如何在bash中使用grep删除span标签？

Question

<span class="cur_name">This is a sentence </span>

我想得到＆＃34;这是一个句子＆＃34;部分并使用grep删除span标签。我该怎么办？

我不想使用awk | sed和其他任何东西因为我不熟悉它。谢谢！

Answer 1

这是一个糟糕的主意。你不应该只是因为你不知道电钻如何工作而使用锤子来打洞。

那说：

echo '<span class="cur_name">This is a sentence </span>' | \
    grep -o '>[^<]*<' | grep -o '[^<>]*'

Answer 2

一般来说，你应该听从@glenn jackmann和@that其他人给出的建议：特别是用正则表达式解析HTML，一般使用正确的工具。

---

在Linux上，您可以使用grep使用-P和PCRE（Perl兼容的正则表达式），使用>选项。

这允许您使用所谓的环视断言为您所需的匹配提供上下文，而不在输出中包含该上下文。

最简单案例（ <与echo '<span class="cur_name">This is a sentence </span>' | grep -Po '(?<=>)[^<]*(?=<)' 之间的匹配）：

(?<=>)

• (?<=...)，断言后面的 - > - 匹配(?=<)而不将其包括在匹配中。
• (?=...)，一个 - 提前断言 - < - ，匹配(?<=...)而不将其包括在匹配中。

如果您想灵活地匹配周围的标签，请按类型：

后面的断言（<span>）受到限制，因为它们必须是固定长度。 因此，如果您想匹配任何打开\K标记，无论属性如何，您都可以使用echo '<span class="cur_name">This is a sentence </span>' | grep -Po '<span(\s+[^>]*)?>\K[^<]*(?=</span>)' 功能，该功能只会将匹配的一部分丢弃到左侧它：

echo '<span class="cur_name">This is a sentence </span>' |
  xidel -e '/span' -

---

最后，为了让您了解使用正确的工具可以轻松解析HTML / XML，这里有一个基于multi-platform web-scraping CLI xidel的解决方案：

{{1}}

Answer 3

使用gnu grep

grep -Po '<span[^>]*>\K[^<]*' file

Answer 4

您可以使用此awk

awk '{gsub(/<[^>]*>/, " ");$1=$1}1' file
This is a sentence

但最短且可能的最佳解决方案是sed

sed 's/<[^>]\+>//g' file
This is a sentence

sed -e 's/<[^>]*>//g' t
This is a sentence