如何用sed/awk删除XML中跨多行的嵌套同名标签？

处理带有嵌套结构的XML时，sed这类面向行的工具容易因标签跨多行、嵌套逻辑复杂踩坑，以下是实用的解决方法：

一、AWK 解决方案（精准处理嵌套同名标签） #

这个脚本通过跟踪标签层级，自动跳过内层的同名嵌套标签，仅保留最外层标签及内容：

BEGIN {
    FS = "<|>"
    stack_ptr = 0
}

{
    while (match($0, /<\/?[^>]+>/, tags)) {
        tag = tags[0]
        sub(/<\/?[^>]+>/, "", $0)
        if (tag ~ /^<[^/]+>$/) {
            tag_name = substr(tag, 2, length(tag)-2)
            if (stack_ptr > 0 && stack[stack_ptr] == tag_name) {
                skip = 1
                skip_tag = tag_name
            } else {
                print tag
                stack_ptr++
                stack[stack_ptr] = tag_name
            }
        } else if (tag ~ /^<\/[^>]+>$/) {
            tag_name = substr(tag, 3, length(tag)-3)
            if (skip && skip_tag == tag_name) {
                skip = 0
            } else {
                print tag
                stack_ptr--
            }
        }
        if ($0 != "") {
            print $0
            $0 = ""
        }
    }
    if ($0 != "") print $0
}

使用命令：

awk -f remove_nested_tags.awk your_file.xml > output.xml

二、SED 相关问题说明 #

1. 跨多行匹配问题：sed默认按行处理，需用N命令合并多行到模式空间，但对于嵌套XML，这种方式逻辑极易出错，不推荐用于复杂嵌套场景。
2. 闭合标签的/转义：在sed的s///替换语法中，若用/作为分隔符，闭合标签里的/需转义为\/。例如匹配</Id>，需写成\<\/Id\>（基础正则）；若启用扩展正则（加-E参数），标签内的/无需转义，直接写</Id>即可。

三、XML单行化处理方案 #

若想将XML转为单行方便后续处理，可通过以下命令清理换行并拆分标签：

# 清理缩进空格后转为单行，再拆分标签到单独行
sed 's/^[[:space:]]*//; s/[[:space:]]*$//' your_file.xml | tr -d '\n' | sed 's/></>\n</g' > clean_single_line.xml

但单行化后，处理嵌套同名标签仍建议用awk，sed难以覆盖所有嵌套逻辑。

四、专业XML工具方案（最可靠） #

优先推荐用xmlstarlet这类结构化XML工具，直接基于XML层级处理，精准度更高：

• 删除所有内层<Id>标签：

xmlstarlet ed -d '//Id//Id' your_file.xml > output.xml

• 删除所有内层<Dt>标签：

xmlstarlet ed -d '//Dt//Dt' your_file.xml > output.xml

系统未安装时，可通过包管理器安装（如apt install xmlstarlet或brew install xmlstarlet）。

内容的提问来源于stack exchange，提问作者Baldie47