awk - 使用egrep但开始认为awk或sed可能是解决方案

Question

首先，我使用 Cygwin mintty 2.7.4 所以... posix。我的文件中存在多个类似于以下内容的代码片段:

<blah>Spread the peanut butter <ramout assot="f0123_fun10" bapel="2 or 6"/> on good looking bread <ramout assot="f0123_fun10" bapel="3 or 5"/> that does not have peanut butter <ramout assot="f0123_fun10" bapel="2 or 6"/> already on the bread this that and the other <ramout assot="f0123_fun10" bapel="4"/> with something else.</blah>

我正在尝试在一组 blah 标签内查找 ramout 标签的重复实例。 如果存在以下情况:

<ramout assot="f0123_fun10" bapel="2 or 6"/> 

我想知道它是否在一组开始和结束的 blah 标签中再次重复。

我尝试过多种方法。最新的一项如下:

grep -Eoi '<blah>.*([[:space:]]<ramout assot).*\1.*</blah>' *.xml | less

什么也没返回。

我也尝试过:

 grep -Eio '<blah>.*([[:space:]]<ramout assot="[a-z][0-9]{5}_fig[0-9]+" bapel="[0-9]+.*)' *.xml

其中不包括可得出结果但不显示所有结果的反向引用。看起来这仅显示一行/不跨越多行的结果。

如果我想搜索可能或可能不在一行的内容，我应该使用 sed 吗？

awk 是一个可行的候选者吗？我看到并尝试了: awk '/Startpattern/,/Endpattern/' filename 返回了更多结果，但我仍然没有得到所有结果。

任何能够找到 a) 整个文件中的所有 ramout 结果以及单独 b) 在 blah 标签内重复的所有 ramout 结果的帮助将不胜感激。

预期结果类似于:

搜索结果 a) 显示所有 ramout 结果:

<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="3 or 5"/>
<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="4"/>

搜索 b) 的结果显示重复的结果将显示:

<ramout assot="f0123_fun10" bapel="2 or 6"/>

Answer 1

要解析/查询 XML/XHTML 文档，请使用以下工具之一:

• xmlstarlet
• xmllint
• 撒克逊林特

---

我将使用xmlstarlet建议解决方案.
1) 安装 xmlstarlet工具
2) 使用XmlStarlet select或sel查询或搜索 XML 文档的选项 ( xmlstarlet manual )

---

a) 全部 <ramout>整个文件中的标签:

xmlstarlet sel -t -n  -m "//blah/ramout" -c "." -n testfile.xml

输出:

<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="3 or 5"/>
<ramout assot="f0123_fun10" bapel="2 or 6"/>
<ramout assot="f0123_fun10" bapel="4"/>

---

b) 全部 <ramout> <blah> 内重复的标签标签:

xmlstarlet sel -t -n  -m "//blah/ramout" -c "." -n testfile.xml | sort | uniq -d

输出:

<ramout assot="f0123_fun10" bapel="2 or 6"/>

---

uniq -d :
-d, --repeated - 只打印重复的行，每组一个