使用SED替换ALT属性中的字符串

Question

我有一个包含以下ALT属性的HTML文件：

alt="Hello I am <nobr>Please&nbsp;replace&nbsp;me</nobr> and I'm cool"

我需要在bash脚本中使用SED将上面的行替换为：

alt="Hello I am Please replace me and I'm cool"

如何仅将alt属性中的标记作为目标？

Answer 1

如果您对awk感到满意，请尝试执行以下操作：（将所有要替换的字符串替换为awk的变量）

awk -v val="<nobr>" -v val1="&nbsp;" -v val2="</nobr>" '
/^alt/{
  gsub(val," ")
  gsub(val1," ")
  gsub(val2," ")
}
1'  Input_file

OR

awk -v val="<nobr>" -v val1="&nbsp;" -v val2="</nobr>" '
/^alt/{
  gsub(val"|"val1"|"val2," ")
}
1'  Input_file

如果要对Input_file本身进行更改，请将> temp_file && mv temp_file Input_file附加到上述代码中。

Answer 2

一个sed答案是：

 sed -E '/alt=/{:a s/(<nobr>)(.*)&nbsp;(.*)(<\/nobr>)/\1\2 \3\4/;ta; s/<nobr>(.*)<\/nobr>/\1/}'

说明：

• /alt=/仅更改包含alt=的行
• s/(<nobr>)(.*)&nbsp;(.*)(<\/nobr>)/\1\2 \3\4/用空格替换一个 
• ta如果成功，请重复；也就是说，跳至a
• s/<nobr>(.*)<\/nobr>/\1/最后删除<nobr>和</nobr>

已添加：由于sed贪婪，因此如果该行中有两个</nobr>，则此脚本将失败。尽管有变通办法-参见ishahak的answer至Non greedy (reluctant) regex matching in sed?-却很痛苦。

无论如何，这个答案实际上已经过高了，因为OP发现更简单的解决方案足以满足他们的需求；参见下面的评论。

Answer 3

这是一种笨拙的方式：

% sed $'s#alt="Hello I am <nobr>Please&nbsp;replace&nbsp;me</nobr> and I\'m cool"#alt="Hello I am Please replace me and I\'m cool"#' < file.html

我的建议是不要使用Shell工具解析html-只会引起眼泪和沮丧。改用python的BeautifulSoup模块。