请求Sed命令：仅转义XML标签值中的双引号与单引号

需求说明 #

现有如下XML内容：

<?xml version="1.0" encoding="UTF-8"?>
<Document>
    <InnerDoc>
        <GrpHdr>
            <MsgId>aaa.xml</MsgId>
            <CreDtTm>2023-08-15T13:35:33.0Z</CreDtTm>
            <MsgRcpt>
                    <Id  value="111">
                    <OrgId>
                        <Othr>
                            <Id>asa-"as'#</Id>
                        </Othr>
                    </OrgId>
                </Id>
            </MsgRcpt>
            <tag1 info = "AddInf1">Report Map = PRIOR DAY BALTRAN INCREMENTAL " - '</tag1>
            <tag2 info = "AddInf2">Report Map =  " - '</tag1>
        </GrpHdr>
    </InnerDoc>
</Document>

需要**仅对XML标签值（即>与<之间的文本）**进行转义处理：

• 双引号"替换为"
• 单引号'替换为'
  要求避免全局替换，防止修改标签属性中的引号（如info = "AddInf1"里的引号）。

解决方案Sed命令 #

sed -E -e ':a s/(>[^<]*")([^<]*<)/\1\&quot;\2/g; ta' -e ':b s/(>[^<]*'\''[^<]*<)/\1\&apos;\2/g; tb' input.xml

命令解释 #

1. -E：启用扩展正则表达式，简化分组语法
2. :a/:b：定义循环标签，用于重复替换直到目标区域内无未转义的引号
3. 第一个替换规则（处理双引号）：
   • 正则(>[^<]*")([^<]*<)捕获>后到<前包含双引号的区域
   • 将捕获到的双引号替换为"
   • ta：如果替换成功，回到标签a继续循环，确保当前行内所有标签值里的双引号都被转义
4. 第二个替换规则（处理单引号）：
   • 逻辑与双引号处理一致，将单引号替换为'
   • tb：循环替换直到当前行内所有标签值里的单引号都被转义

处理后示例效果 #

以<tag1>为例，处理后变为：

<tag1 info = "AddInf1">Report Map = PRIOR DAY BALTRAN INCREMENTAL &quot; - &apos;</tag1>

注意事项 #

该命令仅适用于标签值单行的XML结构。如果存在标签值跨多行的情况，Sed的单行处理逻辑会失效，建议使用专门的XML处理工具（如xmlstarlet）来保证准确性。

内容的提问来源于stack exchange，提问作者Vignesh Govindhan