Question

我有一个页面，其中包含不同作者的许多帖子。我想要帖子页面中来自用户A的帖子。

如何设置grep以查看作者页面中每个帖子的html块，然后将帖子的内容打印到文件中？帖子结构类似于

<!--Begin Msg Number #####-->

[useless junk i'm not interested in here]

<span class="author vcard"><a class="url fn" href='url here'>User A</a>&nbsp;</span>

[more junk]

<div class='post entry-content '>
                    <!--cached-some date string--> Here's the text I want to extract    
                </div>

[more junk]


<hr />

我认为结构类似于

grep /pattern/ output file

但我是否需要明确告诉它只在

之间进行搜索

<!-- begin msg ... -->

和

<hr />

标签绑定帖子，或者grep足够智能自动执行此操作？我担心当grep找到用户A的模式时，它会将所有帖子内容打印到文件而不是那个特定的文件。

Answer 1

如果所有帖子文字都在一行上，请尝试

grep /(author vcard|<!--cached-)/

使用grep从<div>容器标签中提取html </div>

1 个答案: