使用sed提取HTML标记数据

Question

我希望在已知的HTML标记之间提取数据。例如：

Hello, <i>I<i> am <i>very</i> glad to meet you.

应该成为：

'I

very'

所以我找到了适合几乎这样做的东西。不幸的是，它只提取最后一个条目。

sed -n -e 's/.*<i>\(.*\)<\/i>.*/\1/p'

现在我可以使用换行符添加任何结束标记</i>，这样可以正常工作。但有没有办法只用一个sed命令来做到这一点？

Answer 1

尝试一下：

sed -n 's|[^<]*<i>\([^<]*\)</i>[^<]*|\1\n|gp'

您的示例缺少“/”：

Hello, <i>I</i> am <i>very</i> glad to meet you.

Answer 2

试试这个：

$ sed 's/<[^>]*>//g' file.html

Answer 3

$ awk -vFS="<.[^>]*>" '{for(i=2;i<=NF;i+=2)print $i}' file
I
very