具有特定文本的多行 grep

Question

有一个 xml 文件，里面有很多 <A_tag>-s。

我需要查看至少有一个 <C_tag>.

的那些 A 标签（及其子标签，因此标签的全部内容）

所以这个块应该匹配（因此包含在结果中）：

<A_tag>
    ...
    ...
    <C_tag attr1="" ... attrn="" />
    ...
</A_tag>

我试过使用 pcregrep，但我不知道如何判断任何块结尾，它比 1 个字符长（</A_tag> 比那个长，但是例如 [^>] 正则表达式对我来说也很容易）。

我也试过 awk，但也无法达到目标。

如果有经验的人可以帮助我，请让你的命令也用空行分隔找到的块，这样我可以学到更多。

Answer 1

跟进 xmllint 评论：

xmllint --xpath '(//A_tag/C_tag/..)' x.xml

会在A_TAG下寻找C_TAG，然后显示父A_TAG。

输出：

<A_tag>
    <C_tag attr1="" attrn=""/>
</A_tag>

Answer 2

是的，就我而言，这就是解决方案：

xmllint --shell x.xml <<< 'xpath //A_tag//C_tag/ancestor::A_tag'

因为我的xmllint版本不支持--xpath选项。此外，C_tag 可以是 A_tag 的任何后代，而不仅仅是直接 child（我没有在问题中澄清）。但是，dash-o的答案似乎是正确的。

我唯一的问题是我正在使用的这个 xml 文件包含 450 万行，其中 xmllint 结果很慢 - 因为它确实解析了文件。

如果您有适用于 awk 或 pcregrep 的更通用的解决方案，请与我分享。他们在这里会很好，因为他们只处理模式。

要不然我明天就采纳原答案了

Answer 3

如果文件打印精美（或遵循类似规则），可以编写小的 awk 脚本，并且只作用于 a_tag 和 c_tag 行：

awk '
/<A_tag>/      { in_a=[=10=] ; c="" ; next }
in_a           { in_a = in_a RS [=10=]}
/<C_tag/       { c=[=10=] ; next }
/<\/A_tag>/    { if ( in_a && c ) { print in_a ; in_a="" ; c=""} }
' x.xml

具有特定文本的多行 grep

Multiline grep with specific text

bash

awk

grep

pcregrep