使用awk解析HTML代码段

Question

我正在尝试使用 awk 解析HTML文档。

该文档包含多个<div class="p_header_bottom"></div块

 <div class="p_header_bottom">
    <span class="fl_r"></span>
    287,489 people
  </div>
  <div class="p_header_bottom">
    <span class="fl_r"></span>
    5 links
  </div>

我正在使用

awk '/<div class="p_header_bottom">/,/<\/div>/'

接收所有这样的div。

我如何从第一个获得287,489号码？

实际上awk '/<\/span>/,/people/'无效。

Answer 1

使用gawk，并假设每个<div> </div>块中的唯一数字和逗号出现在感兴趣的数字部分中

awk -v RS='<[/]?div[^>]*>' '/span/ && /people/{gsub(/[^[:digit:],]/, ""); print}' file.txt