Question

我正在尝试弄清楚如何使用bash或常见的GNU工具关闭HTML标记之后删除内容。例如，给定以下HTML模板，在不触及嵌入式注释而不使用Python等外部语言的情况下删除尾随注释的有效方法是什么？

<!DOCTYPE html> <html> <head> <title>Site | Page 1</title> </head> <body>  </body> </html> 

我唯一能想到的就是将整个文件读入内存并在那里进行处理，即使用正则表达式魔法获取结束HTML标记的位置，此后截断以及写回磁盘等过时的东西。

Answer 1

`sed`

sed -n '1,/<\/html>/p' some.html > truncated.html

实施例

% sed -n '1,/<\/html>/p' some.html
<!DOCTYPE html>
<html>
<head>
 <title>Site | Page 1</title>
</head>
<body>

 <!-- Don't delete me! -->

</body>
</html>

其中：

-n - 禁止自动打印图案空间
1是第一行
包含“</html>”的行是最后一行
p打印这些行

Answer 2

这可能对您有用：

sed '/<\/html>/q' file

Answer 3

这应该这样做。做你需要对结果变量做的任何事情。

myFile="whatever_your_filename_is.something"
ProcessedText=$( sed 's:\(.\+</html>\).*:\1:' $myFile )

这样做是：将文件的内容传递给sed，然后查找最大长度结尾的字符串并捕获它。文本的其余部分匹配，但未捕获。然后将该（即完整文本）替换为捕获的文本（即，直到并包括标签的所有内容）。

Answer 4

在awk：

awk 'NR==1,/<\/html>/' file

使用BASH关闭HTML标记后截断注释

4 个答案:

`sed`

实施例

其中：