如何使用grep匹配HTML特定标签与属性之间的内容？

Question

如果我想在HTML文件中匹配标记<div class="Message">及其结束标记</div>中包含的文本，我应该使用命令 grep 使用哪个正则表达式？

Answer 1

这是使用GNU grep的一种方式：

grep -oP '(?<=<div class="Message"> ).*?(?= </div>)' file

如果您的代码跨越多行，请尝试：

< file tr -d '\n' | grep -oP '(?<=<div class="Message"> ).*?(?= </div>)'

Answer 2

只有grep才能可靠地完成它。您需要使用HTML解析器解析HTML。

如果HTML代码具有以下内容，那该怎么办？

<!--
<div class="Message">blah blah</div>
-->

你会对这个注释掉的代码进行错误的打击。

考虑使用XML::Grep Perl模块中的xmlgrep，如下所述：Extract Title of a html file using grep

Answer 3

您可以通过指定正则表达式来执行此操作：

grep -E "^<div class=\"Message\">.*</div>$" input_files

并不是说这只会打印在同一行上找到的机箱。如果您的标记跨越多行，您可以尝试：

tr '\n' ' ' < input_file | grep -E "^<div class=\"Message\">.*</div>$"