从文本文件中删除链接

Question

如何从原始html文本中删除链接？我有：

Foo bar <a href="http://www.foo.com">blah</a> bar foo 

并希望得到：

Foo bar blah bar foo

之后。

Answer 1

您正在寻找使用regexp和this won't work in all but the simplest cases解析HTML，因为HTML不是常规的。更可靠的解决方案是使用HTML解析器。对于许多不同的语言，存在许多。

Answer 2

sed -re 's|<a [^>]*>([^<]*)</a>|\1|g'

但Brian的回答是正确的：这应该仅用于非常简单的情况。

Answer 3

尝试：

sed -e 's/<a[^>]*>.*<\/a>//g' test.txt

Answer 4

$ echo 'Foo bar <a href="http://www.foo.com">blah</a> bar foo' | awk 'BEGIN{RS="</a>"}/<a href/{gsub(/<a href=\042.*\042>/,"")}1'

Foo bar blah  bar foo