处理一个xml文本文件

冰封三万里

需求：文本文件中有很多<title> </title> 成对出现，我的目的就是在杂乱的xml文件中  摘出来不是成对出现的<title>

文本范例：不要拘泥于这个例子  这只是从大文本中摘出来的一小部分

<xml>
asjdf<a></a>kajs
asdj<ab>bfkfk
456456<fdgsfg>fghdfgh

5ASDsd<1234234>sdft<123er><abc>56<aaa>4e</abc></123er>
ajsfk

ssfd<sdfsd><abc><aaa></abc>
</xml>

目的，如图所示，摘出来独立的<title>，红圈位置

冰封三万里

首先谢谢各位大神~

sunzhiguolu

回复 1# 冰封三万里
你的这些成对的 label 错行吗?

   

sunzhiguolu

另外, <xml>...</xml> 也需要进行验证吗?

muphil

刚写了下，应该是对的

1. 
   
2. #!/usr/bin/awk  -f
   
3. /<[^>]+>/ {
   
4.         while (i = index($0, "<")) {
   
5.                 sub(/^[^<]*</, "")
   
6.                 t = substr($0, 1, 1)
   
7.                 if (t == "/")
   
8.                         sub(/^./, "")
   
9.                 j = index($0, ">")
   
10.                 if (j <= 0)
    
11.                         next
    
12.                 tag = substr($0, 1, j - 1)
    
13.                 if (t == "/") {
    
14. #                        print "/" tag
    
15.                         oldcnt = cnt
    
16.                         while (cnt > 0 && stack[cnt] != tag) {
    
17.                                 print lines[cnt] ":wrong tag: " stack[cnt]
    
18.                                 cnt--
    
19.                         }
    
20.                         if (cnt == 0) {
    
21.                                 print "wrong tag: /" tag
    
22.                                 cnt = oldcnt
    
23.                         } else {
    
24.                                 cnt--
    
25.                         }
    
26.                 } else {
    
27.                         stack[++cnt] = tag
    
28.                         lines[cnt] = NR
    
29. #                        print "-------"
    
30. #                        for (k = 1; k <= cnt; ++k) {
    
31. #                                print stack[k]
    
32. #                        }
    
33.                 }
    
34.                 sub(/^[^>]*>/, "")
    
35.         }
    
36. }
    
37. 
    
38. END {
    
39. #        print "--------cnt is----" cnt
    
40.         for (; cnt > 0; cnt--) {
    
41.                 print lines[cnt] ":wrong tag: " stack[cnt]
    
42.         }
    
43. }
    

复制代码

haooooaaa

1. awk -vRS='</?[^>]+>' 'RT{s=s RT" ";if(RT!~"/")a[RT]}END{
   
2.     for(i in a){
   
3.         m = "</" substr(i,2)
   
4.         if(split(s,t,i)!=split(s,t,m)){
   
5.             print i
   
6.         }
   
7.     }
   
8. }'

复制代码

冰封三万里

回复 4# sunzhiguolu


你好  不错行  不需要验证  只需要摘出来 不是成对出现的<title>  即可

   

冰封三万里

回复 5# muphil

很感谢  正在看  有问题稍后追问~


   

冰封三万里

回复 6# haooooaaa

很感谢  正在研究  谢谢~

   

muphil

回复 6# haooooaaa


    两组tag交错的话，无法检测出吧，或者有多组同名的tag