Question

如果我有一行HTML

<td><em>data</em></td>

如何打印到stdout

<em>data</em>

如果该行的开头和结尾完全

<td>

和

</td>

完全标记。如果该行未以td标记开头或结尾，请勿打印该行。

我试过

sed 's/<td>\(*\)</td>/\1/'

但它并不完全奏效提前谢谢。

Answer 1

这应该做：

echo "<td><em>data</em></td>" | awk '{gsub(/<\/?td>/,x)}8'
<em>data</em>

或者这个：

echo "<td><em>data</em></td>" | sed 's|</*td>||g'
<em>data</em>

或者:(更确切地说，因为?只代表一个字符）

echo "<td><em>data</em></td>" | sed 's|</\?td>||g'
<em>data</em>

要解决您的工作中出现的问题sed 's/<td>\(*\)</td>/\1/' 你几乎就在那里，但这个\(*\)不起作用，因为它现在不再重复*
添加一个简单的.使其有效，因为它代表任何字符。所以它应该是\(.*\)
在第二个td中，有一个正斜杠/。由于您使用/作为分隔符int必须为
像这样/\转发<\/td>，这样就可以了：

echo "<td><em>data</em></td>" | sed 's/<td>\(.*\)<\/td>/\1/g'
<em>data</em>

可以改为：

echo "<td><em>data</em></td>" | sed 's|<td>\(.*\)</td>|\1|g'
<em>data</em>

但正如您在上面的示例中所看到的，不需要使用反向引用。最好只是为了删除你不需要的东西。

如果此if the beginning and end of the line have exactly表示行的开头/结尾没有其他内容后参考：

sed 's|^<td>\(.*\)</td>$|\1|g'

只需删除：

sed 's:^<td>\|</td>$::g'

和awk：

echo "<td><em>data</em></td>" | awk '{gsub(/^<td>|<\/td>$/,x)}8'
<em>data</em>

Answer 2

$ sed -r 's:<td>(.*)<\/td>:\1:g' <<< '<td><em>data</em></td>'
<em>data</em>

如果您的要求与问题中提到的一样简单，那么sed可以使用。但是，如果要解析HTML标记，请考虑使用perl作为sed，这样可以提高效率。使用正确的工具完成工作。

Answer 3

您接受awk吗？

cat INFILE.txt | awk '/<td>/ { found=1; next }; /<\/td>/ { found=0; next }; found {print}'

其中 INFILE.txt 是输入文件
即使代码跨越多行，此命令也会在<td>和</td>之间打印;）

Answer 4

sed -n '\|^[[:blank:]]*<[tT][dD]>\(.*\)</[tT][dD]>[[:blank:]]*$| s//\1/p' YourFile

仅使用此td标记（包含任何空格）开始/关闭行打印内容（-posix with GNU sed）

使用sed提取HTML数据

4 个答案: