shell 查找XML中的节点问题

pjz0311

如果有一个XML文件，这个XML文件的内容是一个很长的字符串（只有一行），问题是如何提取其中某个节点的值啊？这个节点在XML文件中可能有多个。例如：
<book><page>page1</page><page>page2</page></book>
如果我想提取所有page节点的值：
page1
page2
该如何写shell命令啊？

galford433

xml有个特点<xxx>....</xxx>利用下
awk 'BEGIN{FS=">";RS="</"}$NF{print $NF}' file

回4楼，可以匹配详细点
awk 'BEGIN{FS="<page>";RS="</"}$NF&&$NF!~/.*>.*/{print $NF}' file
#其中FS="<page>" 就是你的节点
#如果节点内容里有">"符号NF!~后面的内容得改（偶觉得你的节点内容里应该没这个无聊的符号就没想这么多了！）

我大致测了下
$ echo "<book>sss<page>page1</page><page>page2</page>ssss</book>" | awk 'BEGIN{FS="<page>";RS="</"}$NF&&$NF!~/.*>.*/{print $NF}'
page1
page2

[ 本帖最后由 galford433 于 2008-11-26 22:47 编辑 ]

walkerxk

cat urfile|grep -Eo "<page>[^<]+</page>"|sed -r 's,</?page>,,g'

pjz0311

感谢楼上两位指点。对2楼的疑问是我的系统为AIX，它上面的grep不支持-o选项啊；对3楼的疑问是如果我的XML中有很多节点，我只要提取其中的某个特定的节点，能否再详细一点啊？多谢了！

walkerxk

cat urfile|sed 's,<page>,\n,g;s,</page>,\n,g'|grep -v "<"
理论上没有问题，但是总觉得有点问题。

galford433

和偶的附加声明一样，<page>***<****</page>这样的内容会给枪毙，不过我觉得<>这类无聊符号不会出现在正文中……

walkerxk

如果出现<book><page>1<2</page><page>page2</page></book>这种情况，我想XML解析也会出问题吧，这类写法应该是不能允许的，应该用&lt;替换或者其他。

galford433

对于xml的严格语法不太清楚，只是就我所见过的xml配置文件（cluster.conf、server.xml、……）而言，我都没见过正文里有这两种无聊符号，所以觉得应该不用考虑它。

blackold

使用xml工具。