Question

问题描述：

考虑以下XML文件：
<xmlhead1>
   <xmlsubhead1>
       <record>
           <field>Hello</field>
           <field>World</field>
       </record>
       <record>
           <field>DELETEKEY</field>
           <field>World1</field>
       </record>
   </xmlsubhead1>
</xmlhead1>
我的目标是在字段子标记时删除“记录”XML标记   该XML节点包含DELETEKEY作为值。

所以在上面的XML文件中我将删除
   <record>
       <field>DELETEKEY</field>
       <field>World1</field>
   </record>

解决方案选择 我尝试使用 GNU sed 来解决上述问题：
以下是我的代码。

sed -n '

/<xmlhead1>/,/<\/xmlhead1>/{
    /<xmlsubhead1>/,/<\/xmlsubhead1>/{
        /<record>/,/<\/record>/{

            #Append to hold space
            H

            #if match DELETEKEY, start delete processing for the xml <record> element
            /<field>DELETEKEY<\/field>/{
                s/.*//g ; x
                b delete
            }

            #if you have reached the end tag of the <record> element,
            #print the hold space and clear the buffers
            /<\/record>/{
                g ; s/^\n//g; p
                s/.*//g ; x ; s/.*//g
            }

            #continue to next line
            b

            #delete processing
            :delete
            {
                #clear pattern space.
                s/.*//g

                #Read Next Line and remove new line(\n)
                N
                s/^\n//g

                #end delete processing when line matches the end tag </record>
                /<\/record>/b

                #else continue to get next line for delete process
                b delete
            }
        }
    }
}

#print all other lines
p

' $inputfile

逻辑如下：


匹配地址范围以<xmlhead1> and ending with </xmlhead1>
开头
匹配以...开头的内部地址范围   <xmlsubhead1> and ending with </xmlsubhead1>

匹配内部地址范围<record> to </record>

在<record>标记内，
      （i）将所有线路附加到保留空间       （ii）如果该行匹配DELETEKEY，则必须删除该记录。执行步骤iii和iv。否则，如果没有匹配，请转到步骤v
      （iii）对于删除，清除保留空间并跳转到删除分支
      （iv）在删除分支中，使用“N”命令读取所有下一行，直到遇到</record>。当</record>时   遇到，退出循环并开始处理下一个   行。
      （v）当不处理删除逻辑时，如果遇到</record>，则表示<record> to </record>的块   成功处理并存在于保留空间中       （vi）将其从保持空间中取出并打印出来。

输出上述逻辑：

<xmlhead1>
   <xmlsubhead1>
       <record>
           <field>Hello</field>
           <field>World</field>
       </record>
</xmlhead1>

输出中的问题：
您可以注意到删除了带有DELETEKEY的记录元素，但输出中缺少</xmlsubhead1>标记。

问题调试：
在调试时，我发现在删除处理中遇到</record>行后，在<record> to </record>范围内，内部地址范围匹配应该已经结束，因为我已经阅读并处理了</record>行。

但<record> to </record>范围块似乎也处理</xmlsubhead1>行。

我通过在<record>范围的命令块中添加以下代码找到了这个。

/<record>/,/<\/record>/{

    /<\/recordList>/{
        s/.*/record list is inside the record to record range/g
        p
    }

有人可以解释sed的这种行为，范围匹配超过实际匹配吗？在这种情况下<record> to </record> range match is also matching </xmlsubhead1>

Answer 1

不要使用sed编辑XML，请使用支持XML的工具。例如，在xsh中，您可以写：

open file.xml ;
delete //record[field="DELETEKEY"] ;
save :b ;

Answer 2

我同意有关使用正确的XML解析器的评论。

您的sed脚本存在的问题是您在N“函数中读取了{:delete）行”。这是一个使用更简单逻辑的工作示例：

/<xmlhead1>/,/<\/xmlhead1>/{
  /<xmlsubhead1>/,/<\/xmlsubhead1>/{
    /<record>/ {
      :a
      N
      /<\/record>/!ba
      /<field>DELETEKEY<\/field>/d
    }
  }
}
p

即。在正确的上下文中，读取完整记录（假设简化的XML结构），如果记录包含违规文本，则将其删除。

sed - 正则表达式地址范围是使用N命令时匹配范围之外的行

2 个答案: