解析多个HTML标签Bash [重复]

Posted 2021-03-27

这个问题在这里已有答案：

• Why it's not possible to use regex to parse HTML/XML: a formal explanation in layman's terms 9个答案

我该如何解析以下的html代码？

我已经找到了解析“AAA，BBB”的方法但是对我来说无法解析“1. CCC”和“DDD”

输出应如下所示：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>

答案

grep和sed的混合可以工作：

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的解释： -o从grep输出（AAA，BBB等）捕获匹配 -E为正则表达式 "\<[A-Z]{3}\>"在字边界上有3个字母的A-Z匹配 到xargs的管道从grep输出中获取一行（用空格分隔）

sed的最后一个管道只是将空格转换为逗号空间以实现所需的输出。