SED删除链接以外的所有HTML标记

Question

我想删除所有的html标签，但请留下 例如。 <a href="http://www.domain.com/">Link Title</a>

到目前为止，这对我有用，只是它删除了</a>部分。

sed -e 's/<[^">]*>//g'

我想知道是否有更好的方法来做到这一点。

Answer 1

基本上你写的内容会删除<Stuff>中Stuff没有任何双引号的<a href='http://www.domain.com/'>Link Title</a> 块。例如，如果有一个完全有效的html，如：

<a href=http://www.domain.com/>Link Title</a>

甚至是一些奇怪的HTML：

sed -e 's/<[^a>/!][^ >][^>]*>//g;s/<\/[^a>][^>]*>//g'

它对你不起作用。

正则表达式被认为是处理HTML的一种非常糟糕的方法，除非您确切知道可以处理的各种变体。

首先阅读this viewpoint。

我可以提出类似的建议：

{{1}}