从日志文件中提取特定的 XML答案

【问题标题】：Extract specific XMLs from log file从日志文件中提取特定的 XML
【发布时间】：2018-10-05 15:52:12
【问题描述】：

我有很大的日志文件（每个大约 50mb），其中包含 java 调试信息以及各种 XML 响应

这是我尝试从日志中提取的内容的示例

<envelope>
    <response>
        <ATTR name="uniqueid" value="XYZ_00000-00-00_12345_1"/>
        <ATTR name="status" value="Activated"/>
        <ATTR name="datecreated" value="2018/10/04 09:39:05"/>
    </response>
</envelope>

我只需要 uniqueid 属性包含“12345”且状态属性设置为“已激活”的 XML

通过使用“sed”，我能够提取所有信封，目前我正在使用正则表达式检查其中是否存在上述条件（通过在循环中运行所有这些条件）。

sed -n '/<envelope>/,/<\/envelope>/p' logfile

从文件中提取我需要的内容的正确解决方案是什么？

谢谢！

【问题讨论】：

生成该 XML 的人显然不知道如何最好地使用 XML。
您应该使用 XML 解析器来解析 XML 数据。此日志文件中还有什么？显示更多。
@glennjackman 大部分不是 XML，而是各种 java 日志（调试/信息/错误）。
有人将属性重新发明为标签，但仍需要名称/值属性？
我们可以专注于手头的问题吗？我没有生成那些 XML，所以我无法回答其结构的质量

标签： regex linux awk sed xmlstarlet

【解决方案1】：

假设您的 xml 格式如图所示，这应该可以工作...

$ awk '/<envelope>/ {line=$0; p=0; next} 
             line   {line=line ORS $0} 
    /uniqueid/ && $3~/12345/ {p=1}
   /<\/envelope>/ && p {print line}' file

使用开始标签，开始累积行，如果找到所需的行设置标志，如果设置标志，则使用结束标签打印记录。

gawk 你可以这样做

$ awk -F'\n' -v RS='</envelope>\n'    \
    '$3~/uniqueid.*12345/ && $4~/status.*Activated/{print $0, RT}' file

不过会有一个额外的换行符。

【讨论】：

谢谢！这很好用！您能否在此模式中也包含“状态”属性作为“已激活”？
状态已激活