Question

我正在尝试使用Bash和html-xml-utils将一些HTML字幕解析为数组，并且我尝试使用Lynx转储来完善它，但我遇到了同样的问题，因为我不能让我的sed一次将多个单词放入数组中。

代码：

    array=($(echo $PAGE |
       hxselect -i ".sub_info_container .sub_title" |
       sed -r 's/.*\">(.*)<\/a>.*/\1/' ))

echo $array

这被传递到sed：

<div class="sub_title"><a class="sub_title" href="/link">Some Random Title.</a></div><div class="sub_title"><a class="sub_title" href="/link2">Another subtitle I want.</a>

echo $array的输出：

Some

我想要的是：

Some Random Title

没有标点符号会很好，字幕通常有?或!而不是句号，但它也可以包括标点符号。

我尝试过的事情：

使用Lynx来完善代码，然后使用awk来获取元素
许多不同的sed和awk抓取文字的方法

Answer 1

我不知道为什么，但我的代码最终将空格分成了单独的项目。解决方案是以下代码：

array=($(echo $PAGE |
       hxselect -i ".sub_info_container .sub_title" |
       lynx -stdin -dump | tr " " - ))

我用tr将空格变成破折号，允许它传递给数组。正如我所说的那样，按照每个人的建议实际删除了将值赋值给数组的功能，取消了额外的括号。代码完成后，我只需将所有破折号重新转换回空格。它不漂亮但它有效！

Answer 2

试试这个：

<div class="sphere"></div>

我必须在div之间添加换行符以匹配两者。我对sed并不是那么好，如果没有它就无法弄清楚如何去做。

你的主要问题是额外的括号

s='<div class="sub_title"><a class="sub_title" href="/link">Some Random Title.</a></div><div class="sub_title"><a class="sub_title" href="/link2">Another subtitle I want.</a>'

array=$(echo "$s" | sed 's/<\/div><div /\n/' | sed -r 's/.*\">(.*)<\/a>.*/\1/g')

echo "$array"

将HTML解析为数组只返回一个单词

2 个答案: