Как удалить теги XML из командной строки Unix?

Question

Я извлекаю XML-файл, который выводит меня следующим образом:

<tag>data</tag>
<tag>more data</tag>
...

Обратите внимание, что это плоский файл, а не дерево XML. Я хочу удалить теги XML и просто отображать данные между ними. Я делаю все это из командной строки, и мне было интересно, есть ли лучший способ, чем дважды передать его в awk ...

cat file.xml | awk -F'>' '{print $2}' | awk -F'<' '{print $1}'

В идеале я хотел бы сделать это одной командой

Answer 1

Если ваш файл выглядит так, тогда sed может вам помочь:

sed -e 's/<[^>]*>//g' file.xml

Конечно вам не следует использовать регулярные выражения для анализа XML , потому что этожесткий .

Answer 2

Использование awk:

awk '{gsub(/<[^>]*>/,"")};1' file.xml

Answer 3

Используйте html2text инструмент командной строки, который преобразует HTML в простой текст.

В качестве альтернативы вы можете попробовать ex -way:

ex -s +'%s/<[^>].\{-}>//ge' +%p +q! file.txt

или

cat file.txt | ex -s +'%s/<[^>].\{-}>//ge' +%p +q! /dev/stdin

Answer 4

Попробуйте:

grep -Po '<.*?>\K.*?(?=<.*?>)' inputfile

Пояснение:

Использование регулярных выражений, совместимых с Perl (-P) и вывод только указанных совпадений (-o):

• <.*?> - Нежадное совпадение любых символов в угловых скобках
• \K - Не включать предыдущее совпадение в выходные данные (сброс совпадения начала - аналогично положительному поиску, но он работает с совпадениями переменной длины)
• .*? - остановка не жадного совпадения при следующем совпадении (эта часть будет выведена)
• (?=<.*?>) - Нежадное сопоставление любых символов в угловых скобках и не включает совпадение в выходные данные (положительный прогноз - работает с сопоставлениями переменной длины)

Answer 5

Я знаю, что это не "конкурс perlgolf", но я использовал этот трюк.

Установите разделитель записей для < или >, затем печатайте только нечетные строки:

awk -vRS='<|>' NR%2 file.xml