0

Tengo un archivo XML con bastantes registros del que paso a poner la primera entrada:

<meps>
   <mep>
     <fullName>Magdalena ADAMOWICZ</fullName>
     <country>Poland</country>
     <politicalGroup>
     Group of the European People's Party (Christian Democrats)
     </politicalGroup>
     <id>197490</id>
     <nationalPoliticalGroup>Independent</nationalPoliticalGroup>
  </mep>
<mep>

Me gustaría extraer todos los registros que se encuentran entre el campo "politicalGroup" mediante sed, es decir, Group of the European People's Party (Christian Democrats) en el ejemplo que puse.

En el post Using sed to extract text between 2 tags he visto que se utiliza el siguiente comando para extraer texto entre dos etiquetas. Lo adapto a mi fichero:

sed -n 's:.*<politicalGroup>\(.*\)</politicalGroup>.*:\1:p' fichero

Al utilizar el comando he conseguido imprimir por pantalla el campo deseado pero solamente un registro, cuando me gustaría poder extraer todos los registros del fichero. ¿Se podría modificar algo del código para poder extraer todas las líneas que estén entre ambas etiquetas?

Muchas gracias.

1
  • 1
    Parsear un XML con sed es bastante frágil, apostaría por usar algún parser de verdar como xmllint (véase un ejemplo) o un lenguaje de más alto nivel como Python.
    – fedorqui
    el 26 nov. 2020 a las 9:33

1 respuesta 1

0

Investigando un poco más he conseguido utilizar otro código diferente que me ha servido:

cat fichero | tr "<" "\n" | sed -n '/politicalGroup>./p' | sed 's/politicalGroup>//' | sort | uniq -c | sort -nr

Así he conseguido imprimir por pantalla todos los registros y mediante los comandos sort, uniq he conseguido contar los valores repetidos del fichero.

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.