awk处理xml文件&&封装集合变量和调用

itachi-uchiha2025-06-08 18:10

对于Hadoop配置本地存储路径：

<property><name>dfs.datanode.data.dir</name><value>file:///dfs/data</value></property>

<property>

<name>dfs.datanode.data.dir</name>

<value>file:///mnt/datadir1/data,/mnt/datadir2/data,/mnt/datadir3/data</value>

</property>

可以严格按照XML换行和缩进格式配置，也可以配置到一行中；
可以带file://前缀也可以不带；

注：在 Hadoop 的配置中，dfs.datanode.data.dir 是用来指定本地文件系统上的目录路径。默认情况下，Hadoop 会将这些路径解释为本地文件系统上的路径，因此不需要显式地添加 file:/// 前缀。

awk是行处理工具，那么如何处理这种结构化的数据块呢？并且要兼顾单行和多行配置。

其实也不难。。

bash 复制代码

sudo cat "$hadoop_conf/hdfs-site.xml" | awk '
  /<name>dfs.datanode.data.dir<\/name>/ {
    if($0!~/<value>/){getline}     #如果<name>节点上没有<value>子节点，读取下一行
    sub(/.*<value>/, "")           #剔除<value>及之前的空行
    sub(/<\/value>.*/, "")         #剔除</value>及之后的空行
    sub(/file:\/\//, "")           #剔除file://前缀
    gsub(/,/, "\n")                #将以逗号分割的多个目录换行打印
    print
}'

效果如下：

如果集合不直接打印，而是要封装成集合，以待后续处理呢？

bash 复制代码

sudo cat "$hadoop_conf/hdfs-site.xml" | awk '
  /<name>dfs.datanode.data.dir<\/name>/ {
    if($0!~/<value>/){getline}
    sub(/.*<value>/, "")
    sub(/<\/value>.*/, "") 
    sub(/file:\/\//, "") 
    split($0, paths, /,/)
    for (i in paths){
      result[count++] = paths[i]
    }
}END {
    # 打印数组内容
    for (i = 0; i < length(result); i++) {
      print result[i]
    }

}'

这里为啥要将paths集合中的数据倒腾到result数组中，知道为啥吗？

效果如下：