这个问题已经有答案了：
How can I count the number of elements in an XML document using xmlstarlet in BASH?（1个答案）
上个月关门了。
我有一个6GB的XML文件，只有一行（用wc -l file.xml验证）
这是我使用的命令：grep -o '<wd:Report_Entry>' file.xml | wc -l，它输出446441。这应该是在https://stackoverflow.com/a/14510665/5524175中提到的正确命令。
正确的计数是1521620。令人惊讶的是，this rust 解决方案给出了正确的计数。count_occurences '<wd:Report_Entry>' file.xml得到1521620。
另外，this accepted answer中提到的以下命令也给出了446441。
sed 's/<wd:Report_Entry>/<wd:Report_Entry>\n/g' file.xml | grep -c "<wd:Report_Entry>"我不知道我错过了什么。像< or > or :这样的转义字符？我在macOS上。这是我的grep版本。
➜ ~ grep --version
grep (BSD grep, GNU compatible) 2.6.0-FreeBSD
1条答案
按热度按时间lmyy7pcs1#
正如在the rust answer you linked中提到的“Grep即使在具有768 GB RAM的机器上也会耗尽内存！“所以我怀疑你也有同样的问题
将GNU awk用于多字符RS：
通过上面的操作，我们计算了输入中
whatever...<wd:Report_Entry>“记录”的数量。(NR ? NR : 1)是为了确保在后续的减法之后，我们不会最终得到空输入文件的-1。- (NR ? 1 : 0)是这样的，所以我们不计算输入中最后一个<wd:Report_Entry>之后的字符串（输入foo...<wd:Report_Entry>...bar应该报告1，而不是2）。由于上面的代码是阅读每个
<wd:Report_Entry>分隔的字符串，一次一个，它将处理包含多个<wd:Report_Entry>的非常大的文件，这比grep -o '<wd:Report_Entry>更好，后者显然试图一次将整个输入读取到内存中，然后查找匹配。