能否用sed替代grep -oP从API数据中提取指定单词？

我有一批API返回的XML格式数据，想要提取其中code属性里包含cloudy或rainy的内容，目前已经用grep实现了这个功能，想知道能不能用sed完成同样的操作。

现有grep命令：

grep "symbol id=" | grep -oP '(?<=code=").*?(?=")'

API数据样例：

<time datatype="forecast" from="2022-12-07T12:00:00Z" to="2022-12-07T13:00:00Z">
  <location altitude="585" latitude="60.8941" longitude="10.5001">
    <precipitation unit="mm" value="0.0" minvalue="0.0" maxvalue="0.0">. 
</precipitation>
    <symbol id="Cloud" number="4" code="cloudy"></symbol>
  </location>
</time>
    <symbol id="Cloud" number="4" code="cloudy"></symbol>
--
<time datatype="forecast" from="2022-12-07T12:00:00Z" to="2022-12-07T18:00:00Z">
  <location altitude="585" latitude="60.8941" longitude="10.5001">
    <precipitation unit="mm" value="0.0" minvalue="0.0" maxvalue="0.0">. 
 </precipitation>
    <minTemperature id="TTT" unit="celsius" value="-9.8"></minTemperature>
    <maxTemperature id="TTT" unit="celsius" value="-7.6"></maxTemperature>
    <symbol id="PartlyCloud" number="3" code="partlycloudy_day"></symbol>
  </location>
 </time>

当然可以用sed实现，以下是几种可行的写法：

1. 提取所有symbol标签的code属性值 #

这个命令和你现有的grep组合功能一致，先匹配包含symbol id=的行，再提取code="..."中的内容：

sed -n '/symbol id=/ s/.*code="\([^"]*\)".*/\1/p' 你的数据文件路径

• -n：告诉sed只打印指定内容，不输出所有行
• /symbol id=/：仅处理包含该字符串的行
• s/.*code="\([^"]*\)".*/\1/p：用正则匹配整行，捕获code="和"之间的所有内容（[^"]*表示匹配除双引号外的任意字符），替换为捕获到的内容并打印

2. 只提取包含cloudy/rainy的code属性值 #

如果只想保留包含cloudy或rainy的结果，可以在命令里增加过滤逻辑：

sed -n '/symbol id=/ { /code=".*\(cloudy\|rainy\).*/ s/.*code="\([^"]*\)".*/\1/p }' 你的数据文件路径

或者分两步处理，先提取所有code值再过滤：

sed -n '/symbol id=/ s/.*code="\([^"]*\)".*/\1/p' 你的数据文件路径 | grep -E 'cloudy|rainy'

注意事项 #

sed是基于逐行处理的工具，如果你的XML数据中code属性被拆分成多行（比如标签换行），sed可能无法正确捕获内容。这种情况下更推荐用XML专用工具（如xmllint配合xpath）处理，但如果数据格式稳定（每个symbol标签的code属性都在同一行），上述sed命令完全可以满足需求。

内容的提问来源于stack exchange，提问作者Arawelo