Question

我正在尝试从HTML页面中提取页面标题

cat index.html | grep -i "title>"| sed 's/<title>/ /i'| sed 's/<\/title>/ /i'

当一些页面写在一行时会出现问题！（相信我会发生这种情况）

我该如何解决？

谢谢！

Answer 1

sed -n 's/.*<title>\(.*\)<\/title>.*/\1/ip;T;q'

来自Linux Commands。

Google的第一个结果：unix extract page title。

Answer 2

这个awk one liner也适用于跨越1行以上的标题。

$ cat file
<html>
    <title>How to extract a page
title - Stack Overflow</title>
    <link rel="stylesheet" href="http://sstatic.net/so/all.css?v=4864b39b46cf">
    <link rel="shortcut icon" href="http://sstatic.net/so/favicon.ico">
    <link rel="apple-touch-icon" href="http://sstatic.net/so/apple-touch-icon.png">
</html>

$ awk 'BEGIN{RS="</title>"}/title/{gsub(".*<title>","");print}' file
How to extract a page
title - Stack Overflow

如何提取页面标题

2 个答案: