求助：使用Bash脚本结合正则替换CDATA并提取指定值

没问题，我来帮你搞定这个CDATA内容提取替换的需求！你已经找对了方向——用sed或者awk就能轻松实现，下面给你具体的实现方案和解释：

方案一：使用sed（推荐，简洁高效） #

sed是处理文本替换的利器，启用扩展正则后可以轻松捕获目标数值。执行下面的命令即可完成替换：

sed -E 's/<!\[CDATA\[.*"original_image":"([0-9]+)".*\]\]>/<![CDATA[\1]]>/g' your_export_file.txt

命令解释： #

• -E：启用扩展正则表达式，这样我们不用对捕获括号()转义，写起来更清爽
• s/匹配规则/替换内容/g：标准的sed替换语法，g表示全局替换（一行中有多个匹配时都会处理）
• 匹配规则部分：<!\[CDATA\[.*"original_image":"([0-9]+)".*\]\]>
  • <!\[CDATA\[ 和 \]\]> 精准匹配CDATA的首尾标记（注意转义[和]）
  • .* 匹配CDATA内部的任意内容（贪婪模式，会跳过所有直到找到"original_image"）
  • ([0-9]+) 捕获"original_image"对应的数值，这就是我们要保留的内容
• 替换内容部分：<![CDATA[\1]]>，\1引用前面捕获到的数值，把整个CDATA块替换成只包含该数值的新CDATA

方案二：使用awk（适合复杂文本场景） #

如果你的导出文件有更复杂的格式，或者需要做额外的文本处理，awk会更灵活：

awk '{
    while(match($0, /<!\[CDATA\[.*"original_image":"([0-9]+)".*\]\]>/, capture_arr)) {
        sub(/<!\[CDATA\[.*"original_image":"[0-9]+".*\]\]>/, "<![CDATA[" capture_arr[1] "]]>", $0)
    }
    print
}' your_export_file.txt

命令解释： #

• match($0, 正则, capture_arr)：在当前行中匹配正则，把捕获的组存入数组capture_arr，capture_arr[1]就是我们要的数值
• sub(匹配规则, 替换内容, $0)：把当前行中第一个匹配的内容替换掉，配合while循环处理一行中的所有匹配
• 最后print输出处理后的行

测试示例 #

假设你的导出文件内容如下：

Sample line 1: <![CDATA[{"original_image":"9","cropped_image":15}]]>
Sample line 2: <![CDATA[{"cropped_image":22,"original_image":"123"}]]>

执行sed命令后，输出结果会是：

Sample line 1: <![CDATA[9]]>
Sample line 2: <![CDATA[123]]>

如果需要直接修改原文件，可以给sed加上-i参数（注意：这个操作会直接覆盖原文件，建议先备份）：

sed -i -E 's/<!\[CDATA\[.*"original_image":"([0-9]+)".*\]\]>/<![CDATA[\1]]>/g' your_export_file.txt

内容的提问来源于stack exchange，提问作者mcorkum