Linux Shell | 解析xml节点

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：

• 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记录，可以替代grep "匹配的字符串"

• 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'

---