在 linux 中的 xml 文件中搜索答案

【问题标题】：Search within xml file(s) in linux在 linux 中的 xml 文件中搜索
【发布时间】：2012-05-03 22:02:10
【问题描述】：

我有几个非常大 (10GB) 的 xml 文件，其结构如下。如您所见，该文件包含一系列记录。我想做的是基于一个或多个属性的搜索记录。问题是一个简单的 grep 会给我包含该属性的行。例如，grep 可能会给我第 100 行、第 300 行等等。但是，我需要的是提取相关记录元素的能力，而不仅仅是符合匹配项的行。是否有任何 unix 实用程序可以提供帮助？

<records>
 <record seq="1">
  <properties>
   <property name="AssetId">1234</property>
  </properties>
 <message>messsage1</message>
</record>
<record seq="2">
 <properties>
  <property name="VI-ID">4567</property>
 </properties>
 <message>message2</message>
</record>
<records>

【问题讨论】：

这里给出了很多选项：stackoverflow.com/questions/91791/… 也可以看看 xmllint（libxml2 的一部分）：xmlsoft.org/xmllint.html
你想对提取的信息做什么？
如果这个问题在前一个问题的基础上增加了一件事，那就是提供了示例输入文本——这样可以更容易地提供具体、可见的建议来展示建议工具的使用情况。
将其保存为文件并转换为不同的格式

标签： xml linux

【解决方案1】：

xmlstarlet 允许您从 shell 脚本运行 XPath；这是一个完美的用例。

例如：

xmlstarlet sel -t \
  -m '//record[properties/property[@name="AssetId"][text()="1234"]]' \
  -c .

将打印 AssetId 属性为 1234 的整个记录。

如果您想在一次通过中进行多次匹配，也支持此操作：

xmlstarlet sel \
  -t -m '//record[properties/property[@name="AssetId"][text()="1234"]]' \
     -c . -n -n \
  -t -m '//record[properties/property/@name="VI-ID"]' \
     -c . -n -n \
  <input.xml

...此版本将打印 AssetID 为 1234 的记录，或带有任何值的 VI-ID 的任何记录，并在每个记录发出后放置两个换行符。

【讨论】：

【解决方案2】：

可能最简单的方法是对grep 使用-C 选项。它将在每个匹配项周围打印指定数量的行。是的，它不会完全停在记录边界上，但通常只要确保包含它就足以满足我的需求。

【讨论】：

当 OP 说“提取”时，我有一种感觉，他的意思是他实际上需要可用的数据，而不仅仅是行转储。

【解决方案3】：

如果您只想使用基本的 unix 工具，这里有一个（愚蠢的）小 sed 脚本，它可以提取出一个属性，该属性要么位于一行，要么跨越多行：

sed -n '
/<open>[^<]*<\/open>/ {
  p
  b
}

/<open>/,/<\/open>/ {
  p
}' file.xml

示例输入：

<open>stuff</open>
<otherTag>
otherstuff
</otherTag>
<open>
morestuff
</open>
<otherTag>astlkj</otherTag>

示例输出：

<open>stuff</open>
<open>
morestuff
</open>

不适合生产使用：如果一个标签有多个属性，这种方法很快就会变得困难、繁琐，而且如果 xml 足够复杂，那就不可能了。但它应该可以在这里和那里解析信息。

【讨论】：