☰

如何使用 sed、awk 或 grep 删除特定模式但保留其他所有内容

tag-icon • tag-icon awk sed grep
如何使用 sed、awk 或 grep 删除特定模式但保留其他所有内容

我想删除除消息之外的所有内容。例如，如果我们有以下内容：

<p class="TweetTextSize  js-tweet-text tweet-text" lang="en" data-aria-label-part="0">.<a href="/TuckerCarlson" class="twitter-atreply pretty-link js-nav" dir="ltr" data-mentioned-user-id="22703645" ><s>@</s><b>TuckerCarlson</b></a>: &quot;Massive demographic change has political consequences.&quot; <a href="/hashtag/Tucker?src=hash" data-query-source="hashtag_click" class="twitter-hashtag pretty-link js-nav" dir="ltr" ><s>#</s><b>Tucker</b></a><a href="https://t.co/PKqNgaihMQ" class="twitter-timeline-link u-hidden" data-pre-embedded="true" dir="ltr" >pic.twitter.com/PKqNgaihMQ</a></p>

使用该命令后的结果应该如下所示：

Massive demographic change has political consequences.

到目前为止我的尝试

sed -n "/<p class="TweetTextSize  js-tweet-text tweet-text" lang="en" data-aria-label-part="0">/,/<\/p>/p">>

我想做的是删除所有<> </>模式之间的内容<p> </p>并保留其余部分。我知道这看起来并不容易，但我仍然感谢任何帮助。

答案1

解决方案使用小星工具：

xmlstarlet sel -t -v "/p/text()[2]" -n file | sed 's/.*"\(.*\)"/\1/'

输出：

Massive demographic change has political consequences.

sel选项

sel（或 select） - 选择数据或查询 XML 文档（XPATH 等）

-t--模板选项

-v选项

-v 或 --value-of - 打印 XPATH 表达式的值

/p/text()[2]- XPath表达式，选择段落的第二个文本节点（第一个文本节点是.）

sed 's/.*"\(.*\)"/\1/'- 提取双引号之间的消息

相关内容