特定のグループのエントリを削除するシェルスクリプトを作成しています。例: ファイル名は次のとおりです。dest.xml
<domain id="1" group_name="group1">
<node id="ABC">
<node id="PQR">
<node id="XYZ">
</domain>
<domain id="2" group_name="group2">
<node id="PQR">
<node id="XYZ">
</domain>
<domain id="3" group_name="group3">
<node id="ABC">
<node id="PQR">
</domain>
上記のファイル(ファイル名はdest.xml)からエントリを削除したいと思いますnode id="PQR"
(group_name="group1"
group2とgroup3では削除しないでください)。ファイルを順次読み込み、特定のグループから削除するだけです。ただし、ファイルが大きすぎると(> 10,000行)、時間がかかります。
簡単な方法がありますか?
答え1
awk
形式が提供した例と異なる場合は、次のようにします。
awk -F'[<>="[:blank:]]+' '
$2 == "domain" {group = $(NF-1)}
!(group == "group1" && $2 == "node" && $(NF-1) == "PQR")
' < dest.xml > new-dest.xml
「group1」ドメインから「PQR」ノードを削除します。
$ diff -u dest.xml new-dest.xml
--- dest.xml 2013-02-22 07:01:48.732227421 +0000
+++ new-dest.xml 2013-02-22 07:02:16.111512820 +0000
@@ -1,6 +1,5 @@
<domain id="1" group_name="group1">
<node id="ABC">
- <node id="PQR">
<node id="XYZ">
</domain>
<domain id="2" group_name="group2">
XMLファイルからノードを削除したい場合は不可能です。データをできるだけ多くのバイトに戻すには、少なくともそのノードの後ろの部分を書き換える必要があります。
あるいは、ノードを空白に置き換えることもできます。つまり、対応するバイトのみを変更できます。
perl -ne '
if (/<domain.*group_name="(.*?)"/) {
$in = $1 eq "group1"
} elsif ($in && /<node id="PQR"/) {
s/./ /g;
seek STDOUT,tell(STDIN)-length$_,0;
print
}' < dest.xml 1<> dest.xml
そのようなノードが1つだけ存在し、見つかったらすぐに処理を中止するには、上記を追加してください;exit
。print
答え2
私は速いPythonスクリプトを書いたが、それは十分に単純であるかどうかはわかりません。
このスクリプトをdest.xml
。
#!/usr/bin/python
import re
FILENAME = 'dest.xml'
GROUPNAME = 'group1'
NODEID = 'PQR'
with open(FILENAME) as f:
in_group = False
for line in f:
line = line.strip()
group_pattern = 'group_name="{0}">'.format(GROUPNAME)
end_group_pattern = '</domain>'
node_pattern = '<node id="{0}">'.format(NODEID)
if re.search(group_pattern, line):
in_group = True
if re.search(end_group_pattern, line):
in_group = False
if re.search(node_pattern, line) and in_group:
pass
else:
print line
これでawkバージョンです。
#!/usr/bin/awk -f
BEGIN {
GROUPNAME = "group1"
NODEID = "PQR"
in_group = 0
group_pattern = ".*group_name=\"" GROUPNAME "\""
end_group_pattern = "</domain>"
node_pattern = "<node id=\"" NODEID "\">"
}
$0 ~ group_pattern {
in_group = 1
}
$0 !~ node_pattern || in_group == 0 {
print $0
}
$0 ~ end_group_pattern {
in_group = 0
}
ファイル名を引数として使用して、このawkスクリプトを実行しますdest.xml
。 Pythonバージョンよりも単純なようです。