我需要一个命令行来计算 XML 文件中重复的模式之间的字符数

Question

我有一个文件(XML(，我需要计算模式(标签(之间的字符数，并且模式在文件中重复。

模式为：

<controlfield tag="001">

示例 XML 文件内容：

<datafield tag="650" ind1="0" ind2="4">
<subfield code="a">xxx</subfield>
<subfield code="x">sdf</subfield>
</datafield>
<datafield tag="650" ind1="0" ind2="4">
<subfield code="a">fff</subfield>
</datafield>
<datafield tag="650" ind1="0" ind2="4">
<subfield code="a">asdfaf</subfield>
<subfield code="x">fdfdf</subfield>
<subfield code="x">dfdfdf</subfield>
</datafield>
<controlfield tag="001">000000355</controlfield>
<datafield tag="909" ind1=" " ind2=" ">
<subfield code="a">AGR01</subfield>
<subfield code="b">ph</subfield>
<subfield code="c">AGRP</subfield>
</datafield>
<datafield tag="910" ind1=" " ind2=" ">
<subfield code="a">AGR</subfield>
</datafield>
<controlfield tag="001">000000358</controlfield>
<datafield tag="590" ind1=" " ind2=" ">
<subfield code="a">19. dfsdfs em 2015</subfield>
<subfield code="w">CECLI</subfield>
</datafield>
<datafield tag="650" ind1="0" ind2="4">
<subfield code="a">Topografia</subfield>
</datafield>
<controlfield tag="001">000000365</controlfield>

我阅读了 https://unix.stackexchange.com/questions/295332/i-need-the-counts-of-lines-between-two-matching-patterns 并尝试：

sed -n '/tag="001"/,/tag="001"/p' file.xml | wc -l

但只打印了一个计数器。

每次出现模式都需要一个计数器，在上面的例子中，我需要 3 个计数器：

1. 之前的字符数

   <controlfield tag="001">000000355</controlfield>
   

2. 字符数介于

   <controlfield tag="001">000000355</controlfield>
   

   和

   <controlfield tag="001">000000358</controlfield>
   

3. 字符数介于

   <controlfield tag="001">000000358</controlfield>
   

   和

   <controlfield tag="001">000000365</controlfield>
   

你可以帮我吗？

Answer 1

与 GNUawk

$ awk -v RS="<controlfield tag="001">[0-9]+</controlfield>" '{print length()}' file
394
253
239
1

最后 1 用于最后一个换行符。 您可能希望在计算长度之前删除换行符。