我的问题。如果可能再问一个问题，在我的列命令外壳中，我得到“bash：column：command not found”。有没有其他方法可以格式化输出。
@VivekVishal - 我已根据您的需要更新了我的答案，请检查。''
感谢 Vipin，非常感谢您的帮助

【解决方案2】：

nawk -F'[<>]' '/<EmpName>|<SidNumber>|<EpisodeId>/{print $3}' *.dat

【讨论】：

谢谢 pyed，只是想知道是否有办法获得像 EmpName Stuart Stuart 0251115 EpisodeId 682082 这样的格式化输出
"您的回答当然值得一点解释。请参考stackoverflow.com/help/how-to-answer。评论将有助于创建可搜索的内容。"