使用awk命令提取xml标记值

Question

我有一个像下面的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.怎么做？

Answer 1

您可以使用awk如下所示,但是,这不是一个强大的解决方案,如果xml格式不正确,将失败,例如,如果同一行上有多个元素.

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

我建议你使用一个合适的xml处理工具,比如xmllint.

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

Answer 2

以下 gawk 命令使用记录分隔符正则表达式模式来匹配 XML 标签。任何以 < 后跟至少一个非 > 并以 > 结尾的东西都被认为是一个标签。Gawk 将每个 RS 匹配分配到 RT 变量中。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