获取特定标签之间的特定文本

Question

在HTML文件的顶部，我有......

<H2>City</H2>
<P>Liverpool</P>

或

<H2>City</H2>
<P>Dublin</P>

我希望在<H2>City</H2>个实例之后直接在

标记之间输出文本。所以在上面的例子里面是单独的文件，我想打印出利物浦，在第二个例子中，都是都柏林。

看看这个thread，我试试：

sed -e 's/City\(.*\)\/P/\1/'

我希望能在那里找到我...但是这只是打印出整个文件。有什么想法吗？

Answer 1

awk救援！你需要多字符RS支持（gawk有它）

$ awk -F'[<>]' -v RS='<H2>City</H2>' 'NF{print $3}' file

另一种方法可以是

$ awk 'c&&c--{sub(/<[^>]*>/,""); print} /<H2>City<\/H2>/{c=1}' file

在City之后找到下一条记录并修剪尖括号......

Answer 2

尝试使用以下正则表达式：

(?s)(?<=City<\/H2>\n<P>).*?(?=<\/P>)

参见 regex demo / explanation

<强> SED

sed -e 's/(?s)(?<=City<\/H2>\n<P>).*?(?=<\/P>)/'

Answer 3

我查了一下，\s似乎不适用于空格。您应该使用换行符\n：

sed -e 's/<H2>City<\/H2>\n<P>\(.*\)<\/P>/\1/'

不需要使用lookbehind（如上所述），这是一种矫枉过正。

Answer 4

使用sed，您可以使用n命令读取模式后的下一行。然后只需删除标记即可输出您的内容：

sed -n '/<H2>City<\/H2>/n;s/ *<\/*P> *//gp;' file

Answer 5

我认为这应该适用于你的mac：

echo -e "<H2>City</H2>\n<P>Dublin</P>" |awk -F"[<>]" '/City/{getline;print $3}'
Dublin