如何在Linux Bash中移除含指定子串的可变长度<game>XML块

我有一个记录多款游戏元数据的XML文件，内容示例如下：

<?xml version="1.0"?>
<gameList>
    <game>
        <path>./Besiege.desktop</path>
        <name>Besiege</name>
        <desc>Long description of game</desc>
        <releasedate>20150128T000000</releasedate>
        <developer>Spiderling Studios</developer>
        <publisher>Spiderling Studios</publisher>
        <genre>Strategy</genre>
        <players>1</players>
    </game>
<!-- 其他大量条目 -->
    <game>
        <path>./67000.The Polynomial.txt</path>
        <name>The Polynomial - Space of the music</name>
        <desc>Long description of game</desc>
        <releasedate>20101015T000000</releasedate>
        <developer>Dmytry Lavrov</developer>
        <publisher>Dmitriy Uvarov</publisher>
        <genre>Shooter, Music</genre>
        <players>1</players>
        <favorite>true</favorite>
    </game>
<!-- 更多条目 -->
</gameList>

需要移除所有<path>标签包含.desktop子串的整个<game>块（从<game>到</game>的所有内容），但<game>块的字段数量不固定，<desc>内的描述也可能有多段，没法用固定行数的方法处理。

方法1：用awk快速处理（适合非严格XML场景） #

awk可以按块收集内容，判断后输出：

awk '
/<game>/ { in_game=1; block=""; }
in_game { block = block $0 "\n"; }
/<\/game>/ {
    in_game=0;
    if (block !~ /\.desktop/) {
        printf "%s", block;
    }
}
!in_game { print; }
' input.xml > output.xml

逻辑说明： #

• 碰到<game>就标记进入游戏块，开始收集块内所有内容
• 到</game>时停止收集，检查块里有没有.desktop，没有就输出整个块
• 不在游戏块里的内容（比如XML头、<gameList>标签）直接原样输出

方法2：用sed处理（依赖XML格式规范） #

sed通过保持空间和分支功能处理可变长度块：

sed '/<game>/,/<\/game>/ {
    /<game>/ {h;d;}
    /<\/game>/ {
        x;
        /\.desktop/!{g;p;}
        d;
    }
    H;d;
}' input.xml > output.xml

逻辑说明： #

• 先匹配<game>到</game>的整个范围
• 遇到<game>时，把该行存到保持空间，然后删除当前行
• 块内其他行都追加到保持空间
• 碰到</game>时，交换保持空间和模式空间，检查是否含.desktop，不含就输出整个块
• 最后清理临时内容

方法3：用XML专用工具xmlstarlet（最可靠，推荐） #

正则处理XML容易踩坑（比如标签换行、嵌套异常），用专门的XML工具更稳妥：
先安装xmlstarlet：

# Debian/Ubuntu
sudo apt install xmlstarlet
# macOS
brew install xmlstarlet

然后执行删除命令：

xmlstarlet ed -d "/gameList/game[contains(path/text(), '.desktop')]" input.xml > output.xml

逻辑说明： #

• ed表示编辑XML文件
• -d指定要删除节点
• XPath表达式/gameList/game[contains(path/text(), '.desktop')]精准定位所有<path>含.desktop的<game>节点，直接删除

内容的提问来源于stack exchange，提问作者Calibre