我有一个像这样的事件的大文件：
<event>
...
...multiple lines describing the event
...
</event>
<event>
...
...
<event>
当发生错误时，我会得到发生错误的行号，该行号总是在事件标记中的某个位置结束。我想在错误发生之前和从错误开始的事件中拆分文件。我知道我可以使用
进行拆分csplit -k filename line_number_to_split_on
我需要做的是找到错误行的前一个事件标记的行号。 文件相当大。例如，我在第 1007425 行列出了一个错误，通过查看文件，事件标签位于第 1007397 行。我想要一种在 shell 脚本中执行此操作的方法。有什么想法吗？
【问题讨论】：
假设 $LINE 作为发生错误的行号，$FILE 作为输入文件，你可以这样做：
$ nl -ba $文件 | sed -n -e '//p' -e ${LINE}q |尾-1（您可以在 sed 中使用 '=' 运算符来获取行号而不是 nl，但我更喜欢 nl 并且 = 不是很便携。此外，它会插入额外的换行符，这有点麻烦。）
作为管道到尾部的替代方法，您可以这样做：
$ nl -ba $文件 | sed -n -e '//h' -e$LINE'{x; p; q;}'【讨论】：
/<event>/p 替换为 /<event>/=，您将仅获得行号，而不是行号 + 事件标签。 = 命令的打印独立于模式空间（无论如何都被-n 抑制）。至于可移植性，我相信它多年来一直是规范的一部分。
我不确定大文件的性能，但它可以工作。
#!/bin/sh
total=$(cat EVENTFILE |wc -l)
error=$1 ### Line number where error occurred
from=$((total-error))
num=$(tac EVENTFILE|awk '/<event>/{print NR}'|while read n; do
echo ${n};
if test ${n} -ge ${from}; then
break;
fi;
done|tail -1)
echo $((total-num+1))
测试数据。
1 <event>
2 .
3 .
4 .
5 </event>
6 <event>
7 ..
8 ..
9 ..
10 </event>
11 <event>
12 ...
13 ...
14 ...
15 </event>
输出
foo@ell:/tmp/test$ ./test.sh 3
1
foo@ell:/tmp/test$ ./test.sh 8
6
foo@ell:/tmp/test$ ./test.sh 14
11
【讨论】：
您的输入看起来像 XML。最好的方法是使用 XML 解析器。手动解析 XML 并没有那么有趣。根据 XML 解析器，起始行号是元素元数据的一部分。 （例如，对于 SAX，有 Locator。）
更新：
它认为使用正确的工具是个好主意。如果您不能使用 XML 解析器，则必须为您的 XML 子集编写自己的解析器。您应该首先查看XML standard 并查看您实际需要哪些功能。如果您不必支持递归、XML 实体和 XML CDATA，它将消除很多复杂性。得到这些信息后，您的问题就可以得到解答了。
【讨论】：