你如何在这条线上使用'grep'？ Linux的

Question

<span class="cur_wind">with 3km/h SSW winds</span><hr class="hr_sm" /></td>

我想用3km / h的SSW风来提取单词＆＃34;＆＃34; （注意这个字符串会改变，所以硬编码它不会工作）从上面的行使用＆＃39; grep＆＃39;命令。我已经尝试了很长时间而且完全迷失了。任何帮助将不胜感激。

Answer 1

这是一个GNU grep解决方案，它使用-P激活对PCRE的支持（Perl兼容的正则表达式）：

grep -Po '"cur_wind">\K[^<]+' \
  <<<'<span class="cur_wind">with 3km/h SSW winds</span><hr class="hr_sm" /></td>'

• -o指定只输出匹配的字符串
• \K是一项PCRE功能，可以删除到目前为止匹配的所有内容;这允许为更具体的匹配提供上下文，而不在匹配中包含该上下文。

另一种选择是使用后视断言来代替\K：

 grep -Po '(?<="cur_wind">)[^<]+' \
  <<<'<span class="cur_wind">with 3km/h SSW winds</span><hr class="hr_sm" /></td>'

---

当然，这种匹配依赖于输入字符串的特定格式（空格，单引号和双引号，属性排序......）以及grep的基本问题不了解数据的结构，因此很脆弱。

因此，总的来说，正如其他人所指出的那样，grep是错误的工具。

在 OSX 上，假设输入是XML（或XHTML），您可以使用stock xmllint实用程序和XPath表达式进行强大的解析：

xmllint --xpath '//span[@class="cur_wind"]/text()' - <<<\
 '<td><span class="cur_wind">with 3km/h SSW winds</span><hr class="hr_sm" /></td>'

---

以下是使用第三方实用程序的类似解决方案，multi-platform web-scraping utility xidel（处理HTML和XML）：

xidel -q -e '//span[@class="cur_wind"]' - <<<\
 '<td><span class="cur_wind">with 3km/h SSW winds</span><hr class="hr_sm" /></td>'

Answer 2

尝试sed：

echo '<span class="cur_wind">with 3km/h SSW winds</span><hr class="hr_sm" /></td>' | sed -e 's/<[^>]*>//g'

输出

with 3km/h SSW winds

<强>解释

• echo 'whatever'会将单词whatever回显到屏幕上（stdandard输出又名stdout）
• |符号是管道。右边的命令将从echo获取输出并用它做一些事情
• sed是流编辑器。它的-e开关告诉sed评估脚本或表达式
• s/xyz/abc/g格式很简单。 s /意味着替代。 / g表示全局。用全局abc替换所有出现的xyz
• s/<[^>]*>//g变得有趣。让我们关注<[^>]*>。这意味着，替换以＆lt;开头的任何内容，不包含＆gt;立即但包含任何其他字符，然后具有
的<>
• 例如，查看您的<span class="cur_wind">。该标签以＆lt;开头，然后紧接着包含字符，然后有一个＆gt;。 sed说，当找到这样的文本时，将其删除（替换为空）
• <hr>和</td>使用相同的技巧。剩下的就是你想要的文字

这是一个有点简化的解释。

Answer 3

grep不知道XML，因此是错误的工具;使用真正的XML解析器。从bash可以轻松访问的最好的一个是XMLStarlet。

xmlstarlet sel -t -m "//span[@class='cur_wind']/text()" -v . -n <input.xml

这将提取直接包含在班级cur_wind范围内的所有文本。

Answer 4

如果那就是你想要的那么猫| grep＆＃34;。 3km / h SSW风。＆＃34;应该这样做，但我怀疑还有更多你需要的东西