regex - 从日志文件中提取特定的 XML

Question

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

这是我试图从日志中提取的内容的示例

<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 uniqueid 属性包含“12345”并且状态属性设置为“已激活”的 XML

通过使用“sed”，我能够提取所有信封，目前我正在使用正则表达式来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内容的正确解决方案是什么？

谢谢!

Answer 1

假设您的 xml 格式如图所示，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

使用开始标记，开始累积行，如果找到所需的行，则设置标志，如果设置了标志，则使用结束标记打印记录。

用 gawk 你可以这样做

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

虽然会有一个额外的换行符。