sed从html文件中删除标签

  • Z时代
  • 2024-01-10
  • 分类：问答

我需要使用sed命令使用bash脚本从html中删除所有标签。我尝试了这个

sed -r 's/[\<][\/]?[a-zA-Z0-9\=\"\-\#\.\& ]+[\/]?[\>]//g' $1

和这

sed -r 's/[\<][\/]?[.]*[\/]?[\\]?[\>]//g' $1

但我仍然想念什么，有什么建议吗？

回答：

您可以使用很多的一个HTML文本转换器，使用Perl的正则表达式如果可能的话<.+?>，或者如果它必须是sed使用<[^>]*>

sed -e 's/<[^>]*>//g' file.html

如果没有错误的余地，请改用HTML解析器。例如，当元素分布在两行上时

<div
>Lorem ipsum</div>

此正则表达式将不起作用。

这正则表达式由三个部分组成<，[^>]*，>

  • 寻找开放 <

  • 后面跟着零个或多个字符*（不是结尾）>[...]是字符类，当它开始^查找

    不在 类中的字符时

  • 最后寻找关闭 >

更简单的正则表达式<.*>将不起作用，因为它会搜索可能的最长匹配项，即>输入行中的最后一个结束符。例如，当输入行中有多个标签时

<name>Olaf</name> answers questions.

以上是 sed从html文件中删除标签 的全部内容， 来源链接： utcz.com/qa/403885.html

回到顶部