使用 awk 命令提取 xml 标记值

Posted 2023-03-15

【中文标题】使用 awk 命令提取 xml 标记值

【英文标题】：Extract xml tag value using awk command

【发布时间】：2012-12-12 19:34:03

【问题描述】：

我有一个像下面这样的 xml

<root>    
<FIToFICstmrDrctDbt>
            <GrpHdr>
                <MsgId>A</MsgId>
                <CreDtTm>2001-12-17T09:30:47</CreDtTm>
                <NbOfTxs>0</NbOfTxs>
                <TtlIntrBkSttlmAmt Ccy="EUR">0.0</TtlIntrBkSttlmAmt>
                <IntrBkSttlmDt>1967-08-13</IntrBkSttlmDt>
                <SttlmInf>
                    <SttlmMtd>CLRG</SttlmMtd>
                    <ClrSys>
                        <Prtry>xx</Prtry>
                    </ClrSys>
                </SttlmInf>
                <InstgAgt>
                    <FinInstnId>
                        <BIC>AAAAAAAAAAA</BIC>
                    </FinInstnId>
                </InstgAgt>
            </GrpHdr>
    </FIToFICstmrDrctDbt>
</root>

我需要使用 awk 命令在单独的变量中提取每个标记值的值。怎么办？

【问题讨论】：

使用正则表达式解析 XML 不好。

【参考方案1】：

您可以使用awk，如下所示，但是，这不是一个可靠的解决方案，如果 xml 格式不正确，例如如果同一行有多个元素。

$ dt=$(awk -F '[<>]' '/IntrBkSttlmDt/print $3' file)
$ echo $dt
1967-08-13

我建议你使用合适的xml处理工具，比如xmllint。

$ dt=$(xmllint --shell file <<< "cat //IntrBkSttlmDt/text()" | grep -v "^/ >")
$ echo $dt
1967-08-13

【参考方案2】：

以下 gawk 命令使用记录分隔符正则表达式模式来匹配 XML 标记。任何以 并以 > 结尾的东西都被认为是标签。 Gawk 将每个 RS 匹配分配给 RT 变量。标签之间的任何内容都将被解析为 gawk 分配给 $0 的记录文本。

gawk 'BEGIN  RS="<[^>]+>"   print RT, $0 ' myfile

【参考方案3】：

下面的代码将所有标签值存储在一个数组中！希望这会有所帮助。 但我仍然相信这不是最佳方式。

> perl -lne 'if(/>[^<]*</)$_=~m/>([^<]*)</;push(@a,$1)if(eof)foreach(@a)print $_' temp
A
2001-12-17T09:30:47
0
0.0
1967-08-13
CLRG
xx
AAAAAAAAAAA