Linux Shell | 解析xml節點

01 xml文件

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

其中第 5 行的<room/> xml 節點是空節點，是比較特殊的格式。

---

02 多條命令解析xml節點

采用多條命令和管道符也可以解析xml節點，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/>

上面的方式無法解析 <room/> 這種特殊格式的 xml 節點，雖然用多個命令和管道符是可以實現解析正常格式的xml節點的值，但是過多的管道符是會降低執行效率的。

因為管道符是會為連接的命令產生子進程，從而加大CPU的開銷。

---

03 一行 awk 命令解析xml節點

awk 命令解析所有特殊的 xml 節點的值，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 節點，並且只需要一條命令就能解析出 xml 的值。

簡單說明下命令的意思：

• awk '/匹配的字符串/{print $0}'表示在文本中，找到匹配的字符串所在的行記錄，可以替代grep "匹配的字符串"

• gsub(/匹配的字符串/,"") 是 awk 內部的函數，表示將匹配到的字符串替換成""，也就是替換成空字符串，可以替代 sed 's/匹配的字符串//g'

• </*name/*> 中的 * 號是正則表達式，* 號表示可以重復前面字符 0 個或多個，所以 </*name/*> 可以間接的表示<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個或多個

• $0 表示取記錄的所有記錄

所以，awk 解析 xml 節點的命令小結成如下：

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

---

04 小結

我們在編寫腳本時，需要解析文本文件時，盡量避免使用多命令和管道符的方式去解析，因為使用了管道符就會產生子進程，會加大了 CPU 的開銷。

大部分情況下只需要一條 awk 命令就完成解析的工作，相比較起多命令和管道符的方式效率會更高，並且CPU開銷小。

通過以上的兩個解析xml節點的案例，我們可以總結出：

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'

---