sed 使用正则表达式仅编辑文件的一部分

Question

我有一个名为 test.txt 的文件，内容如下

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<test time="60" id="01">
<java.lang.String value="cat"/><java.lang.String value="dog"/>
<java.lang.String value="mouse"/>
<java.lang.String value="cow"/>
</test>

我想做的是，我想编辑文件，以便当我得到类似 <java.lang.String value="something"/> 的内容时，我会将那部分更改为 <animal>something</animal>

因此，对于前面的示例，在使用 sed/awk/grep 命令应用脚本后，文件内容将更改为或创建一个新文件，如下所示：

   <?xml version="1.0" encoding="UTF-8" standalone="yes"?>
    <test time="60" id="01">
    <animal>cat</animal><animal>dog</animal>
    <animal>mouse</animal>
    <animal>cow</animal>
    </test>

我尝试使用以下命令提取该特定部分：

$less test.txt | grep -Po 'java.lang.String value="\K[^"]*' | awk -F: '{print "<animal>" $1 "</animal>"}'

输出给了我更改的部分，但我希望这个更改的部分与文件的其余部分保持不变：

<animal>cat</animal>
<animal>dog</animal>
<animal>mouse</animal>
<animal>cow</animal>

我是脚本新手，我不知道如何将完整的输出写入文件。

Answer 1

sed -r 's#<java.lang.String value="([^"]*)"/>#<animal>\1</animal>#g' test.txt

而且你不应该使用正则表达式进行XML 转换...

编辑它的工作原理

默认情况下sed 使用“基本正则表达式”，其中许多特殊字符必须以\ 为前缀。 -r 标志切换到“扩展正则表达式”，其中语法不那么繁琐。详情请见OpenGroup。

默认情况下sed 按原样打印输出，除非命令修改它。替换命令类似于s#search_regexp#replacement#flags。分隔符可以是/、# 或, 之类的任何东西。我选择#，这样它就不会与XML 中的\ 字符冲突。

然后我们匹配 <java.lang.String value="anything_except_quotes"/> 之类的东西。我们要重用的部分有括号，称为匹配组。在替换中，我们通过\1 引用我们在匹配组中捕获的内容。

g 标志使sed 替换所有出现的搜索模式，而不仅仅是第一个。

Answer 2

确定你的命令有一些问题：

less test.txt | grep -Po 'java.lang.String value="\K[^"]*' | awk -F: '{print "<animal>" $1 "</animal>"}'

首先，less 没有用处，grep 可以将文件作为参数：

grep -Po 'java.lang.String value="\K[^"]*' test.txt | awk -F: '{print "<animal>" $1 "</animal>"}'

然后您使用grep 选择与字符串匹配的行，所以基本上，您的命令序列是明确只保留具有java.lang... 字符串的行，其他所有内容out... 一个更简单的解决方案是使用sed:

sed -r 's,<java.lang.String value="([^"]*)"\s*/>,<animal>\1</animal>,g' test.txt

它使用 sed 的替换语法来替换匹配项，同时将括号中的内容提取 ( 和 ) 为右侧部分中的 \1。 [^"] 部分用于匹配不是" 字符的所有内容，* 运算符用于应用匹配 0 次或更多次。 \s 是匹配一个空格，*，0 次或多次。

正则表达式是一种自动机，它使用状态和转换来匹配给定的字符串。这是正则表达式如何工作的视觉效果：

demo of the regex on an example

虽然在您的特定情况下，简单的正则表达式可以解决，但请记住，这只是一个hack。您应该改用 XML 解析器并替换节点以满足您的需求，使用 XSLT/XSLFO 这些工具旨在将 XML 转换为另一个（或其他）。

为此，您可以使用诸如xsltproc 之类的工具并查看this Q 的示例，该示例将所有foo 节点转换为XML 树中的bar 节点，操作方法如下：

test.xsl：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output indent="yes"/>
  <xsl:strip-space elements="*"/>

  <!--Identity Template. This will copy everything as-is.-->
  <xsl:template match="node()|@*">
    <xsl:copy>
      <xsl:apply-templates select="node()|@*"/>
    </xsl:copy>
  </xsl:template>

  <!--Change "java.lang.String" element to "animal" element.-->
  <xsl:template match="java.lang.String">
    <animal>
      <!-- get the attribute 'value' of java.lang.String -->
      <xsl:copy-of select="@*"/>
      <xsl:apply-templates/>
    </animal>
  </xsl:template>

</xsl:stylesheet>

运行：

xsltproc test.xsl test.xml

结果：

<?xml version="1.0"?>
<test time="60" id="01">
  <animal value="cat"/>
  <animal value="dog"/>
  <animal value="mouse"/>
  <animal value="cow"/>
</test>

顺便说一句，鉴于您的 XML，它看起来像是由 Java 生成的，并且有多种方法可以从 within your code 应用该 XSL，甚至在您需要使用命令行工具处理它之前。