xml - 使用 awk 命令提取 xml 标记值

Question

我有一个如下所示的 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签值的值。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，例如如果同一行上有多个元素，则会失败。

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

我建议您使用适当的 xml 处理工具，例如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 标记。任何以 < 后跟至少一个 non-> 并以 > 结尾的内容都被认为是标签。Gawk 将每个 RS 匹配分配给 RT 变量。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

Answer 3

下面的代码将所有标签值存储在一个数组中！希望这会有所帮助。但我仍然相信这不是一个最佳的方法。

> perl -lne 'if(/>[^<]*</){$_=~m/>([^<]*)</;push(@a,$1)}if(eof){foreach(@a){print $_}}' temp
A
2001-12-17T09:30:47
0
0.0
1967-08-13
CLRG
xx
AAAAAAAAAAA