awk 在 XML 文件中搜索特定字段答案

【问题标题】：Awk search for a specific field in an XML fileawk 在 XML 文件中搜索特定字段
【发布时间】：2016-02-08 19:11:29
【问题描述】：

我在 Ubuntu 14.04 服务器上有一个名为 vsearch.awk 的 awk 控制文件，其中包含两行简单的代码，如下所示：

BEGIN { RS="\n\n" ; }
$0 ~ search { print }

我从命令行运行此文件以搜索 XML 文件中的特定字段，如下所示：

awk -f vsearch.awk search=example stuff.xml

它会打印出我需要的确切字段（包含单词“example”）。但是，当我针对 Apache 主机 .conf 文件（也似乎是 XML 格式）运行它时，awk 结果只是吐出整个文件。我同时使用了 gawk 和 mawk，结果相同（两者都适用于常规 XML 文件，但不适用于 .conf 文件。）

有什么想法吗？

谢谢！

【问题讨论】：

可能第一个 XML 和 .conf 文件中的行分隔符不一样。
试试看这个文件是否包含一些奇怪的东西或者它来自一个 DOS 系统。你可以cat -vet它并检查奇怪的字符。
@fedorqui cat -vet 在每行末尾显示 $ 特殊字符。然而（奇怪的是）$ 也出现在分隔每个段落的行中的 2 个空格。这是标准行为吗？
@fedorqui - 我编辑了 .conf 文件以删除段落分隔行中的那些额外空格，并且 awk 现在可以正常运行搜索了！谢谢你的帮助！ PS。您可以将您的建议添加为官方答案，以便我接受并投票。
很高兴看到它已解决，@Cain ！刚刚发布了一个带有一些解释的答案。

标签： xml apache search awk

【解决方案1】：

您在这些段落之间有一些带有尾随空格的行。因此，awk 认为两个不同的段落是相同的，因为它们没有被集合 RS=\n\n 分隔，而是被 \n \n 之类的东西分隔。

注意我建议说cat -vet <file>，因为这样你可以看到所有尾随空格、制表符和行尾。

来自man cat：

   -e     equivalent to -vE

   -E, --show-ends
          display $ at end of each line

   -t     equivalent to -vT

   -T, --show-tabs
          display TAB characters as ^I

   -v, --show-nonprinting
          use ^ and M- notation, except for LFD and TAB

测试

让我们准备一个包含两个段落的文件，但中间有空格而不是空行：

$ cat -vet a
hello$
$                  # two trailing spaces
how are you$

它只是“看到”一个段落：

$ awk 'BEGIN { RS="\n\n" ; } {print NF}' a
4

现在，如果我们删除那些尾随空格：

$ cat -vet a
hello$
$                    # no trailing spaces
how are you$

它“看到”了两个段落：

$ awk 'BEGIN { RS="\n\n" ; } {print NF}' a
1
3

$ 是行尾，$ 表示有两个空格。

【讨论】：

感谢您的详尽解释和努力，@fedorqui。这太棒了！