解析多个HTML标签Bash

Question

如何解析以下html代码？

我已经找到一种解析“ AAA，BBB”的方法 但对我来说，无法解析“ 1. CCC”和“ DDD”

输出应类似于：AAA，BBB，CCC，DDD

<td style="background:#edeaea;height:30px;padding-top:10px;" align="center" valign="top">
<a href="design-future">
<img src="../habsr/images2/viels_k/cool.jpg" alt="AAA, BBB" title="cool" style="width:105px;">
1. CCC<br><b><font color="#ff0000">DDD</font></b>

Answer 1

grep和sed的混合可以起作用：

我将您的文本复制/粘贴到名为 blah 的文件中。

$ grep -o -E "\<[A-Z]{3}\>" blah | xargs | sed 's/ /, /g'

// output
AAA, BBB, CCC, DDD

关于grep的说明：
-o从grep输出（AAA，BBB等）中捕获匹配项
-E用于正则表达式
"\<[A-Z]{3}\>" 3个字母的A-Z在单词边界上匹配
到xargs的管道从grep输出中获得一行（以空格分隔）

到sed的最后一个管道仅将空格转换为逗号空间即可实现所需的输出。