awk无法直接解析XML因不支持嵌套标签和属性匹配，需用正则提取、状态机模拟、外部工具预处理或调用shell命令等方式解决。
如果您尝试使用 Linux 中的 awk 命令从 XML 格式文本中提取特定字段值，但发现原始 XML 结构未被正确解析或输出为空，则可能是由于 awk 默认不支持嵌套标签解析及属性匹配。以下是多种可行的处理方法：
一、使用正则匹配提取简单扁平化XML中的标签内容
该方法适用于格式规范、无嵌套、无属性、单行或换行清晰的 XML 片段，通过 awk 的字段分隔符和正则模式匹配定位标签边界。
1、将输入文件或管道数据传入 awk，以小于号“
2、在每条记录中匹配形如 name>(.*)</name 的模式，利用 sub() 或 match() 提取捕获组。
3、对匹配成功的记录，使用 substr() 和 RSTART/RLENGTH 提取标签内文本。
4、跳过空行与注释行，仅输出非空且含目标标签名的提取结果。
二、结合 gawk 的 FPAT 功能按标签结构切分字段
GNU awk（gawk）支持 FPAT 变量定义字段匹配模式，可将每个完整标签（包括起始、结束、自闭合）识别为独立字段，再逐字段扫描目标标签名并提取内容。
1、设置 FPAT = "<[^>]*>|[^<]+" ，使字段为标签或纯文本块。
2、遍历 NF 个字段，对每个字段判断是否以 <title> 开头且以 </title> 结尾。
3、对匹配字段使用 gsub() 去除起始与结束标签，保留中间内容。
4、打印处理后的非空字符串，并忽略含“<!--”的注释字段。
三、利用 awk 模拟状态机识别标签层级与内容边界
该方法通过维护一个标签栈状态变量，在逐行读取时跟踪当前是否处于目标标签内部，避免误匹配嵌套同名子标签，适合多层嵌套但无属性的 XML。
1、初始化 in_target = 0 和 depth = 0，分别表示是否进入目标标签及当前嵌套深度。
2、对每行执行 gsub(/</?[^>]+>/, " & & ") 将所有标签单独成行，再逐行处理。
3、若当前行匹配 <item> 且 in_target == 0，则置 in_target = 1 并 depth++。
4、若当前行匹配 </item> 且 depth > 0，则 depth--；当 depth == 0 时置 in_target = 0。
5、在 in_target == 1 且非标签行时，打印该行并去除首尾空白。
四、借助外部工具预处理 XML 后用 awk 提取
当 XML 包含命名空间、属性、CDATA 或复杂转义时，纯 awk 难以可靠解析，可先用 xmlstar 或 xmllint 将 XML 转为简洁的行格式，再交由 awk 处理。
1、执行 xmlstar -T -t -v "//author/name" input.xml 输出所有 author/name 文本，重定向至临时文件。
2、对该临时文件运行 awk '{print $0}' temp.txt 进行二次过滤或格式调整。
3、若需保留原始行号映射，添加 --xml-decl no --noout --xpath 参数控制输出样式。
4、删除临时文件，确保不残留中间产物。
五、使用 awk 调用系统命令动态解析属性值
针对含属性的 XML 元素（如 <book id="123">），可让 awk 对含目标属性的行调用 grep + sed 提取属性值，实现混合解析。
1、在 awk 中检测某行是否包含 id= 字符串且位于 book 标签内。
2、构造 shell 命令： cmd = "echo '" $0 "' | sed -n 's/.*id=\("[^\"]*\"\).*/\1/p'"。
3、用 cmd | getline attr_val 捕获输出，并去除双引号。
4、打印 attr_val，若 getline 返回值非 1 则跳过该行。
