Question

我的代码如下：

<td nowrap="nowrap" width="74">
<p align="center">server1</p>
</td>
<td nowrap="nowrap" width="74">
<p align="center">server2</p>
</td>

依此类推。我希望输出为：

<td nowrap="nowrap" width="74">server1</td>
<td nowrap="nowrap" width="74">server2</td>

我的方法应该是什么？例如，文件是server.html 我做过类似的事情：

sed "s/<p align="center">*</p>/*/" -i server.html

但它不起作用。

Answer 1

再次有人用正则表达式解析HTML ...好吧，以下命令似乎适用于您发布的特定示例：

sed -re 's/<p align="center">(.*?)<\/p>/\1/g'

但是，如果有任何微小的变化，它会破坏，请考虑使用HTML解析器。

编辑：没有正则表达式，可以使用相同的结果完成以下操作：

sed -e 's/<p align="center">//g' -e 's/<\/p>//g'

但它比第一个更脏。

Answer 2

当您使用带有sed的正则表达式时，可以使用()

引用第X个匹配的\X块

此外，在表达式中运行所有斜杠时，我会使用|作为sed分隔符，以使表达式稍微不透明。

sed -e "s|<p align=\"center\">\(.*\)</p>|\1|" server.html

Answer 3

这是你的命令行......

sed "s/<p align="center">*</p>/*/" -i server.html

问题：

您在选项之前指定命令，而不是使用-e选项标识命令。（不确定是否在AIX中考虑过。）
您没有将文本与有效的正则表达式匹配。
close-paragraph有一个unescape斜杠，被视为分隔符。
您的替换字符串只是一个星号。

我不会为此使用sed。虽然你可能想出一个神秘的，不可读的脚本来处理这个使用GNU sed，它可能不会是可移植的，如果你是写的，你将无法在它写入后30分钟读取它并不熟悉sed和regex。

你可以输出与你所要求的相同的东西：

sed '/<p/s#<[^>]*>##g' server.html

使用正则表达式处理HTML通常会遇到问题，但如果您只是处理有保证的可预测文本，那么AWK可能是一个合理的解决方案。

#!/usr/bin/awk -f

/^<td/ { line=$0; }
/^<p/ { gsub(/<[^>]*>/,""); line=line $0; }
/^<\/td/ { print line $0; }

请注意，这不是可以编写的最优雅的awk脚本;事物的拼写比它们需要的更充分，这样你就可以看到它通常所做的模式匹配，所以你可以调整它以适应不同的HTML。

替代方案：

#!/usr/bin/awk -f

BEGIN { ORS=""; }
/^<p/ { gsub(/<[^>]*>/,""); }
{ print; }
/^<\/td/ { printf("\n"); }

您可以看到的另一件事是使用CSS更改<p>内<td>的行为。

Answer 4

编写正则表达式来操作HTML并不是最好的方法。您应该查看HTML解析库并编写代码，以便在解析后转换HTML。

Answer 5

这可能对您有用：

sed '/^<td nowrap="nowrap" width="74">$/{N;N;s/\n[^>]*>\([^<]*\)<\/p>\n/\1/}' file
<td nowrap="nowrap" width="74">server1</td>
<td nowrap="nowrap" width="74">server2</td>

Sed替换模式

5 个答案: