解析并提取所有HTML标记

Question

我需要解析并提取以$true开头并以v8::Local<v8::Uint8ClampedArray> arr; unsigned char *data = (unsigned char *)arr->Buffer()->GetContents().Data(); 结尾的所有HTML标记。

sample.csv

<a href=""

是否可以帮助我使用"">或<p class=""normal_(Web)"" align=""left""><span style=""font-family:Arial,Arial;font-size:10px;color:#000000"">First, </span><b><a href=""file:///C:/display/JITS/SDSSE+-+R12+User+Search""><span style=""font-family:Arial,Arial;font-size:10px;"">search</span></a></b><span style=""font-family:Arial,Arial;font-size:10px;color:#000000""> for the user.  If you don't find the account, then </span><b><a href=""file:///C:/display/JITS/SDSSE+-+Creating+Oracle+R12+Accounts""><span style=""font-family:Arial,Arial;font-size:10px;"">create</span></a></b><span style=""font-family:Arial,Arial;font-size:10px;color:#000000""> one.  Once you have an account to work with, then proceed.</span></p>命令打印/仅记录包含awk和sed的子字符串？ 输出应该是

<a href=""

"">

Answer 1

你可以这样做：

sed -n 's/.*\(<a\ href=[^>]*>\).*/\1/p'

这个sed使用n标志，这会导致sed在默认情况下不打印任何内容，之后我们使用substitution命令查找指定的正则表达式并将其替换为第一个捕获组，然后{{1} } modifier用于打印此正则表达式。

在正则表达式中，我们首先查找p，然后匹配所有内容，直到<a href=。

如果您的代码中还有其他>，则此功能无效。

Answer 2

@Varun：试试：

awk '{gsub(/<a href=|"|>/,"");print}'   Input_file

在这里，我在全球范围内替换字符串，例如“a href”，“＆gt;”并“然后打印线的值。