Linux-Shell-解析xml节点的值

01 xml 文件

# user.xml
<user>
    <name>Toy</name>
    <sex>man</sex>
    <room/>
</user>

其中第 5 行的<room/> xml 节点是空节点，是比较特殊的格式。

02 多条命令解析 xml 节点

采用多条命令和管道符也可以解析 xml 节点，方式如下：

[~]$ cat user.xml | grep name | sed 's/^.*<name>//g' | sed 's/<\/name>.*$//g'
Toy
[~]$ cat user.xml | grep name | sed 's/^.*<sex>//g' | sed 's/<\/sex>.*$//g'

[~]$ cat user.xml | grep room | sed 's/^.*<room>//g' | sed 's/<\/room>.*$//g'
    <room/>

上面的方式无法解析 <room/> 这种特殊格式的 xml 节点，虽然用多个命令和管道符是可以实现解析正常格式的 xml 节点的值，但是过多的管道符是会降低执行效率的。

因为管道符是会为连接的命令产生子进程，从而加大 CPU 的开销。

03 一行 awk 命令解析 xml 节点

awk 命令解析所有特殊的 xml 节点的值，只需要一行命：

[~]$ awk  '/<\/*name\/*>/{gsub(/[[:space:]]*<\/*name\/*>/,"");print $0}' user.xml 
Toy
[~]$ awk  '/<\/*sex\/*>/{gsub(/[[:space:]]*<\/*sex\/*>/,"");print $0}' user.xml 
man
[~]$ awk  '/<\/*room\/*>/{gsub(/[[:space:]]*<\/*room\/*>/,"");print $0}' user.xml 

[~]$

上面的 awk 方式可以兼容所有特殊的 xml 节点，并且只需要一条命令就能解析出 xml 的值。

简单说明下命令的意思：

• gsub(/ 匹配的字符串 /,"") 是 awk 内部的函数，表示将匹配到的字符串替换成""，也就是替换成空字符串，可以替代 sed 's/ 匹配的字符串 //g'
• </*name/*> 中的 * 号是正则表达式，* 号表示可以重复前面字符 0 个或多个，所以 </*name/*> 可以间接的表示 <name> 、</name> 和<name/> 等
• [[:space:]] 表示匹配空格、制表格等空白符，[[:space:]]*表示匹配空白字符 0 个或多个
• $0 表示取记录的所有记录

所以，awk 解析 xml 节点的命令小结成如下：

awk  '/<\/* 节点名字 \/*>/{gsub(/[[:space:]]*<\/* 节点名字 \/*>/,"");print $0}' xml 文件

04 小结

我们在编写脚本时，需要解析文本文件时，尽量避免使用多命令和管道符的方式去解析，因为使用了管道符就会产生子进程，会加大了 CPU 的开销。

大部分情况下只需要一条 awk 命令就完成解析的工作，相比较起多命令和管道符的方式效率会更高，并且 CPU 开销小。

通过以上的两个解析 xml 节点的案例，我们可以总结出：

awk '/ 匹配的字符串 /{print $0}' 可以替代 grep "匹配的字符串"
awk  '{gsub(/ 匹配的字符串 /,"");print $0}'可以替代 sed's/ 匹配的字符串 /""/g'

awk '/ 匹配的字符串 /{gsub(/ 匹配的字符串 /,"");print $0}' <xml 文件 > 
可以替代
cat <xml 文件 > | grep "匹配的字符串" | sed 's/ 匹配的字符串 /""/g'