Question

如何删除锚标记，但将锚文本保留在Bash中？所以我想删除除示例文本之外的所有内容。

<a href="http://example.com">Example text</a>

所以，如果我这样做：

echo '<a href="http://example.com">Example text</a>' | sed -e 's/<[^>]*>//g'

删除所有html。我想要删除锚标记，但也保留锚文本...在这种情况下也称为示例文本。

Answer 1

您可以使用以下命令：

$ echo '<a href="http://example.com">Example text</a>' | sed -e 's/<[^>]*>//g'
Example text

或者，您也可以使用perl代替sed，因为non greedy正则表达式在这里会有所帮助：

$ echo '<a href="http://example.com">Example text</a>' | perl -pe 's/\<.*?\>//g'
Example text

注意：使用正则表达式来解析HTML是discouraged，但对于这个小任务，我会说可以坚持使用命令行中的可用工具。

编辑：要删除只是锚标签，可以使用正则表达式更新如下：

sed -e 's/<\/\?a\s*[^>]*>//g'

Answer 2

这是一个有用的指南： http://www.eng.cam.ac.uk/help/tpl/unix/sed.html

Answer 3

如果您的输入格式正确，则可以从命令行使用XSLT。（我建议使用Saxon，但Xalan也可以。）：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output indent="yes"/>
  <xsl:strip-space elements="*"/>

  <xsl:template match="node()|@*">
    <xsl:copy>
      <xsl:apply-templates select="node()|@*"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="a">
    <xsl:apply-templates/>
  </xsl:template>

</xsl:stylesheet>

另见RegEx match open tags except XHTML self-contained tags： - ）

Answer 4

接受的答案将从HTML中删除所有标签，而不仅仅是链接。更好的Perl命令可以删除altStr = string.Format("<altitude>{0}</altitude>", Math.Round(alt, 16));（但不删除其他标签），同时保留锚文本，如下：

<a>..</a>

对其进行测试：

perl -pe 's/\<a [^>]*\>(.*?)<\/a>/$1/gi'

它留下了：

<html><A HREF="http://example.com/"><b>Anchor Text</b></A></html>

要仅删除包含特定URL的链接（而保留其他链接不变），可以使用：

<html><b>Anchor Text</b></html>

您可以通过在其上输入文字来使用它：

perl -pe 's/\<a [^>]*href\=\"http\:\/\/example\.com[^>]+\>(.*?)\<\/a\>/$1/gi'

或使用echo "<html>..." | perl -pe 's/...'标志将其用于就地修改文件，以进行修改：

-i

删除锚标记，但保留锚文本

4 个答案: