如何使用 Unix Sed/Awk 找出 XML 文件的内容？

Question

我有一个像这样的 XML 文件（MyXML.xml）：

<?xml version="1.0" encoding="UTF-8"?>
<S:Envelope xmlns:S="http://schemas.xmlsoap.org/soap/envelope/">
    <S:Body>
        <ns3:GetAllInfoFromRest xmlns:ns2="http://com.lanuk.cfe/b2_7/service/objects" xmlns:ns3="http://com.lanuk.cfe/b2_7/service/operations">
            1111,GH43567,Hamburger,GET,278598655,\n000001,                    ,Kunal,Bhyuo,Ramond,856 K. 98 Rd,                                        ,                                        ,Tripura,AGT,INDIA,856987,                    ,S,S,S,8956,\666666
        </ns3:GetAllInfoFromRest>
    </S:Body>
</S:Envelope>

现在我需要从这个 xml 中去除 SOAP 内容和所有标签属性，只得到字符串响应1111,GH43567,Hamburger,GET,278598655,\n000001, ,Kunal,Bhyuo,Ramond,856 K. 98 Rd, , ,Tripura,AGT,INDIA,856987, ,S,S,S,8956,\666666。

我怎样才能用做awk还是 sed？

我以这种方式尝试过：

$ xgawk -lxml 'XMLATTR["xmlns:ns3"]=="http://com.lanuk.cfe/b2_7/service/operations"{print $2}' MyXML.xml

但显然我犯了一些错误，因为它不起作用。有人可以建议任何其他方式吗？

Answer 1

sed/awk真的是关于正则表达式。在 stackoverflow 上检查这个答案为什么用正则表达式解析 HTML/XML 是一个坏主意。

对于 XML，您确实需要构建文档的 DOM，然后找到您的信息。有像xmlstar这样的cmdline 工具可以让您从 XML 文档中获取信息。

但不要尝试使用 sed/awk 来解析 XML

PS：当然，你也许可以创建一个简单的正则表达式，它可以提取你在现实生活中碰巧遇到的文件所需的信息。例如，以下将打印文档的第 5 行，其中（在您的示例中）包含相关信息。

# stupid and naive approach:
sed '5!d' MyXML.xml

但这对文件的布局做出了假设，这与 XML无关。它可能适用于给定文件的非常特定的生成器，但不能保证适用于任何遵循相同结构的XML 文件（结构化数据就是 XML 的全部内容）