如何在Shell脚本中解析XML？求xmllint/grep实现指定输出

需要从给定的XML文件中提取以下格式的输出：

availStart="2024-05-24T05:00:30" availId="811220455" q1:campaignIdRef=180398
availStart="2024-05-24T05:13:41" availId="811220484" q2:campaignIdRef=179163
availStart="2024-05-24T05:13:41" availId="811220484" q2:campaignIdRef=179166
availStart="2024-05-24T05:13:41" availId="811220484" q2:campaignIdRef=179164
availStart="2024-05-24T05:13:41" availId="811220484" q2:campaignIdRef=179165

尝试过以下命令，但仅能获取availStart值，availId无输出，且无法关联campaignIdRef：

while read LINE; do time=`grep -io -P 'availstart=.{20}'` && avail=`grep -io -P 'availId=.{11}'`;echo -e "\n$time and $avail";done < sample.xml

方法一：使用xmllint（推荐，XML专用工具） #

XML包含命名空间，需在XPath中声明才能正确定位元素。以下命令通过xmllint提取所需字段，再用awk格式化输出：

xmllint --xpath "declare default element namespace 'urn:scte:118:version01'; declare namespace q='urn:nds:dynamic:ruleManagerICD:01:01'; /Schedule/Window/Avail/(./@availStart, ./@availId, .//q:campaignIdRef/text())" sample.xml | awk '{
    if (match($0, /availStart="[^"]+"/)) start=substr($0,RSTART,RLENGTH);
    if (match($0, /availId="[^"]+"/)) id=substr($0,RSTART,RLENGTH);
    if ($0 ~ /^[0-9]+$/) {
        prefix = (start ~ /2024-05-24T05:00:30/) ? "q1:" : "q2:";
        print start " " id " " prefix "campaignIdRef=" $0;
    }
}'

说明： #

1. xmllint的--xpath参数声明了XML的默认命名空间和q前缀（对应q1/q2的统一URI），提取每个Avail节点的availStart、availId属性，以及所有后代的campaignIdRef文本值。
2. awk负责缓存availStart和availId，遇到数字格式的campaignIdRef时，根据时间匹配前缀并输出完整行。

方法二：使用awk+正则（快速处理结构固定的XML） #

如果XML结构稳定，可直接用awk逐行扫描，关联Avail节点和对应的campaignIdRef：

awk '
/<Avail/ {
    # 提取当前Avail的availStart和availId属性
    match($0, /availStart="[^"]+"/, start_match);
    match($0, /availId="[^"]+"/, id_match);
    current_start = start_match[0];
    current_id = id_match[0];
    # 提取当前Avail的命名空间前缀（q1/q2）
    match($0, /xmlns:(q[12])="urn:nds/, prefix_match);
    current_prefix = prefix_match[1] ":";
}
/campaignIdRef>/ {
    # 提取campaignIdRef的值并输出完整行
    match($0, /campaignIdRef>([0-9]+)</, camp_match);
    print current_start " " current_id " " current_prefix "campaignIdRef=" camp_match[1];
}
' sample.xml

说明： #

• 遇到<Avail>行时，缓存该行的availStart、availId和命名空间前缀。
• 遇到campaignIdRef行时，直接使用缓存的Avail信息，输出目标格式的行。

原命令问题分析 #

你之前的while read循环存在两个核心问题：

1. 循环内的grep默认读取整个文件，而非当前行，导致变量值重复且无法关联上下文。
2. 没有处理campaignIdRef与对应Avail节点的关联关系，无法生成目标格式的输出。

内容的提问来源于stack exchange，提问作者Hasham1983