从日志文件中提取特定的XML

Question

我有很大的日志文件（每个文件约50mb），其中包含Java调试信息以及各种XML响应

这是我尝试从日志中提取内容的示例

<envelope>
    <response>
        <ATTR name="uniqueid" value="XYZ_00000-00-00_12345_1"/>
        <ATTR name="status" value="Activated"/>
        <ATTR name="datecreated" value="2018/10/04 09:39:05"/>
    </response>
</envelope>

我只需要其uniqueid属性包含 “ 12345”且status属性设置为“ Activated”的XML。

通过使用“ sed”，我能够提取所有信封，并且当前我正在使用正则表达式检查其中是否存在上述条件（通过循环运行所有这些条件）。

sed -n '/<envelope>/,/<\/envelope>/p' logfile

从文件中提取我需要的什么是正确的解决方案？

谢谢！

Answer 1

假设您的xml格式如下所示，这应该可以...

$ awk '/<envelope>/ {line=$0; p=0; next} 
             line   {line=line ORS $0} 
    /uniqueid/ && $3~/12345/ {p=1}
   /<\/envelope>/ && p {print line}' file

使用开始标签，如果发现所需的行设置了标志，则开始累积行；如果设置了标志，则结束标记，开始记录。

用gawk可以代替

$ awk -F'\n' -v RS='</envelope>\n'    \
    '$3~/uniqueid.*12345/ && $4~/status.*Activated/{print $0, RT}' file

会有额外的换行符。