bash - 带有特定文本的多行 grep

Question

有一个xml文件，<A_tag>里面有很多-s。

我需要查看那些至少有一个<C_tag>.

所以这个块应该匹配（因此包含在结果中）：

<A_tag>
    ...
    ...
    <C_tag attr1="" ... attrn="" />
    ...
</A_tag>

我尝试使用 pcregrep，但我不知道如何判断任何大于 1 个字符的块结尾（并且</A_tag>比这更长，但例如[^>]regexp 对我来说也很容易）。

我也尝试过 awk，但也无法用它来管理目标。

如果有经验的人可以帮助我，请让您的命令也用空行分隔找到的块，这样我可以了解更多信息。

Answer 1

跟进 xmllint 评论：

xmllint --xpath '(//A_tag/C_tag/..)' x.xml

将在 A_TAG 下寻找 C_TAG，然后显示父 A_TAG。

输出：

<A_tag>
    <C_tag attr1="" attrn=""/>
</A_tag>

Answer 2

是的，就我而言，这是解决方案：

xmllint --shell x.xml <<< 'xpath //A_tag//C_tag/ancestor::A_tag'

这是因为我的xmllint版本不支持--xpath选项。此外，C_tag可以是 的任何后代A_tag，而不仅仅是直接孩子（我没有澄清问题）。但是，dash-o 的答案似乎是正确的。

我唯一的问题是我正在使用的这个 xml 文件包含 450 万行，xmllint结果很慢 - 因为它确实解析了文件。

如果您有更通用的解决方案，可以与awkor一起使用pcregrep，请与我分享。它们在这里会很好，因为它们只使用模式。

否则我明天会接受原来的答案。

Answer 3

如果文件打印得很漂亮（或遵循类似的规则），可以编写小的 awk 脚本，并且只作用于 a_tag 和 c_tag 行：

awk '
/<A_tag>/      { in_a=$0 ; c="" ; next }
in_a           { in_a = in_a RS $0}
/<C_tag/       { c=$0 ; next }
/<\/A_tag>/    { if ( in_a && c ) { print in_a ; in_a="" ; c=""} }
' x.xml