☰

sed 语法删除 xml

tag-icon • tag-icon linux macos regex sed
sed 语法删除 xml

我正在尝试从元数据中清理这个输出以将其插入到 GreekTools 中，但我被 sed 难住了。

curl --silent www.brainyquote.com | egrep '(span class="body")|(span class="bodybold")' | sed -n '6p; 7p; ' | sed 's/\<*\>//g'

[前任]

<span class="body">Literature is news that stays news.</span><br> <span class="bodybold">Ezra Pound</span>

有人能帮助我走这条路吗？

答案1

你确实应该使用合适的 HTML 或 XML 解析工具。尝试使用正则表达式解析它会导致疯狂。

但是，对于简单的情况：

curl --silent www.brainyquote.com | egrep 'span class="body' | sed -n '6,7{s/<[^>]*>//g;p}'

对于 OS X：

curl --silent www.brainyquote.com | egrep 'span class="body' | sed -n '6,7{' -e 's/<[^>]*>//g' -e 'p' -e '}'

这对 mjb 有用：

curl --silent www.brainyquote.com | egrep '(span class="body")|(span class="bodybold")' | sed -n '6p; 7p; ' | sed -e 's/<[^>]*>//g'

答案2

为了完整性，使用 HTML tidy 和 xmlstarlet 的解决方案：

# note: use recent versions of tidy and xmlstarlet
curl -s www.brainyquote.com | 
tidy -q -c -wrap 0 -numeric -asxml -utf8 --merge-divs yes --merge-spans yes 2>/dev/null |
xmlstarlet sel -N x="http://www.w3.org/1999/xhtml" -T -t -m "//x:td[@align='center' and @valign='top' and @width='300']/x:span[@class='body']" -v '.' -n \
-m "//x:html/x:body/x:div/x:table/x:tr[position()=2]/x:td[@align='center' and @valign='top' and @width='300']/x:span[@class='bodybold']" -v '.' -n

相关内容