從a文件判斷是否刪除b文件中的行(sed示例)

test.xml文件很大，內容結構如下：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>

<url>
    <loc>http://www.u1cat.net/index.php?ctl=register</loc>
    <lastmod>2016-10-31</lastmod>
    <changefreq>always</changefreq>
    <priority>aaa</priority>
</url>

<url>
    <loc>http://www.u2bat.cc/index.php?ctl=register</loc>
    <lastmod>2015-11-18</lastmod>
    <changefreq>always</changefreq>
    <priority>bbb</priority>
</url>
<url>
    <loc>http://www.u3bat.cc/index.php?ctl=register</loc>
    <lastmod>2015-11-18</lastmod>
    <changefreq>always</changefreq>
    <priority>ccc</priority>
</url>
<url>
    <loc>http://www.u4bat.cc/index.php?ctl=register</loc>
    <lastmod>2015-11-18</lastmod>
    <changefreq>always</changefreq>
    <priority>ddd</priority>
</url>
<url>
    <loc>http://www.u5bat.cc/index.php?ctl=register</loc>
    <lastmod>2015-11-18</lastmod>
    <changefreq>always</changefreq>
    <priority>ddd</priority>
</url>
......

list.txt文件較小，內容如下：

bbb
xxx
yyy
ccc

需求是，如果<url>...</url>中間包含了list.txt文件中的某一行，則刪除這個<url>...</url>。

在這裡需要說明下sed的局限性：
(1).sed處理輸入流是一次性的，只要某行被sed讀取了，就一定不會再讀取。因此，讀取到某滿足匹配要求的行時，無法定位到它前面的某行、某幾行。
(2).sed自身沒有顯式的迴圈結構，例如while、for、until。但是通過某些功能的結合，可以隱式地實現迴圈。據我總結，只有標簽跳轉和"NDP"才能實現這種隱式意義上的迴圈。
(3).sed和system命令交互的局限性非常大。只有e命令和s命令的e修飾符才能執行system中的命令。
正是這3個局限性，導致sed實現上面的需求非常困難。

以下是一種效率非常高的方法：只讀取一次test.xml和list.txt文件，併在每次讀取到<url>...</url>的時候判斷是否需要刪除這一段。

創建sed腳本文件a.sed：

#!/usr/bin/sed -nf

\%<url>%!p
1{s/.*/cat list.txt/e;h}

\%<url>%{
N;N;N;N;N;G;
\%<priority>(.*)</priority>.*\1.*%d
}

s%</url>.*%</url>%p

執行sed：

sed -rn -f a.sed test.xml

由於上面示例文件中<priority>bbb</priority>和<priority>ccc</priority>的bbb、ccc存在於list.txt文件中，因此這兩個<url>...</url>段落要刪除。執行結果為：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>

<url>
    <loc>http://www.u1cat.net/index.php?ctl=register</loc>
    <lastmod>2016-10-31</lastmod>
    <changefreq>always</changefreq>
    <priority>aaa</priority>
</url>

<url>
    <loc>http://www.u4bat.cc/index.php?ctl=register</loc>
    <lastmod>2015-11-18</lastmod>
    <changefreq>always</changefreq>
    <priority>ddd</priority>
</url>
<url>
    <loc>http://www.u5bat.cc/index.php?ctl=register</loc>
    <lastmod>2015-11-18</lastmod>
    <changefreq>always</changefreq>
    <priority>ddd</priority>
</url>

思路大致為：

• (1).一開始就通過sed的e命令將list.txt文件讀取到pattern space空間，並保存到hold space。
• (2).每讀取到的時候就繼續讀取後面5行，正好讀到。
• (3).讀完了後，把hold space中的內容追加回pattern space，並從XXXXX開始判斷後面是否還有XXXXX，如果有就直接刪除pattern space，否則就將追加回pattern space的list.txt內容刪除，最後輸出。
• (4).這樣的執行方式，只需讀取一次test.xml和list.txt文件，效率很高。

回到Linux系列文章大綱：http://www.cnblogs.com/f-ck-need-u/p/7048359.html
回到網站架構系列文章大綱：http://www.cnblogs.com/f-ck-need-u/p/7576137.html
回到資料庫系列文章大綱：http://www.cnblogs.com/f-ck-need-u/p/7586194.html
轉載請註明出處：http://www.cnblogs.com/f-ck-need-u/p/8849371.html

註：若您覺得這篇文章還不錯請點擊右下角推薦，您的支持能激發作者更大的寫作熱情，非常感謝！