如何基于日期筛选curl获取的XML中的指定URL？

处理XML这种结构化数据，别用grep/awk硬正则匹配，很容易因为标签换行、嵌套结构出问题，优先用专门的XML处理工具，给你几个可行方案：

方案1：用xmlstarlet（推荐） #

xmlstarlet是专门的XML命令行工具，能精准解析结构，先确保你的系统安装了它（Debian/Ubuntu用apt install xmlstarlet，macOS用brew install xmlstarlet）。

假设你的XML结构是类似这样的（每个条目包含和）：

https://example.com/1 2023-07-01 https://example.com/2 2023-08-05

执行以下命令就能直接输出2023-07的URL和对应日期：

curl -s https://url.com | xmlstarlet sel -t -m "//entry[starts-with(date/text(), '2023-07')]" -v "concat(log/text(), ' | ', date/text())" -n

• -m "//entry[starts-with(date/text(), '2023-07')]"：匹配所有包含日期以2023-07开头的节点
• -v "concat(...)"：把和的文本内容拼接后输出
• -n：每个结果换行

如果你的XML节点名不同（比如条目是，URL是），只需要修改XPath里的节点名即可，比如//logitem[starts-with(date/text(), '2023-07')]。

方案2：用xmllint（系统自带概率高） #

如果不想装新工具，xmllint很多系统默认自带（属于libxml2-utils包，Debian/Ubuntu可装apt install libxml2-utils），结合简单的文本处理命令也能实现：

curl -s https://url.com | xmllint --xpath "//entry[starts-with(date/text(), '2023-07')]" - | grep -E '(<log>|<date>)' | sed -e 's/<\/\?log>//g' -e 's/<\/\?date>//g' | paste - -

步骤分解：

1. 用xmllint筛选出符合日期条件的节点
2. grep提取出包含和的行
3. sed去掉标签，只保留文本内容
4. paste把相邻的URL和日期行合并成一行

方案3：应急用awk（不推荐） #

如果实在只能用awk，假设你的XML里和是成对连续出现的（没有跨太多行或嵌套），可以试试：

curl -s https://url.com | awk '/<log>/ {url=$0; sub(/<\/?log>/,"",url)} /<date>/ {date=$0; sub(/<\/?date>/,"",date); if (date ~ /^2023-07/) print url, "|", date}'

这个逻辑是：遇到行就提取并清理URL；遇到行就提取清理日期，判断日期前缀是2023-07就输出配对的URL和日期。但如果XML结构有变化（比如标签换行、中间插了其他节点），这个命令就会失效，所以仅作应急用。

内容的提问来源于stack exchange，提问作者cristobal veas