如何通过命令行移除重复出现的XML标签块

我有如下XML文件：

<xml>
  <trkseg>
  <note>
    <to>A</to>
    <from>B</from>
    <body>
      keep this
    </body>
  </trkseg>
  <trkseg>
  </note>
  ...
  </trkseg>
</xml>

需要移除所有连续出现的</trkseg>和<trkseg>标签组合（即这两行同时出现的情况），预期得到的结果是：

<xml>
  <trkseg>
  <note>
    <to>A</to>
    <from>B</from>
    <body>
      keep this
    </body>
  </note>
  ...
  </trkseg>
</xml>

我尝试用下面的sed命令处理，但结果不对：

sed -i '' -e '/<\/trkseg>/,/<trkseg>/d' my-file.xml

得到的错误结果是末尾的</trkseg>被删掉了，输出变成：

<xml>
  <trkseg>
  <note>
    <to>A</to>
    <from>B</from>
    <body>
      keep this
    </body>
  </note>
  ...

原来的sed命令会删除从第一个</trkseg>行到第一个<trkseg>行的所有内容，包括这两行本身，所以才会把最后那个需要保留的</trkseg>也删掉了。

可以用下面的sed命令实现正确的替换：

sed -i '' -e '/<\/trkseg>$/{N;/\n<trkseg>$/d;}' my-file.xml

命令说明： #

1. /<\/trkseg>$/：精准匹配以</trkseg>结尾的行
2. {N;}：把下一行内容读入当前的模式空间，此时模式空间里是两行：</trkseg>和它后面紧跟的<trkseg>
3. /\n<trkseg>$/d;：如果模式空间里的第二行是以<trkseg>结尾的，就删除这两行

如果你的XML标签前后有缩进空格，需要调整匹配规则来兼容空格：

sed -i '' -e '/<\/trkseg>\s*$/{N;/\n\s*<trkseg>\s*$/d;}' my-file.xml

这里的\s*用来匹配任意数量的空格或制表符，确保缩进不同的情况也能匹配到。

额外提醒 #

用sed这类文本工具处理XML其实并不够严谨，因为XML的结构可能有各种变化（比如标签跨多行、嵌套层级复杂）。如果是复杂的XML处理场景，建议用专门的XML工具，比如xmllint或者Python的xml.etree模块，能更可靠地处理结构问题。

内容的提问来源于stack exchange，提问作者johansson