如何用grep仅匹配XML中Id为1234的首个<innerElement>标签内容？

问题描述 #

需要从XML文件中提取Id为1234的<innerElement>标签及其内部所有内容，使用grep -zo参数尝试多行匹配时，因.*的贪婪匹配特性，结果会包含到文件末尾，如何让匹配仅停在该ID对应的首个</innerElement>标签处？

XML示例 #

<outerTag>
  <innerElement>
    <Id>1234</Id>
    <fName>Kim</fName>
    <lName>Scott</lName>
<customData1>Value1</customData1>
<customData2>Value2</customData2>
    <position>North</position>
    <title/>
  </innerElement>
  <innerElement>
    <Id>5678</Id>
    <fName>Brian</fName>
    <lName>Davis</lName>
<customData3>value3</customData3>
<customData4>value4</customData4>
<customData5>value5</customData5>
    <position>South</position>
    <title/>
  </innerElement>
</outerTag>

预期输出 #

<innerElement>
    <Id>1234</Id>
    <fName>Kim</fName>
    <lName>Scott</lName>
<customData1>Value1</customData1>
<customData2>Value2</customData2>
    <position>North</position>
    <title/>
</innerElement>

已尝试命令 #

grep -zo '<innerElement>.*<Id>1234</Id>.*</innerElement>' myfile.xml

解决方案 #

方法1：使用grep非贪婪匹配 #

将贪婪匹配的.*替换为非贪婪匹配的.*?，同时启用Perl兼容正则表达式（PCRE），让匹配在遇到第一个</innerElement>时停止。

正确命令

grep -zPo '<innerElement>.*?<Id>1234</Id>.*?</innerElement>' myfile.xml

参数解释

• -z：将文件视为NUL字符分隔的行，实现跨行匹配；
• -P：启用Perl兼容正则表达式，支持非贪婪匹配语法.*?；
• .*?：非贪婪匹配，尽可能少地匹配字符，避免贪婪匹配到文件末尾；
• 正则会精准匹配包含<Id>1234</Id>的目标<innerElement>块。

方法2：使用awk实现（兼容所有环境） #

如果grep不支持-P参数，可使用awk，逻辑更直观：

awk '/<innerElement>/{flag=1; buf=""} flag{buf=buf $0 "\n"} /<Id>1234<\/Id>/{target=1} /<\/innerElement>/{if(target){print buf; exit}; flag=0; target=0}' myfile.xml

逻辑说明

1. 遇到<innerElement>时开启标记，清空缓冲区；
2. 标记开启时把每行内容存入缓冲区；
3. 遇到<Id>1234</Id>时标记这是目标块；
4. 遇到</innerElement>时，如果是目标块就打印缓冲区并退出，否则关闭标记。

内容的提问来源于stack exchange，提问作者aldehc99