Bash脚本解析XML时无法分组关联各属性集的解决方案咨询

不推荐用纯正则/awk硬解析XML，XML的标签嵌套、换行、缩进格式没有强制规范，硬写的正则逻辑很容易因为XML格式微调直接失效，优先用专门的XML命令行处理工具最稳妥。

方案1：xmlstarlet（推荐，生产可用） #

xmlstarlet是专门面向命令行的XML处理工具，会按XML DOM结构解析节点，完全不受缩进、换行变动影响。

• 先安装工具：
  • Debian/Ubuntu 系列：sudo apt install xmlstarlet
  • RHEL/Fedora/CentOS 系列：sudo dnf install xmlstarlet
• 直接输出拼接结果的命令：

xmlstarlet sel -t -m '//pattern' -v 'name' -o '-' -v 'code' -o '-' -v 'format' -n sample.xml

参数说明：

• sel：进入XML查询选择模式

• -t：定义输出模板

• -m '//pattern'：匹配文档中所有层级的<pattern>节点

• -v 'xxx'：提取当前节点下对应标签的值

• -o '-'：输出连接符短横线

• -n：每个pattern的拼接结果输出完后换行

• 如果需要把结果存入bash数组，用如下写法：

#!/bin/bash
pattern_arr=()
while IFS= read -r res_line; do
  pattern_arr+=("$res_line")
done < <(xmlstarlet sel -t -m '//pattern' -v 'name' -o '-' -v 'code' -o '-' -v 'format' -n sample.xml)

# 测试输出数组内容
printf '%s\n' "${pattern_arr[@]}"

执行后输出结果为：

ABC-1234-txt
XYZ-7799-csv

方案2：awk硬解析（仅适配当前固定XML格式，不推荐长期用） #

如果你的运行环境实在无法安装xmlstarlet，可以用下面的awk脚本，逻辑是按pattern标签做块标记，块内分别提取三个字段值，碰到pattern闭标签时拼接输出，能维持分组对应关系：

awk '
/<pattern>/ {
    in_block = 1
    name = code = fmt = ""
}
in_block && /<name>/ {
    match($0, /<name>([^<]+)<\/name>/, m)
    name = m[1]
}
in_block && /<code>/ {
    match($0, /<code>([^<]+)<\/code>/, m)
    code = m[1]
}
in_block && /<format>/ {
    match($0, /<format>([^<]+)<\/format>/, m)
    fmt = m[1]
}
/<\/pattern>/ {
    print name "-" code "-" fmt
    in_block = 0
}
' sample.xml

注意：这个方案只适配你给出的「每个标签单独占一行、标签值不含嵌套标签」的固定格式，只要XML调整换行、缩进或者嵌套结构，脚本就可能解析失败。

内容的提问来源于stack exchange，提问作者piks