如何使用grep查找xml标记内的信息？

Question

我正在使用linux shell脚本来查找xml文件中的信息grep.我在Mac上,希望无关紧要.

为了找到我需要的信息,我运行:

grep -oP "<title>(.*)</title>" temp.xml

我得到一个匹配列表,其中包括<title>标签.

我怎样才能得到只有内部信息的列表title标记,但没有在title使用grep的标签？

Answer 1

既然您已经使用过grep -P,为什么不使用它的功能呢？

grep -oP '(?<=<title>).*?(?=</title>)'

在一般情况下,XPath是正确的解决方案,但对于玩具场景,是弗吉尼亚州,它可以做到.

Answer 2

我不明白你为什么要为此使用 grep，而它可以用一个简单的 XPath 表达式解决：

//title/text()

XPath 有许多命令行工具，它们通常与操作系统捆绑在一起。

Stack Overflow 上这个问题的答案列出了许多这样的工具。

grep这里的问题在于它是一个用于文本处理的通用工具，它不知道任何 XML 结构。对于一个非常简单的场景，你可以让它工作。如果文档很复杂，或者如果您在脚本中使用它而不仅仅是一次性工作，那么您可能会对结果感到遗憾。

XPath 可以轻松区分出现在文档中不同上下文中的类似名称的标签之间的区别。

<article>
    <author>
        <name>Jon Doe</name>
        <title>Chief Editor</title>
    </author>
    <title>On the Benefits of grep</title>
    <publicationDate>2018-02-12</publicationDate>
    <text>blah blah blah</text>
</article>

grep如果您使用此处发布的任何其他答案，提取本文档表示的文章的标题将失败。从技术上讲，您可以编写正则表达式来获得所需的内容，但使用 XPath 会容易得多。

/article/title/text()

如果你知道你正在处理一个琐碎的文档并且格式没有改变，或者如果它是一项可以快速验证结果的一次性工作，你可以grep按照其他人的解释去做。

Answer 3

这不是最好的解决方案，我会在 bash 中搜索 XML lib，但你可以这样做：

grep -oP "<title>(.*)</title>" temp.xml | cut -d ">" -f 2 | cut -d "<" -f 1