Question

我有一个包含行的xml文件（不是有效的xml）：

 <seg id="65"> Kostenvoranschlag der Werkstatt in vier Schritten</seg>

我想用seg标签的内容替换每一行。所以，这是一个理想的输出：

 Kostenvoranschlag der Werkstatt in vier Schritten

现在这可以很好地收集这些行：

sed -n 's:.*<seg id=.*>\(.*\)</seg>.*:\1:p' file.txt &>log

但是收集“65”＆gt; 和“Kostenvoranschlag”之间的额外空间。为了摆脱这个空间，我可以单独调用以下内容：

sed -i 's/^ *//' log

但我想用管道在一条线上做。我尝试了一些东西，但没有一个起作用：

sed -n 's:.*<seg id=.*>\(.*\)</seg>.*:\1:p; -i s/^ *//' file.txt &>log
sed -n 's:.*<seg id=.*>\(.*\)</seg>.*:\1:p' file.txt ; -i 's/^ *//' &>log

管道不起作用，因为-i不是命令：

sed -n 's:.*<seg id=.*>\(.*\)</seg>.*:\1:p' file.txt | -i 's/^ *//' &>log

有任何评论吗？

Answer 1

只需在正则表达式的*部分之后添加此<seg id=.*>：

sed -n 's:.*<seg id=.*> *\(.*\)</seg>.*:\1:p' file
                       ^^

这匹配<seg id=XXXX>之后的任意数量的空格（零到n）。

测试：

$ sed -n 's:.*<seg id=.*> *\(.*\)</seg>.*:\1:p' <<< " <seg id="65"> Kostenvoranschlag der Werkstatt in vier Schritten</seg>"
Kostenvoranschlag der Werkstatt in vier Schritten

Answer 2

如果输入文件是有效的XML文档，请使用带有与您感兴趣的部分匹配的xpath的XML解析器：

xmllint --xpath '//seg/text()' file.xml

这比依赖正则表达式更加简单和强大，正则表达式会破坏许多其他有效的输入，例如包含换行符的文本节点或具有其他属性的<seg>元素。

使用不同的参数组合或管道两个sed命令

2 个答案: