用sed剥离html标签

Question

我正在编写一个shell脚本，作为其工作的一部分，它会抓取一个网页以获取提交消息。它得到的输出可能如下所示：

Fix function <code>something_or_other()</code>, with a helpful fix from <a href="https://somewebsite.com">somebody</a>. <br>
Also, fix <a href=somewhere>another thing</a>

我希望脚本输出：

Fix function something_or_other(), with a helpful fix from somebody.  Also, fix another thing.

除了正则表达式之外，有没有办法做到这一点？我很清楚使用正则表达式解析HTML的dangers，但这似乎是唯一的选择。我不想使用太多非普遍存在的外部程序（例如GNU sed已经出局，但POSIX sed很好）。

Answer 1

echo 'Fix function <code>something_or_other()</code>, with a helpful fix from <a href="https://somewebsite.com">somebody</a>. <br>
Also, fix <a href=somewhere>another thing</a>' | sed -r s/\<[^\>]+\>//g | sed 'N;s/\n/ /'

输出：

Fix function something_or_other(), with a helpful fix from somebody.  Also, fix another thing