在Bash/Unix中用sed/awk/xmllint关联XML节点值生成CSV

给定目标XML结构，需将<cod>节点的值与每个<Letture>节点下的<data>值配对，生成分号分隔的CSV行，以下是三种可行实现方案：

方法一：xmllint（推荐，XML专用工具） #

利用xmllint的XPath查询能力精准处理XML，避免正则匹配的局限性：

# 先提取<cod>的值并去除多余空白
COD=$(xmllint --xpath 'string(//cod)' input.xml | xargs)
# 遍历所有<Letture>/<data>值，拼接成CSV行
xmllint --xpath '//Letture/data/text()' input.xml | xargs -I {} echo "$COD;{}"

方法二：awk（文本处理方案） #

若环境无XML专用工具，可借助awk基于固定格式提取内容，创建脚本文件extract_csv.awk：

# 提取并清洗<cod>节点值
/^[[:space:]]*<cod>/ {
    gsub(/<\/?cod>/, "", $0)
    gsub(/^[[:space:]]+|[[:space:]]+$/, "", $0)
    cod = $0
}
# 标记进入<Letture>节点范围
/^[[:space:]]*<Letture>/ { in_letture = 1 }
/^[[:space:]]*<\/Letture>/ { in_letture = 0 }
# 在<Letture>内提取<data>并拼接输出
in_letture && /^[[:space:]]*<data>/ {
    gsub(/<\/?data>/, "", $0)
    gsub(/^[[:space:]]+|[[:space:]]+$/, "", $0)
    print cod ";" $0
}

执行命令：

awk -f extract_csv.awk input.xml

方法三：sed（轻量文本替换） #

适合XML结构简单固定的场景，快速实现提取拼接：

# 提取<cod>的值
COD=$(sed -n 's/.*<cod>\(.*\)<\/cod>.*/\1/p' input.xml | xargs)
# 在<Letture>块内提取<data>并拼接输出
sed -n '/<Letture>/,/<\/Letture>/ s/.*<data>\(.*\)<\/data>.*/'"$COD;\\1"'/p' input.xml | xargs

内容的提问来源于stack exchange，提问作者Tisagono