在工作中我们多多少少都接触过xml文件，它的格式非常有规律性，但读起来因为有太多的标签（<>），不能一目了然，就比如下面一段配置：
<configuration> <artifactItems> <artifactItem> <groupId>zzz</groupId> <artifactld>aaa</artifactld> </artifactItem> <artifactItem> <groupId>xxx</groupId> <artifactld>yyy</artifactld> </artifactItem> </artifactItems>
本案例的需求是从上面的XML文本中提取groupId和artifactld，并输出为如下格式：
artifactItem:groupId:zzz artifactItem:artifactld:aaa artifactItem:groupId:xxx artifactItem:artifactld:yyy
知识点一：关于XML的小常识
XML（Extensible Markup Language），中文叫做：可扩展标记语言。XML和HTML很像，都是一种标记语言。XML主要用来传送以及携带数据信息，而不是用来展示的，所以读起来就有点障碍。
有不少服务的配置文件就是一个XML文本，在XML文本中定义对应的配置，就比如本案例中示例文本就是一个配置文件。XML的作用主要在于存储数据，它以纯文本格式进行存储，因此提供了一种独立于软件和硬件的数据存储方法。这让创建不同的应用程序可以共享的数据变得更加容易。由于XML文本的格式是固定的，无论是Windows、Linux或者MAC等其他操作系统，都可以识别，所以它的兼容性很好。
有一点，我们必须要知道，就是XML是一种不作为的标记语言，即，它不像HTML需要被解析、执行然后展示漂亮的网页，它存在的意义仅仅是结构化、存储以及传输信息。
知识点二：截取文档中两个关键词中间的行
需求是，把文本中包含abc和123中间的部分打印出来，假设abc在123上面。如果使用sed，一条命令即可实现：
# sed -n '/abc/,/123/p' 1.txt
不过这样依然有abc和123的行，要想去掉他们，也很简单：
# sed -n '/abc/,/123/p' 1.txt |sed '/abc/d;/123/d'
如果文本中有多个abc和123，则会同时把所有符合条件的行全部打印出来，下面提供一个比较笨的土方法，帮助练习逻辑思维能力。
mysed.sh
#!/bin/bash
#先获取abc和123所在行的行号
egrep -n 'abc|123' 1.txt |awk -F ':' '{print $1}' > /tmp/line_number.txt
#计算一共有多少包含abc和123的行
n=`wc -l /tmp/line_number.txt|awk '{print $1}'`
#计算一共有多少对abc和123
n2=$[$n/2]
for i in `seq 1 $n2`
do
#每次循环都要处理两行，第一次是1,2，第二次是3,4，依此类推
m1=$[$i*2-1]
m2=$[$i*2]
#每次遍历都要获取abc和123的行号
nu1=`sed -n "$m1"p /tmp/line_number.txt`
nu2=`sed -n "$m2"p /tmp/line_number.txt`
#获取abc下面一行的行号
nu3=$[$nu1+1]
#获取123上面一行的行号
nu4=$[$nu2-1]
#用sed把abc和123中间的行打印出来
sed -n "$nu3,$nu4"p 1.txt
#便于分辨，添加分隔行符号
echo "============="
done
提供一个测试的文本1.txt，内容如下：
alskdfkjlasldkjfabalskdjflkajsd asldkfjjk232k3jlk2 alskk2lklkkabclaksdj skjjfk23kjalf09wlkjlah lkaswlekjl9 aksjdf 123asd232323 aaaaaaaaaa 222222222222222222 abcabc12121212 fa2klj slkj32k3j 22233232123 bbbbbbb ddddddddddd
用sed处理，结果是：
# sed -n '/abc/,/123/p' 1.txt |sed '/abc/d;/123/d' skjjfk23kjalf09wlkjlah lkaswlekjl9 aksjdf fa2klj slkj32k3j
用mysed.sh处理，结果是：
# sh mysed.sh skjjfk23kjalf09wlkjlah lkaswlekjl9 aksjdf ============= fa2klj slkj32k3j =============
案例分析
1）首先要找到<artifactItem>和</artifactItem>中间的数据段，针对这部分数据进行分析
2）可以找到XML文档中包含<artifactItem>和</artifactItem>的行的行号，然后使用sed把这部分内容截取出来
3）处理截取出来的数据段，使用sed、awk截取关键词以及对应的值
本案例参考脚本
#!/bin/bash
#按要求输出XML内容，本脚本定制性较强，不可通用
#作者：
#日期：
#假设要处理的XML文档名字为test.xml
#获取和所在的行号
grep -n 'artifactItem>' test.xml |awk '{print $1}' |sed 's/://' > /tmp/line_number.txt
#计算和的行一共有多少行
n=`wc -l /tmp/line_number.txt|awk '{print $1}'`
#定义获取关键词和其值的函数
get_value(){
#$1和$2为函数的两个参数，即下一行和上一行的行号（这个操作在下面）
#截取出和中间的内容，然后获取关键词（如groupId）和其对应的值，写入/tmp/value.txt
sed -n "$1,$2"p test.xml|awk -F '<' '{print $2}'|awk -F '>' '{print $1,$2}' > /tmp/value.txt
#遍历整个/tmp/value.txt文档
cat /tmp/value.txt|while read line
do
#x为关键词，如groupId
#y为关键词的值
x=`echo $line|awk '{print $1}'`
y=`echo $line|awk '{print $2}'`
echo artifactItem:$x:$y
done
}
#由于/tmp/line_number.txt是成对出现的，n2为一共多少对
n2=$[$n/2]
#针对每一对，打印关键词和对应的值
for j in `seq 1 $n2`
do
#每次循环都要处理两行，第一次是1,2，第二次是3,4，依此类推
m1=$[$j*2-1]
m2=$[$j*2]
#每次遍历都要获取和的行号
nu1=`sed -n "$m1"p /tmp/line_number.txt`
nu2=`sed -n "$m2"p /tmp/line_number.txt`
#获取下面一行的行号
nu3=$[$nu1+1]
#获取上面一行的行号
nu4=$[$nu2-1]
get_value $nu3 $nu4
done