如何从文件中删除文本块

Question

编辑：在OS X中执行之前没有提到

我正在尝试创建一个bash脚本，该脚本将从文件中删除一些块并将结果保存到另一个。

我要过滤的文件内容应如下所示：

<element>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
</element>
<element>
    <subElement name="removeme"/>
    <subElement name="removeme"/>
    <subElement name="removeme"/>
</element>
<element>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
</element>

我要删除的是包含<element></element>标记的组，其中包含子元素<subElement name="removeme"/>

可以确保没有组将“ removeme”和“ leaveme”元素混合在一起。

我知道如何使用这样的正则表达式来做到这一点：

<element>(?:(?!/elem).)*"removeme".*?</element>

但是我真的对如何在Shell脚本中执行操作迷失了，找到了有关sed的一些信息，但不了解如何完成。

谢谢。

Answer 1

正则表达式当然是解析XML的错误工具 。 您想要一个XML处理工具来删除与xpath匹配的节点//element[subElement[@name="removeme"]]

• 具有subElement子项的element节点，该子element节点具有name属性，其值为removeme

使用xmlstarlet ：

xmlstarlet ed -d '//element[subElement[@name="removeme"]]' << ENDXML
<elements>
   <element>
      <subElement name="leaveme"/>
      <subElement name="leaveme"/>
      <subElement name="leaveme"/>
   </element>
   <element>
      <subElement name="removeme"/>
      <subElement name="removeme"/>
      <subElement name="removeme"/>
   </element>
   <element>
      <subElement name="leaveme"/>
      <subElement name="leaveme"/>
      <subElement name="leaveme"/>
   </element>
</elements>
ENDXML

<?xml version="1.0"?>
<elements>
  <element>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
  </element>
  <element>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
  </element>
</elements>

Answer 2

接下来的想法（基于Jotne的here ）是将文件的所有行收集到lines数组中。 <element>和</element>标记的位置分别保存在i_start和i_end 。 如果看到<subElement name="removeme"/> ，则将found设置为1 （true）。 i_end有条件地设置为0 ，如果found如果是端部元件的真实或行号（数组索引） found是不正确的。 如果i_end不为零，则打印开始标记和结束标记之间的块。

awk '
  { lines[NR] = $0 }
  /<element>/   { i_start = NR }
  /<\/element>/ { i_end = found ? 0 : NR; found = 0 }
  /<subElement name="removeme"\/>/ { found = 1 }
  i_end {
    for (i = i_start; i <= i_end; i++)
      print lines[i]
    i_end = 0;
  }
' file

Answer 3

使用gnu awk可以这样：

awk -v RS="<element>" '!/removeme/ && NR>1{print RS $0}' file
<element>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
</element>

<element>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
    <subElement name="leaveme"/>
</element>

通过将RS设置为<element>您告诉awk以块模式工作，它以<element>开头
然后!/removeme/告诉awk不要打印带有removeme数据的块。

Answer 4

使用sed：

sed -n '
    /<element>/h
    /<element>/!H
    /<\/element>/{g;/<subElement name="removeme"\/>/!p;}
' file

/<element>/h命令在将保持空间与模式空间内容匹配时进行初始化。

如果行与<element>不匹配，则/<element>/!H命令会将模式空间内容追加到保留空间。

/<\\/element>/{g;/<subElement name="removeme"\\/>/!p}命令测试结束标记，并在匹配时执行以下两个命令：

1. 填充的保留空间将复制到模式空间。 现在，正则表达式将针对包含整个element块的更新后的模式空间进行测试。
2. 正则表达式寻找过滤子元素值； 如果没有匹配，将打印出图案空间。