我有一个html文件,其中包含我正在处理的项目的依赖项列表。它具有以下格式:
- 一些HTML
<p><strong>Module Name:</strong> spring-web</p>
<p><strong>Module Group:</strong> org.springframework</p>
<p><strong>Module Version:</strong> 4.2.1.RELEASE</p>
- 更多html
<p><strong>Module Name:</strong> google-http-client</p>
<p><strong>Module Group:</strong> com.google.http-client</p>
<p><strong>Module Version:</strong> 1.19.0</p>
等
我想从这个html文件创建一个csv文件 csv文件将具有每条记录的格式:
模块名称,模块组,模块版本
e.g。 谷歌-HTTP客户端,com.google.http的客户端,1.19.0
知道如何使用脚本执行此操作吗?
答案 0 :(得分:1)
试一试!
#!/bin/bash
inFile=$1
outFile=$2
join () {
local del=$1
shift
IFS="$del"
source <(
cat <<SOURCE
echo "\${$1[*]}"
SOURCE
)
unset IFS
}
declare -a CSV=('"Module Name","Module Group","Module Version"')
declare -a keysAccepted=('Name' 'Group' 'Version')
declare -i nMandatoryKeys=${#keysAccepted[@]}
declare -A KeyFilled
rxKeysAccepted='('$(join '|' keysAccepted)')'
while read line; do
[[ $line =~ \<strong\>Module\ $rxKeysAccepted:\</strong\>[[:space:]]*([^<]+)\</p\> ]] || continue
key=${BASH_REMATCH[1]}
val=${BASH_REMATCH[2]}
KeyFilled[$key]=$val
if (( ${#KeyFilled[@]} == nMandatoryKeys )); then
unset csvLine
for k in ${keysAccepted[@]}; do
csvLine+=${csvLine:+,}${KeyFilled[$k]}
done
KeyFilled=()
CSV+=($csvLine)
fi
done <"$inFile"
(( ${#CSV[@]} > 1 )) || exit 1
join $'\x0a' CSV >"$outFile"
答案 1 :(得分:1)
如果您的源文件是一致的(所有三个字段以相同的顺序存在),您可以尝试这个...
$ sed -nr 's_\s*<p><strong>Module (Name|Group|Version):</strong> (.*)</p>_\2_p' file\
| awk 'ORS=NR%3?",":RS'
spring-web,org.springframework,4.2.1.RELEASE
google-http-client,com.google.http-client,1.19.0