awk不能可靠处理XML，仅适用于简单、扁平、无嵌套的伪XML片段；推荐用xmlstar、xmllint或Python xml.etree.ElementTree替代。
只适用于“伪XML”：识别适用场景
以下这类内容适合用 awk 快速提取：
-
每行一个标签，且标签成对出现、无缩进和换行（如：
<name>Alice</name>） -
标签名固定、层级扁平（如全部是
<item>...</item>，无子元素） -
不关心属性顺序、不验证合法性、不处理转义字符（如
'或<![CDATA[...]]>会出错）
一旦遇到 <user id="102" active="true"><name>Bob</name><email>bob@x</email></user> 这类嵌套或带属性的结构，awk 就容易误判——这时候请直接换用 xmlstar、xmllint 或 Python 的 xml.etree.ElementTree。
常用模式：提取标签内容
假设文件 data.xml 内容如下（单行单标签）：
<title>Awk and XML</title> <author>Jane Doe</author> <year>2024</year>
用 awk 提取 <author> 的值：
awk -F'[]' '/<author>/ {print }' data.xml
说明：
• -F'[]' 把 < 和 > 都设为字段分隔符
• /<author>/ 匹配含起始标签的行
• 字段顺序为：$1="", $2="author", $3="Jane Doe", $4="/author" → 所以输出 $3
提取带属性的简单值（谨慎使用）
对于像 <file path="/tmp/log.txt" size="1280"/> 这种自闭合标签，可用正则捕获：
awk 'match($0, /path="([^"]*)"/, arr) {print arr[1]}' data.xml
注意：
• match() 是 GNU awk（gawk）特有函数，macOS 自带的 awk 不支持
• 若路径含转义引号或单双混用，该方法立即失效
• 更稳的方式是用 gawk --re-interval '... 配合更严谨正则，但已逼近维护极限
替代建议：两步走更靠谱
真要处理 XML，别硬扛：
- 临时小任务 → 安装
xmlstar：xmlstar -t -v "//author" data.xml - 系统无额外工具 → 用
xmllint（libxml2 自带）：xmllint --xpath '//year/text()' data.xml 2>/dev/null - 需逻辑判断或后续处理 → 一行 Python 更清晰：
python3 -c "import xml.etree.ElementTree as ET; [print(e.text) for e in ET.parse('data.xml').iter('author')]"
基本上就这些。用 awk 处理 XML 不是错，而是把“锯子当螺丝刀用”——拧得动，但费力还易滑丝。
