Bash - 包含唯一字母数字字符串的 XML 标记内的 grep 文本答案

【问题标题】：Bash - grep text inside XML tags that contain unique alphanumeric stringsBash - 包含唯一字母数字字符串的 XML 标记内的 grep 文本
【发布时间】：2015-08-14 00:21:47
【问题描述】：

我想使用 grep 提取这些 XML 标记中的文本（没有 XMLStarlet 或类似工具，尽管它们会更容易）。我以前用 grep 做过这个，但这个特殊情况有点复杂。标签包含带有连字符的唯一字母数字标识符（MusicBrainz ID）：

<artist mbid="eaefd603-84c1-4db4-a72b-0cb718a0cc07">Chelsea Wolfe</artist>

我已经尝试过这个和许多变体：

grep -Po '(?<=<artist mbid=.*?>).*?(?=</artist>)'

在几乎所有情况下，我都会收到“grep：lookbehind assertion is not fixed length”。在 Perl 中，iirc，\K 是该错误的解决方案，但我不确定该放在哪里（我是一个正则表达式新手，以防你不知道）。我通过简单的反复试验没有成功。

我花了几个小时搜索 SO 和 Google，但找不到任何类似的东西可以提供帮助（可能我错过了一些东西）。所以，我的问题是：使用 grep，当这些标签包含唯一的字母数字标识符时，如何提取标签之间的文本？

【问题讨论】：

唯一的字母数字标识符是否总是相同的长度？（有时是）
是的，它们似乎总是 36 个字符（包括连字符）

标签： regex xml linux bash grep

【解决方案1】：

要使用\K（"keep out" -- 删除到目前为止匹配的内容），请尝试

grep -oP '<artist mbid=.*?>\K.*?(?=</artist>)'

即你把\K放在你想从比赛中删除的位之后。

否则如果你想使用lookbehind：

如果您不希望“>”出现在艺术家的名字中，并且您希望您的 XML 格式正确（没有不匹配的标签），并且您不希望标签嵌套在 inside艺术家，试试

grep -Po '(?<=>)[^>]+(?=</artist>)'

【讨论】：

第一个完美运行。我实际上已经尝试过了，但是 <artist mbid=*?> 没有返回任何结果，所以我认为 /K 的位置错误。谢谢你。除了我想匹配的标签之外，第二个代码示例还匹配了许多其他标签。