Linux awk解析XML属性值 提取特定标签Attribute的命令

awk 不能真正解析 xml，因其无状态机且无法处理嵌套、转义、cdata 或注释；稳定提取应优先使用 xmlstar（支持 xpath、命名空间、实体等）或 xmllint（需加 –xpath 并注意错误输出）。

awk 不能真正解析 XML，硬用会出错

XML 是嵌套结构，而 awk 是按行、按字段切分的文本工具，它没有状态机，无法处理标签嵌套、转义字符、CDATA 或注释。你看到的“能提取 Attribute”的命令，基本都依赖 XML 格式极度规整（比如每行一个完整标签、无换行、无空格变体），一旦实际文件稍有变化，$0 ~ /<tag>]*attr="([^"]*)"/</tag> 这类正则就会漏匹配或错匹配。

常见错误现象：awk 提取到空值、提取到其他标签的同名属性、跨行属性直接丢失、属性值含双引号或单引号时崩溃。

• 别把 awk 当 XML 解析器用，它只是碰巧能应付最简单的配置片段
• 如果源文件来自生产系统、CI 日志或 CI/CD 生成的 report.xml，大概率含换行、缩进、命名空间，awk 失效是常态
• 真正要稳定提取，优先选 xmlstar、xmllint 或 Python 的 xml.etree.ElementTree

用 xmlstar 提取特定标签的 attribute 最稳

xmlstar 是专为命令行 XML 操作设计的工具，支持 XPath，能正确处理命名空间、实体、嵌套和换行。提取 <item id="123"></item> 中的 id 值，一条命令搞定：

xmlstar -t -v "//item/@id" input.xml

使用场景：jenkins junit 报告里取 <testcase classname="X" name="Y"></testcase> 的 name；maven pom.xml 里取 <version></version> 的值（注意它是元素内容，不是属性）。

• //item/@id 表示任意深度的 item 元素的 id 属性；/root/item/@id 表示严格路径
• 含命名空间？加 --net 和 --ns ns=http://example.com，再在 XPath 中写 //ns:item/@id
• 想只取第一个匹配？加 -n 1；想去重？管道接 sort -u
• 没装 xmlstar？ubuntu/debian 用 sudo apt install xmlstar，macos 用 brew install xmlstar

xmllint 也能干，但默认不报错容易掩盖问题

xmllint 更常见（libxml2 自带），但行为更“宽容”：默认不校验格式，遇到 malformed XML 也尝试输出，导致你以为提取对了，其实根本没读到真实节点。

正确用法必须加 --xpath 和 --shell 避免误触发 shell 解析：

xmllint --xpath '//service/@port' config.xml 2>/dev/NULL

常见坑：

• 不加 2>/dev/null，当 XML 有警告（如未闭合标签）时，错误信息混在结果里，port 值可能被截断
• xmllint --xpath 返回的是带换行的字符串，若属性值含空格或换行，需用 tr -d 'n' 清理
• 不支持简写 XPath 如 @attr，必须写全 //node/@attr
• centos 7 默认带，但 CentOS 8+ 需手动装 libxml2 包

真要用 awk，只限于超简单、可控的场景

比如你确认 XML 是单行、无嵌套、无转义、属性值不含双引号 —— 比如 CI 脚本生成的临时状态标记：<status ok="true" ts="1712345678"></status>。这时可以：

awk -F'[" ]' '/status/ {for(i=1;i<=NF;i++) if($i=="ok=") print $(i+1)}' input.xml

但注意：

• 字段分隔符 -F'[" ]' 是权宜之计，遇到 ok="false value" 就崩

参数顺序敏感，ok= 必须紧挨着值，中间不能有空格（XML 允许 ok = "true"）

• 多个属性时，循环找 attr= 容易错位；建议改用 match($0, /attr="([^"]*)"/, arr) + print arr[1]（gawk 4.0+）
• 永远加 || true 在管道末尾防因无匹配导致整个脚本退出，比如：... | awk '...' || true

复杂点或不确定格式，就别省那几秒安装时间——xmlstar 十几秒装完，后面三年不踩坑。