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， - 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
ok= 必须紧挨着值，中间不能有空格（XML 允许 ok = "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。
